moonshotai
MoonshotAI: Kimi K3.1 Pro (batch)
moonshotai/kimi-k3.1-pro:batch
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 (batch) da MoonshotAI é um modelo de raciocínio multimodal nativo de pesos abertos, oferecido no OpenRouter como variante batch, que aceita texto, imagem e, segundo o catálogo, vídeo como entrada e retorna texto. Pós-treinado a partir do Kimi K3, usa uma arquitetura de mistura de especialistas de grande escala e uma janela de contexto de cerca de um milhão de tokens. O fornecedor o destina a trabalhos agênticos e de codificação de longo horizonte; o esforço de raciocínio é configurável e ativado por padrão. Avaliações do fornecedor e de arenas são favoráveis em várias categorias, mas validação independente em cargas reais ainda é necessária.[1][2]
Pontos fortes
- Arquitetura de mistura de especialistas de pesos abertos com ativação esparsa, descrita pelo fornecedor como seu modelo mais capaz nesta classe até hoje.[2]
- Janela de contexto muito longa, de cerca de um milhão de tokens, adequada para documentos extensos e sessões de agente prolongadas.[1][2]
- Entrada multimodal e esforço de raciocínio configurável; avaliações publicadas pelo fornecedor e por arenas relatam resultados competitivos em codificação e tarefas agênticas.[1][2]
Limitações
- A evidência vem apenas de um catálogo de marketplace e da ficha do próprio fornecedor; as pontuações relatadas são do fornecedor ou de arenas e podem não prever o desempenho nas suas cargas, portanto valide em tarefas reais antes de adotar.[1][2]
- As fontes divergem quanto ao escopo de entrada: a ficha lista texto e imagem, enquanto o catálogo do OpenRouter também lista vídeo; o suporte a vídeo não está verificado aqui.[1][2]
- A data de corte de conhecimento, o comportamento de latência e entrega do modo batch e os termos da licença personalizada kimi-k3.1-pro não estão documentados neste pacote de fontes.[1][2]
Onde usar
- Processamento em lote de documentos longos e bases de código extensas que podem se beneficiar da janela de contexto ampliada.[1][2]
- Codificação agêntica e geração orientada a aplicativos, web ou design, áreas destacadas nas avaliações do fornecedor e de arenas.[1][2]
- Pipelines de pesquisa ou análise intensivas em raciocínio onde o esforço configurável e o tempo de entrega em lote sejam aceitáveis.[1][2]
Fontes
- [1] OpenRouter catalog · MoonshotAI: Kimi K3.1 Pro (batch)Fontes consultadas: 13 de nov. de 2026
- [2] Model documentation · MoonshotAI: Kimi K3.1 Pro (batch)Fontes 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:batch
- 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 $0.700 / saída $6
- 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 | — |
| 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) |
|---|---|---|---|---|---|---|
| Sail Researchfp4 | 1,048,576 | $0.700 | $6 | — | — | — |
Dados de provedores obtidos: 13.11.2026
Artigos relacionados
Nenhum artigo publicado identifica este modelo ainda.