Kimi K3.1 Pro vs Claude Opus 5.5: benchmarks, preços e qual usar

A Moonshot AI lançou o Kimi K3.1 Pro em outubro de 2026 com uma promessa incomum: no Terminal-Bench 4.0, seu novo modelo com pesos abertos fica a menos de um ponto do Claude Opus 5.5, carro-chefe que a Anthropic lançou em 22 de setembro. Faz isso cobrando metade do preço por token da Anthropic, e a Moonshot promete disponibilizar os pesos para download até 4 de novembro.

Neste artigo, vou comparar o Kimi K3.1 Pro e o Claude Opus 5.5 em coding agentivo, raciocínio, tarefas intensivas em ferramentas, controles de segurança e quanto cada um realmente custa para rodar.

Se você curte acompanhar lançamentos, vale ler também nossos guias sobre os novos flagships do Google, Gemini 4 Carbon e Genie 4. Para ficar por dentro das últimas novidades em IA, recomendo também assinar nossa newsletter semanal, The Median.

Resumo rápido

• O Kimi K3.1 Pro empata com o Opus 5.5 em coding no terminal e lidera em execuções longas de agentes que usam muitas ferramentas.
• O Opus 5.5 é claramente mais forte em raciocínio sem consulta, fluxos científicos e reconstrução de software a partir de uma especificação.
• O Kimi custa metade por token, mas loops de agente que dependem de cache no input geram uma economia menor.
• Escolha o Kimi K3.1 Pro para coding agentivo com orçamento enxuto, agentes de pesquisa e self-hosting assim que os pesos forem liberados.
• Escolha o Opus 5.5 para raciocínio difícil, trabalhos de ciência e engenharia reversa, ou deploy na AWS, Google Cloud ou Azure.

O que é o Kimi K3.1 Pro?

O Kimi K3.1 Pro é o modelo principal da Moonshot AI, lançado em outubro de 2026 como uma versão pós-treinada do Kimi K3, com pesos abertos prometidos para 4 de novembro.

Seu diferencial é o reinforcement learning em escala: a Moonshot rodou RL conjunto em centenas de domínios downstream, o que aparece mais em coding de longo prazo, pesquisa financeira e criação 3D.

Nosso guia do Kimi K3.1 Pro cobre o lançamento em detalhes.

O que é o Claude Opus 5.5?

O Claude Opus 5.5 é o flagship fechado da Anthropic e o primeiro modelo da família Claude 5.5, lançado em 22 de setembro de 2026.

A Anthropic posiciona-o com performance de nível Claude Fable 5.1 na maioria dos trabalhos, por um preço menor que o Opus 5, e com as melhores pontuações medidas no seu auditoria automatizada de alinhamento.

Nosso guia do Claude Opus 5.5 traz o lançamento; nosso tutorial da API do Opus 5.5 mostra como construir um investigador de incidentes de IA.

Kimi K3.1 Pro vs Claude Opus 5.5: comparação direta

O Kimi K3.1 Pro vence em preço e em trabalhos de agente que dependem de ferramentas; o Opus 5.5 vence sempre que o modelo precisa raciocinar sem ajuda ou resolver um problema pouco especificado. O resumo abaixo cobre cada dimensão, e as seções seguintes detalham onde a diferença muda a decisão.

Uma ressalva vale para todas as pontuações desta seção. Os números lado a lado vêm da própria tabela de benchmarks da Moonshot, que marca cada resultado do Opus 5.5 como "with fallback": as salvaguardas da Anthropic redirecionam algumas tarefas de cibersegurança e biologia para outros modelos Claude (Opus 4.8 e Opus 5, respectivamente), o que provavelmente puxa essas notas para baixo.

Coding agentivo: um racha, não um empate

Os dois modelos ficam praticamente empatados no Terminal-Bench 4.0, mas esse título esconde um racha real. O Kimi K3.1 Pro lidera nas linhas de longo prazo, enquanto o Opus 5.5 abre boa vantagem sempre que a tarefa é aberta.

O maior gap é o ProgramBench, que pede ao modelo para reconstruir um programa a partir do binário e da especificação. O Opus 5.5 leva 65,0% das tarefas a pelo menos 95% dos testes passando, enquanto o Kimi K3.1 Pro chega a 31,5%, menos da metade.

O padrão é consistente. Dê ao Kimi K3.1 Pro uma tarefa de engenharia bem definida e bastante tempo, e ele segue firme: a demonstração da Moonshot mostrou o modelo corrigindo 36 erros no cálculo do músculo do ombro de um simulador de caminhada humana ao longo de 167 missões. A história equivalente da Anthropic é a tradução de C para Rust do HAProxy que passou quase todos os testes de regressão do próprio HAProxy.

Quando a especificação é frouxa, o Opus dispara. ProgramBench, fluxos de pesquisa científica e experimentos de pós-treinamento exigem entender o que a tarefa realmente é, e é aí que a resistência do Kimi em longas execuções deixa de compensar.

Para agentes de coding longos e bem especificados, o Kimi K3.1 Pro é uma alternativa real; para engenharia reversa, código de pesquisa e tickets vagos, o Opus 5.5 é a escolha mais segura.

Raciocínio sem ferramentas

Sem ferramentas, o Opus 5.5 lidera com folga. O maior gap é no HLE-Diamond, o subconjunto mais difícil (1.000 questões) do Humanity's Last Exam, onde o Opus marca 60,9% contra 39,4% do Kimi.

Eles empatam no GPQA-Diamond, que está perto demais do teto para diferenciar. A menor taxa de alucinação do Kimi vem de um teste de estresse da própria Moonshot, então eu veria mais como sinal de que o trabalho de acurácia factual funcionou do que um veredito direto. Para raciocínio fechado, o Opus 5.5 é o modelo mais forte.

Uso de ferramentas, pesquisa e trabalho de escritório

Dando ferramentas a ambos, o resultado no raciocínio se inverte. No Humanity's Last Exam com ferramentas, o Kimi K3.1 Pro marca 70,0% contra 67,7% do Opus, e lidera a maioria das linhas de pesquisa e documentos da Moonshot.

As vitórias do Kimi são pequenas, mas consistentes em busca e documentos financeiros. O Opus mantém a vantagem em uso de computador e nos rankings de agentes de terceiros, então o Kimi K3.1 Pro é melhor como agente de pesquisa e o Opus 5.5 como agente de desktop e escritório geral.

Contexto, saída e controles de "pensamento"

Ambos leem o mesmo tamanho de contexto e ambos sempre "pensam": nem a Moonshot nem a Anthropic permitem desligar o raciocínio. Os padrões, porém, diferem. O Kimi K3.1 Pro roda em esforço max a menos que você defina low ou high, enquanto o Opus 5.5 usa medium por padrão, então uma chamada Kimi sem tuning consome mais raciocínio por requisição.

O teto de saída é a diferença prática mais relevante. O Kimi K3.1 Pro consegue retornar, em uma única chamada, um volume de saída equivalente à janela completa de contexto, cerca de oito vezes o teto do Opus 5.5 fora da Batch API. Quem migrar agentes para o Opus deve saber também que uso forçado de ferramenta agora retorna erro 400.

Segurança, ciber e pesos abertos

Ambos os laboratórios limitam a capacidade ciberofensiva, de formas opostas. A Moonshot removeu dados de ciber do meio do treinamento e do RL para o lançamento com pesos abertos, o que reduziu seu benchmark interno de exploits de 90,5% para 81,0%. A Anthropic mantém a capacidade no Opus 5.5 e redireciona a maioria das solicitações de cibersegurança para o Opus 4.8 no momento do serving.

No ExploitBench, o Opus marca 91,0 contra 74,7 do Kimi, e a Moonshot diz claramente que o K3.1 Pro fica atrás de modelos proprietários de fronteira em ciber por design. A troca é o controle: quando os pesos forem liberados, você pode rodar o Kimi na sua própria infraestrutura, algo que o Opus não oferece.

Preços: o que você realmente paga

O Kimi K3.1 Pro custa metade do Opus 5.5 em tokens novos. A economia diminui quando a carga roda em contexto em cache, porque ambos cobram o mesmo por leitura de cache.

Tarifas por token lado a lado

Todas as tarifas são por 1M de tokens, das páginas oficiais de preços da Moonshot e da Anthropic.

O múltiplo não é uniforme: 0,5x em input, output e gravações de cache de 1 hora; 0,4x em gravações de 5 minutos; e 1,0x em leituras de cache. Nenhum dos dois cobra sobretaxa por contexto longo.

Duas particularidades chamam atenção. A variante Highspeed do Kimi custa exatamente o que o Opus padrão custa. A Batch API da Anthropic reduz o Opus à metade ($2 e $10), igualando a tarifa padrão do Kimi, enquanto a página de preços da Moonshot não lista desconto para batch.

Quanto custa um workload real

Escolhi dois perfis mensais: um assistente equilibrado como âncora de escala e um loop de agente com uso pesado de cache, porque é no cache que as tabelas de preços divergem.

Cada total é (volume ÷ 1M) × tarifa, somado entre linhas de input, output e cache; na linha pesada de cache, usei a gravação com TTL de 5 minutos. A linha equilibrada reflete simplesmente a diferença de 2x nas tarifas.

É a linha pesada de cache que merece planejamento. Os 100M de tokens em cache custam $20 em qualquer modelo, então só os tokens novos e a gravação em cache levam o desconto do Kimi, e a economia cai para cerca de um terço. A Anthropic diz que leituras de cache compõem a maior parte do custo em coding agentivo, então agentes de longa duração vão se aproximar mais dessa linha do que da primeira.

Os modelos usam tokenizers diferentes, e nenhum dos fornecedores publicou contagens de tokens para o mesmo workload, então trate esses totais como comparação de tarifas, não como fatura.

Quando escolher Kimi K3.1 Pro vs Claude Opus 5.5

A escolha opõe preço a amplitude: o Kimi K3.1 Pro corta a tarifa por token pela metade, e o Opus 5.5 cobre os casos de raciocínio em que o Kimi fica atrás e as plataformas de nuvem onde o Kimi ainda não está confirmado. Se seu agente roda majoritariamente em contexto em cache, a economia fica mais perto de um terço do que da metade.

Escolha o Kimi K3.1 Pro se...

• Você roda agentes de coding longos, bem definidos e paga por token. Ele iguala o Opus em tarefas de terminal e lidera em engenharia de várias horas por metade da tarifa.
• Seus agentes pesquisam na web ou leem documentos financeiros. Ele lidera o Opus no BrowseComp, no OfficeQA Pro v2 e no HLE com ferramentas.
• Você quer ter o modelo em mãos. Os pesos estão previstos para 4 de novembro, permitindo planejar um deploy self-hosted, a depender da licença.
• Você precisa de saídas muito longas em uma chamada. O teto de saída é cerca de oito vezes o do Opus, o que ajuda em rewrites de arquivo inteiro e relatórios extensos.

Escolha o Claude Opus 5.5 se...

• A tarefa exige raciocínio difícil sem ferramenta de busca. O Opus lidera o HLE-Diamond, o conjunto mais difícil de raciocínio fechado, por mais de 20 pontos.
• A especificação é vaga. Reconstrução de software a partir do comportamento, fluxos de pesquisa científica e experimentos pós-treinamento favorecem amplamente o Opus.
• Você faz deploy via um provedor de nuvem ou um agente de coding mainstream. O Opus roda no Bedrock, Vertex AI e Microsoft Foundry, e dentro do Claude Code, Cursor e GitHub Copilot.
• Você roda agentes de uso de computador. O Opus lidera o OSWorld e os leaderboards de agentes de terceiros.

Como começar com Kimi K3.1 Pro e Claude Opus 5.5

Você pode chamar os dois modelos hoje pelas APIs próprias ou pelo OpenRouter, e o Opus 5.5 também roda no Amazon Bedrock, Vertex AI e Microsoft Foundry.

O alcance é o fator decisivo para muitos times: o Opus 5.5 está em todas as grandes nuvens e nos agentes de coding mainstream, enquanto o Kimi K3.1 Pro está confirmado apenas nas superfícies da própria Moonshot e no OpenRouter até os pesos chegarem. Nas APIs próprias, os IDs são kimi-k3.1-pro e claude-opus-5-5; no OpenRouter são moonshotai/kimi-k3.1-pro e anthropic/claude-opus-5.5.

Fazendo sua primeira chamada de API

O endpoint compatível com OpenAI do OpenRouter torna os dois modelos uma simples troca de string, o jeito mais fácil de fazer A/B com seus próprios prompts.

from openai import OpenAI

client = OpenAI(base_url="https://openrouter.ai/api/v1", api_key="YOUR_OPENROUTER_KEY")
response = client.chat.completions.create(
    model="moonshotai/kimi-k3.1-pro",  # troque por "anthropic/claude-opus-5.5"
    messages=[{"role": "user", "content": "Encontre a race condition neste worker pool..."}],
)
print(response.choices[0].message.content)

Nosso tutorial da API do Opus 5.5 aprofunda o lado do Claude, e nosso explicador sobre OpenCode mostra como plugar qualquer um dos modelos em um agente de coding open-source.

Considerações finais

O Kimi K3.1 Pro iguala o Claude Opus 5.5 em coding no terminal e vence em execuções longas com muitas ferramentas, com um bom desconto. Se seus agentes rodam tarefas longas, bem definidas e com ferramentas, use o Kimi; se precisam raciocinar sozinhos, lidar com especificações vagas ou viver em AWS, Google Cloud ou Azure, use o Opus.

O que mais me chama atenção é como os dois laboratórios tratam o mesmo risco de formas opostas: a Moonshot corta a capacidade ciber dos pesos antes de publicá-los, e a Anthropic mantém no modelo e controla no serving. Eu testaria o Kimi via OpenRouter e voltaria a avaliar o self-hosting quando os pesos e a licença chegarem em novembro.

Se você quer construir com modelos como esses, recomendo conferir nossa trilha Associate AI Engineer for Developers.