moonshotai
MoonshotAI: Kimi K3.1 Pro
moonshotai/kimi-k3.1-pro
Nossa análise
Análise com auxílio de IA baseada nas fontes abaixo. A adequação é uma avaliação editorial; teste com suas próprias tarefas.
Kimi K3.1 Pro (moonshotai/kimi-k3.1-pro) é o modelo agêntico multimodal nativo e de pesos abertos da Moonshot AI, pós-treinado a partir do Kimi K3 com aprendizado por reforço conjunto em grande escala. Segundo sua ficha, usa uma arquitetura de mistura de especialistas com um codificador de visão dedicado e uma janela de contexto de aproximadamente um milhão de tokens; o catálogo da OpenRouter lista entradas de texto, imagem e vídeo com saída de texto. As avaliações relatadas pelo fornecedor mostram resultados competitivos em codificação e tarefas agênticas com esforço de raciocínio máximo, embora os resultados sejam mistos em alguns benchmarks.[1][2]
Pontos fortes
- Descrito nas fontes como um modelo de mistura de especialistas de pesos abertos com janela de contexto de aproximadamente um milhão de tokens, adequado em princípio para entradas muito longas.[1][2]
- O raciocínio vem ativado por padrão e é configurável em vários níveis de esforço, segundo a listagem do catálogo da OpenRouter.[1]
- Os resultados medidos nas fontes fornecidas são competitivos em vários benchmarks de codificação, agênticos e multimodais executados pelo fornecedor, e os dados do arena de design do catálogo mostram resultados relativamente fortes em áreas como componentes de UI e geração 3D.[1][2]
Limitações
- Lacunas de evidência: a tabela de benchmarks do pacote de fontes está truncada, e a data de corte de conhecimento, os requisitos de hardware de implantação e o comportamento de segurança não estão documentados; a licença aparece apenas como uma licença personalizada do tipo 'other', portanto seus termos devem ser revisados antes do uso.[2]
- As avaliações relatadas foram executadas com esforço de raciocínio máximo e configurações específicas de amostragem, e incluem benchmarks internos, portanto os resultados podem não se generalizar para outras configurações; algumas pontuações ficam abaixo de pares listados, sobretudo em certas tarefas de síntese de programas e de terminal científico.[2]
- A modalidade de entrada é inconsistente entre as fontes: a tabela da ficha do modelo lista texto e imagem, enquanto a OpenRouter lista também entrada de vídeo, portanto o suporte a vídeo deve ser verificado antes de se confiar nele.[1][2]
Onde usar
- Vale avaliar para fluxos de trabalho de codificação de longo horizonte e tarefas agênticas que se beneficiem de uma janela de contexto muito grande e do uso de ferramentas, dado o foco declarado pelo fornecedor e os resultados de benchmarks relatados.[1][2]
- Pode ser adequado para tarefas de geração orientadas a design, como componentes de UI, SVG ou recursos 3D, onde os dados do arena do catálogo mostram resultados relativamente fortes; valide a qualidade na sua própria carga de trabalho.[1]
- Candidato para tarefas de pesquisa e análise como pesquisa financeira, área que o fornecedor cita como melhorada, sujeito a verificações independentes de precisão.[2]
Fontes
- [1] OpenRouter catalog · MoonshotAI: Kimi K3.1 ProFontes consultadas: 13 de nov. de 2026
- [2] Model documentation · MoonshotAI: Kimi K3.1 ProFontes consultadas: 13 de nov. de 2026
Sobre este modelo
A descrição abaixo é o texto original fornecido pelo OpenRouter, no idioma da fonte.
Kimi K3.1 Pro is Moonshot AI's flagship open-weight multimodal reasoning model and a post-trained successor to Kimi K3, with a 1M-token context window. It is built for long-horizon coding, 3D...
Especificações
- ID do modelo
- moonshotai/kimi-k3.1-pro
- ID canônico
- moonshotai/kimi-k3.1-pro-20261023
- Criador
- moonshotai
- Adicionado ao OpenRouter
- 23.10.2026
- Comprimento de contexto
- 1,048,576
- Modalidade
- text+image+video->text
- Modalidades de entrada
- text, image, video
- Modalidades de saída
- text
- Preço por token
- USD por 1M de tokens: entrada $2 / saída $10
- Corte de conhecimento
- —
- Data de expiração
- —
Tarefas e capacidades
Uma nota aparece apenas quando a fonte fornece uma medição correspondente para aquela tarefa, o modelo está ativo e a coorte tem pelo menos 10 modelos comparáveis. A coluna de capacidade lista fatos declarados pela fonte — formatos compatíveis, raciocínio e parâmetros de ferramentas — que não são qualidade medida.
| Tarefa | Nota | Capacidade declarada pela fonte |
|---|---|---|
| Qualidade geral | AA — próximos 20% da coorte | raciocínio: opcional · padrão max · esforços: max, high, low, none · parâmetros: include_reasoning, reasoning, reasoning_effort |
| Programação | Sem medição | — |
| Agentes | Sem medição | parâmetros: structured_outputs, tool_choice, tools |
| Escrita | Sem medição | saída: text |
| Raciocínio | Sem medição | raciocínio: opcional · padrão max · esforços: max, high, low, none · parâmetros: include_reasoning, reasoning, reasoning_effort |
| Análise de documentos | Sem medição | — |
| Visão | Sem medição | entrada: image |
| Geração de imagens | Sem medição | — |
| Áudio | Sem medição | — |
| Vídeo | Sem medição | entrada: video |
| Embeddings | Sem medição | — |
Avaliações
| Fonte | Benchmark | Valor | Nota | Dados obtidos |
|---|---|---|---|---|
| Artificial Analysis | Intelligence index | 46.5 | AA — próximos 20% da coorte | 13.11.2026 |
| Design Arena | agents · androidnativetaxa de vitória 42.6% · posição 28 | 1,149Elo | CC — abaixo da faixa B | 13.11.2026 |
| Design Arena | agents · codetovideotaxa de vitória 58.5% · posição 5 | 1,232Elo | AA — próximos 20% da coorte | 13.11.2026 |
| Design Arena | agents · fullstacktaxa de vitória 61.9% · posição 2 | 1,327Elo | SS — top 10% da coorte | 13.11.2026 |
| Design Arena | agents · mobileappstaxa de vitória 59.7% · posição 4 | 1,273Elo | SS — top 10% da coorte | 13.11.2026 |
| Design Arena | agents · pdftaxa de vitória 57.3% · posição 12 | 1,226Elo | BB — próximos 30% da coorte | 13.11.2026 |
| Design Arena | agents · python-pptxslidestaxa de vitória 67.3% · posição 3 | 1,292Elo | SS — top 10% da coorte | 13.11.2026 |
| Design Arena | agents · webappstaxa de vitória 61% · posição 3 | 1,307Elo | SS — top 10% da coorte | 13.11.2026 |
| Design Arena | models · 3dtaxa de vitória 70.8% · posição 3 | 1,447Elo | SS — top 10% da coorte | 13.11.2026 |
| Design Arena | models · asciiarttaxa de vitória 59.1% · posição 6 | 1,302Elo | SS — top 10% da coorte | 13.11.2026 |
| Design Arena | models · codecategoriestaxa de vitória 60.8% · posição 7 | 1,351Elo | SS — top 10% da coorte | 13.11.2026 |
| Design Arena | models · dataviztaxa de vitória 56% · posição 13 | 1,304Elo | AA — próximos 20% da coorte | 13.11.2026 |
| Design Arena | models · gamedevtaxa de vitória 66.1% · posição 4 | 1,406Elo | SS — top 10% da coorte | 13.11.2026 |
| Design Arena | models · svgtaxa de vitória 62.6% · posição 2 | 1,329Elo | SS — top 10% da coorte | 13.11.2026 |
| Design Arena | models · uicomponenttaxa de vitória 65.4% · posição 1 | 1,388Elo | SS — top 10% da coorte | 13.11.2026 |
| Design Arena | models · websitetaxa de vitória 57.9% · posição 6 | 1,323Elo | SS — top 10% da coorte | 13.11.2026 |
Como funcionam as notas
Cada nota compara um modelo apenas com outros modelos avaliados pela mesma fonte e métrica no snapshot atual. S é o top 10%, A os 20% seguintes, B os 30% seguintes e C o restante. Modelos sem medição publicada aparecem como não avaliados — um formato compatível nunca implica qualidade medida.
- S — S — top 10% da coorte
- A — A — próximos 20% da coorte
- B — B — próximos 30% da coorte
- C — C — abaixo da faixa B
Provedores
Estatísticas opcionais de provedores ao vivo do OpenRouter. Valores ausentes são desconhecidos, não zero.
| Provedor | Comprimento de contexto | Preço entrada /1M | Preço saída /1M | Latência p50 (30m, s) | Taxa p50 (30m, tok/s) | Disponibilidade (30m) |
|---|---|---|---|---|---|---|
| Relacefp4 | 1,048,576 | $0.237 | $8.41 | — | — | 100% |
| Wafermxfp4 | 1,048,576 | $0.253 | $8.8 | — | — | 100% |
| Morphfp8 | 1,048,576 | $0.807 | $10.29 | — | — | 100% |
| Sail Researchfp4 | 1,048,576 | $1.04 | $9.35 | — | — | 100% |
| Sail Researchfp4 | 1,048,576 | $1.4 | $9.35 | — | — | — |
| AkashMLfp4 | 1,048,576 | $1.75 | $10 | — | — | 100% |
| Decartmxfp4 | 409,600 | $1.76 | $8.8 | — | — | 100% |
| Wafermxfp4 | 1,048,576 | $1.8 | $9 | — | — | 100% |
| InferenceNetmxfp4 | 1,048,576 | $1.8 | $9 | — | — | 100% |
| InferenceNetmxfp4 | 1,048,576 | $1.8 | $9 | — | — | 100% |
| DeepInfrabf16 | 1,048,576 | $1.9 | $9.5 | — | — | 100% |
| River | 1,048,576 | $2 | $10 | — | — | 100% |
| Fireworks | 1,048,576 | $2 | $10 | — | — | 100% |
| DigitalOcean | 1,048,576 | $2 | $10 | — | — | 100% |
| Parasailfp4 | 1,048,576 | $2 | $10 | — | — | 100% |
| Modalmxfp4 | 1,048,576 | $2 | $10 | — | — | 100% |
| Nebiusfp4 | 1,048,576 | $2 | $10 | — | — | 33.33% |
| Together | 1,048,576 | $2 | $10 | — | — | 15% |
| Moonshot AImxfp4 | 1,048,576 | $2 | $10 | — | — | 100% |
| Alibaba | 1,048,576 | $2.3 | $11.5 | — | — | 100% |
| PrimaLabsmxfp4 | 1,048,576 | $2.7 | $13.5 | — | — | 100% |
| InferenceNetmxfp4 | 1,048,576 | $2.7 | $13.5 | — | — | 100% |
| InferenceNetmxfp4 | 1,048,576 | $2.7 | $13.5 | — | — | 100% |
| Moonshot AImxfp4 | 1,048,576 | $4 | $20 | — | — | 100% |
Dados de provedores obtidos: 13.11.2026
Artigos relacionados
Nenhum artigo publicado identifica este modelo ainda.