Análise do Kimi K3: testamos contra o DeepSeek V4 Pro e o V4.1 Flash

O Kimi K3 é o modelo principal da Moonshot AI, lançado em 16 de julho de 2026: 2,8 trilhão de parâmetros, pesos abertos, entrada de imagem e contexto de 1 milhão de tokens. Demos a ele as mesmas cinco tarefas que rodamos nos dois modelos da DeepSeek, e ele acertou todas.

O problema é velocidade e preço. Nas configurações padrão, o Kimi K3 foi de 2 a 4,4 vezes mais lento que o DeepSeek V4.1 Flash em todas as tarefas, e de 12 a 32 vezes mais caro pelos preços de tabela.

Resposta curta

• O Kimi K3 é preciso: passou nas cinco tarefas, incluindo 30 de 30 testes de código e uma busca num log de um quarto de milhão de tokens.
• Ele pensa sempre, no esforço máximo por padrão, então não é rápido nem barato logo de cara.
• O DeepSeek V4.1 Flash empatou com ele em todas as tarefas, com uma fração do tempo e do dinheiro.
• Nossa escolha: DeepSeek V4.1 Flash para o dia a dia de API; Kimi K3 quando você quer um modelo aberto de fronteira ou os pontos fortes dele em navegação e agentes que usam muitas ferramentas.

Os três modelos estão no OmniaKey: Kimi K3, DeepSeek V4.1 Flash e DeepSeek V4 Pro.

O que é o Kimi K3?

É o maior modelo da Moonshot até hoje, e os pesos são abertos. O post de lançamento e a documentação da API trazem estes dados (conferidos em 18 de outubro de 2026):

A Moonshot é franca sobre onde está: diz que o desempenho geral do K3 “ainda fica atrás dos modelos proprietários mais poderosos, Claude Fable 5 e GPT 5.6 Sol”.

Como ele se saiu nos nossos testes?

Acertou as cinco. São as mesmas tarefas que usamos na nossa análise do DeepSeek V4.1 Flash 1017:

• Parser: escrever um evaluate() aritmético com as regras exatas do Python, avaliado pelos nossos próprios 30 casos de teste.
• Nota fiscal: tirar 10 campos de um e-mail em alemão e inglês com formatos de número europeus.
• Chamadas de ferramenta: clima e hora local de duas cidades; a resposta certa são quatro chamadas numa única resposta.
• Log longo: achar três códigos de crachá atuais num log de um quarto de milhão de tokens, pulando um desatualizado.
• Gráfico: ler o maior, o menor, a média e uma diferença a partir de uma imagem.

Como rodamos: Kimi K3 em 18 de outubro de 2026 e os modelos da DeepSeek em 17 de outubro, uma execução por tarefa, configurações padrão, pelo endpoint compatível com OpenAI da OmniaKey. O custo é o número de tokens de cada resposta vezes o preço de tabela do fabricante (a tarifa fora de pico da DeepSeek). A OmniaKey vende acesso de API aos três, então rodamos os testes por ela; todo preço aqui é do fabricante, não nosso. Uma execução por tarefa, com um dia de diferença, é uma checagem pontual, não um benchmark.

Contra o V4 Pro, o Kimi K3 escreveu o parser 7 vezes mais rápido (176 segundos contra 20,7 minutos) por um custo parecido. Nas outras três tarefas em comum, o V4 Pro saiu mais barato, e mais rápido em duas delas.

Por que o Kimi K3 é mais lento e mais caro?

Dois motivos. O K3 pensa sempre, e a API do K3 roda no esforço máximo a menos que você peça menos; a API da Moonshot aceita reasoning_effort como low, high ou max. O preço de tabela também é 20 vezes o do DeepSeek V4.1 Flash na entrada e 25 vezes na saída.

Os preços vêm da página de preços da Moonshot e da da DeepSeek (fora de pico), conferidas em 18 de outubro de 2026. A Moonshot diz que a API dela acerta o cache em mais de 90% da entrada em trabalho de código, o que corta bastante as sessões longas de programação. Nossos testes foram chamadas únicas, então não tiveram acerto de cache.

Kimi K3 ou DeepSeek: qual usar?

DeepSeek V4.1 Flash para a maior parte do trabalho, Kimi K3 para alguns trabalhos específicos.

O que dizem os benchmarks da própria Moonshot?

O K3 lidera sobre o Claude Fable 5 e o GPT-5.6 Sol em vários testes de agente na ficha do modelo da Moonshot: BrowseComp (91,2, contra 88,0 e 90,4), MCPMark (94,5, contra 87,4 e 92,9) e SWE-Marathon (42,0, contra 35,0 e 39,0). Fica atrás do Fable 5 em FrontierSWE (81,2 contra 86,6), GDPval-AA (1686 contra 1747) e HLE sem ferramentas (43,5 contra 53,3).

Leia tabelas de fabricante com cuidado. A ficha do modelo da Moonshot dá 77,8 ao K3 no ProgramBench, enquanto a tabela da própria DeepSeek dá 17,5 ao K3 num teste de mesmo nome. Suas próprias tarefas, rodadas do mesmo jeito em cada modelo, orientam melhor.

Como chamar o Kimi K3?

from openai import OpenAI

client = OpenAI(api_key="YOUR_OMNIAKEY_KEY", base_url="https://api.omniakey.com/v1")

stream = client.chat.completions.create(
    model="kimi-k3",
    messages=[{"role": "user", "content": "Write a Python function that parses ISO 8601 durations."}],
    max_tokens=32000,                 # o K3 pensa sempre: deixe espaço para respostas longas
    stream=True,                      # raciocínios longos podem estourar o timeout do proxy
)
for chunk in stream:
    delta = chunk.choices[0].delta if chunk.choices else None
    if delta and delta.content:
        print(delta.content, end="")

1. Crie uma chave no painel da OmniaKey e cole no lugar de YOUR_OMNIAKEY_KEY.
2. Rode com streaming ligado: nossa tarefa de parser levou quase três minutos.
3. Para comparar modelos, troque só o model para deepseek-flash ou deepseek-v4-pro.

Conclusão

O Kimi K3 é um modelo aberto forte e preciso: passou em todas as tarefas que demos a ele. Para o dia a dia de API, porém, o DeepSeek V4.1 Flash entregou as mesmas respostas de 2 a 4 vezes mais rápido e por uma fração do preço, então comece por ele. Recorra ao Kimi K3 quando precisar de pesos abertos em escala de fronteira ou de um agente que navega e chama ferramentas o dia inteiro.

Perguntas frequentes

O Kimi K3 é open source?

Os pesos completos são abertos sob a licença Kimi K3, uma licença no estilo MIT. Empresas que o vendem como serviço hospedado com mais de US$ 20 milhões de receita em 12 meses precisam de um acordo à parte com a Moonshot, e produtos muito grandes têm de exibir a marca “Kimi K3”.

Quanto custa o Kimi K3?

Na plataforma internacional da Moonshot, US$ 3,00 por milhão de tokens de entrada, US$ 0,30 para entrada em cache e US$ 15,00 para saída. A plataforma da China cobra ¥ 20, ¥ 2 e ¥ 100 pelos mesmos três. Não há faixas por tamanho de contexto.

Dá para desligar o raciocínio do Kimi K3?

Não. A documentação da Moonshot diz que o K3 pensa sempre; você só pode definir o esforço como low, high ou max.

O Kimi K3 é melhor que o DeepSeek V4 Pro para código?

Na nossa tarefa de parser os dois passaram nos 30 testes, mas o Kimi K3 levou 176 segundos e o V4 Pro 20,7 minutos, com custo parecido. Teste algumas tarefas de código suas nos dois antes de trocar.