Kimi K3.1 Pro open weight: quanto custa hospedar e quando usar a API?
Os pesos do Kimi K3.1 Pro já estão publicados no Hugging Face da Moonshot AI. O modelo tem 2,8 trilhões de parâmetros totais, 104 bilhões ativados por token e contexto anunciado de 1.048.576 tokens. Isso abre a possibilidade de hospedagem própria, mas não transforma um modelo dessa escala em uma instalação simples ou barata.
Kimi K3.1 Pro é realmente open source?
O termo mais preciso é open weight: os pesos podem ser baixados, mas o uso segue a licença Kimi K3.1 Pro. Antes de redistribuir, modificar ou operar um serviço comercial, leia seus termos. O cartão oficial descreve uma arquitetura MoE com pesos MXFP4, atenção KDA combinada com Gated DSA e entrada de texto e imagem. O milhão de tokens é o limite de contexto do modelo; a capacidade prática depende da memória, do mecanismo de inferência e da concorrência configurada.
Qual é o hardware mínimo para executar localmente?
Memória para os pesos é só o primeiro requisito. O checkpoint ocupa cerca de 1,5 TB em armazenamento, e o serviço também precisa de memória para cache KV, buffers, runtime e tráfego simultâneo. A receita pública do vLLM para K3.1 Pro documenta diferentes configurações: uma máquina com oito GPUs B300 para certos perfis e, no hardware Zhenwu, quatro nós M890 de oito PPUs (32 PPUs no total) ou dois nós 810E de 16 PPUs. São configurações específicas com software, interconexão e ajustes próprios; a soma de HBM de duas máquinas M890 não prova que elas operem o modelo em produção.
O guia SGLang mostra por que a capacidade varia: baixa latência, muitos usuários e agentes com contexto longo exigem topologias e cache diferentes. Faça um teste com o seu prompt, taxa de requisições e meta de latência antes de comprar hardware.
O preço de implantação é mesmo ¥8 milhões ou ¥30 milhões?
Não existe preço universal confirmado pela Moonshot AI para uma instalação local. Os valores de aproximadamente ¥8 milhões para duas M890 e ¥30 milhões para oito M890, citados em análises de mercado, dependem de uma estimativa de preço por nó e de rede. Não são uma cotação oficial nem um custo mínimo validado para K3.1 Pro. O custo real inclui aquisição ou aluguel, rede de alta velocidade, energia, armazenamento, pessoal de operação e utilização. Mesmo a configuração de quatro M890 na receita vLLM não fornece uma tabela pública de custo total.
| Caminho | Quando faz sentido | O que validar |
|---|---|---|
| API hospedada | Testar o modelo e variar consumo | Preço por token, latência, limites e retenção de dados |
| Infraestrutura própria | Carga alta, requisitos de controle ou residência de dados | Topologia testada, cache, rede, suporte e custo total |
| Outro modelo menor | Orçamento ou volume ainda incertos | Qualidade nas tarefas reais e custo por tarefa concluída |
O que mudou em relação ao Kimi K3?
A publicação oficial da Kimi atribui a melhora a mais pós-treinamento e aprendizado por reforço em várias áreas. No Terminal-Bench 4.0, a tabela da empresa reporta 65,7% para K3.1 Pro, contra 58,2% para GPT-6 Astra e 66,4% para Claude Opus 5.5. No Kimi Code Bench 3.0 Long-horizon, um teste interno, a pontuação anunciada passa de 55,95% (K3) para 61,2%. Resultados de laboratório usam agentes e configurações distintos; teste seu próprio fluxo antes de concluir qual é mais econômico.
Como chamar Kimi K3.1 Pro pela API?
A Moonshot AI disponibiliza kimi-k3.1-pro e a versão Highspeed em sua plataforma de API. A documentação oficial informa compatibilidade com formatos OpenAI e Anthropic e o parâmetro reasoning_effort com low, high ou max (padrão max). Em conversas com ferramentas, preserve a mensagem completa do assistente, incluindo reasoning_content e tool_calls.
Na MandAPI, o catálogo público consultado em 5 de novembro de 2026 lista kimi-k3, kimi-k2.8 e kimi-k2.7-code, mas ainda não lista K3.1 Pro. Para testar modelos disponíveis em reais e comparar alternativas de código, consulte Models e Pricing. Não use o ID K3.1 Pro na MandAPI antes de ele aparecer no catálogo e no seu painel.
Perguntas frequentes
Posso usar Kimi K3.1 Pro em uma única GPU?
Não no formato oficial completo. Os pesos ocupam muito mais memória que uma GPU convencional; quantizações de terceiros podem mudar o requisito, mas também exigem validação própria.
Duas M890 bastam?
Ter memória agregada suficiente para os pesos não equivale a uma implantação validada. A receita pública do vLLM documenta quatro M890 de oito PPUs para a configuração Zhenwu mencionada acima.
Vale mais usar API ou comprar servidores?
Comece pelo custo por tarefa concluída, incluindo tokens de raciocínio, tentativas, latência e manutenção. Uma compra só se justifica depois de medir a carga prevista e os requisitos de controle de dados.