Preços do Kimi K3: quanto custa de verdade o modelo de fronteira da Moonshot

Preços da API do Kimi K3, os números de verdade

Direto da página oficial de preços do K3 da Moonshot, é isso que a API cobra. Todos os preços são em USD por 1 milhão de tokens, com impostos adicionados no checkout.

Quatro coisas dessa tabela importam mais que os números de destaque:

• O desconto de 90% no cache é a verdadeira história. Um token de entrada em cache custa 0,30 $ em vez de 3,00 $. Em qualquer carga de trabalho onde você envia o mesmo prompt de sistema, documentos ou contexto repetidamente (agentes, chats longos, RAG), a maior parte da sua entrada fica em cache, e sua tarifa efetiva de entrada despenca rumo a esse piso de 0,30 $.
• O preço é fixo em toda a janela de 1M. Sem nível premium para prompts longos. Gemini e Claude historicamente cobraram mais ao ultrapassar um limite de tokens; o K3 não faz isso. Se você costuma usar contextos enormes, essa tarifa fixa é uma vantagem silenciosa.
• Existe apenas um SKU do K3. O modelo sempre raciocina, com reasoning_effort atualmente travado em max. Não há uma variante "sem pensamento" mais barata para recorrer, diferente de gerações anteriores da Kimi que separavam os modos de chat e de raciocínio.
• Tokens de raciocínio são tokens de saída. Como o K3 sempre pensa, e esse pensamento conta como saída faturada a 15 $/M, um rastro de raciocínio tagarela pode custar mais que a resposta visível. É aí que a conta de tokens sobe sem você perceber.

Um modelo, um preço, raciocínio sempre ativo. Simples de entender, mas é exatamente essa parte "sempre ativo" que faz algumas pessoas acharem o K3 mais caro na prática do que a etiqueta sugere.

Como o Kimi K3 funciona, e por que ele pensa tanto

Antes de falar mais de dinheiro, ajuda ver pelo que você está pagando por baixo do capô. O K3 é um modelo de mistura de especialistas (mixture-of-experts) com 2,8 trilhões de parâmetros que ativa 16 de 896 especialistas por token, envolto em dois truques novos que a Moonshot chama de Kimi Delta Attention e Attention Residuals. Juntos, eles rendem cerca de 2,5x de melhoria na eficiência de escala em relação ao K2.

O passo de raciocínio sempre ativo é o que afeta sua fatura. Toda solicitação passa por um ciclo completo de pensamento antes de responder, e cada um desses tokens de pensamento é faturado como saída. Isso é ótimo para problemas difíceis e um desperdício para "qual é a política de devolução de vocês?" É o principal motivo pelo qual o K3 pode parecer mais caro que um modelo com a mesma tarifa nominal.

Os planos de assinatura do app Kimi

Se você não mexe na API e só quer o produto de chat, o Kimi.com vende quatro planos pagos com nomes de andamentos musicais, além de um plano gratuito. Os preços abaixo são mensais, com a tarifa mensal efetiva ao pagar anualmente entre parênteses.

Fonte: preços de assinatura da Kimi. Duas coisas para destacar. Primeiro, todos os planos pagos incluem o Swarm, onde vários agentes trabalham em paralelo, e os planos superiores só aumentam a concorrência e os multiplicadores de créditos. Segundo, a página traz um banner avisando que novos planos estão a caminho e que os benefícios de Kimi e Kimi Code serão divididos em produtos separados, então se você assina principalmente pela ferramenta de código, espere que isso vire um item próprio em breve.

Como o preço do Kimi K3 se compara ao Claude, GPT e DeepSeek

Essa é a comparação que a maioria veio buscar, então aqui está, ordenada do preço de saída mais barato ao mais caro. As linhas do DeepSeek e do Kimi K3 vêm de páginas oficiais de preços; as linhas de Claude, GPT e Gemini são capturas de agregadores de julho de 2026 e variam mês a mês, então confira na página do próprio fornecedor antes de fechar um orçamento.

Lendo sem rodeios:

• O K3 está no meio da tabela, não é barato. Fica no nível do Claude Sonnet e acima do GPT-5.6 Sol e do Gemini 3 Pro. Se você veio esperando uma pechincha, ajuste as expectativas.
• Fica abaixo do Claude Opus em cerca de 40% tanto na entrada quanto na saída, então frente ao nível topo de linha da Anthropic ainda é uma boa relação custo-benefício.
• Custa cerca de 21x o preço de saída do DeepSeek V4 Flash (15 $ vs. 0,28 $). O DeepSeek continua sendo a opção econômica de fronteira; o K3 não compete nesse eixo.
• A verdadeira vantagem do K3 é o contexto fixo de 1M somado ao desconto de 90% no cache. Para trabalho com documentos longos e agentes de longo alcance, onde a maior parte da entrada fica em cache, o custo efetivo de entrada cai para 0,30 $/M, e é aí que o K3 se torna genuinamente competitivo.

Faça a conta com seus próprios números

As tarifas de etiqueta não dizem quanto você vai gastar; quem diz é a sua mistura de tráfego. Insira um volume mensal aproximado e veja como o desconto de cache do K3 muda o panorama frente ao Sonnet e ao DeepSeek.

A alavanca que mais move sua fatura não é o modelo escolhido, é a sua taxa de acerto de cache. Suba o controle deslizante e o K3 fecha silenciosamente boa parte da diferença para as opções mais baratas na entrada, embora a tarifa de saída de 15 $ o mantenha bem longe do DeepSeek.

Pelo que você está realmente pagando

A razão pela qual o K3 pode cobrar tarifas no nível do Sonnet é que, nos benchmarks, ele merece. Na própria suíte de avaliação da Moonshot, ele fica logo abaixo do Claude Fable 5 e do GPT-5.6 Sol e à frente de quase tudo o resto, e lidera claramente um punhado de testes agênticos (nossa análise completa do Kimi K3 entra a fundo nos números).

Alguns pontos concretos: no gráfico do Automation Bench o K3 lidera com 30,8, lidera o SpreadsheetBench 2 com 34,8, e lidera o BrowseComp com 91,2. Testes independentes da Artificial Analysis colocam seu Intelligence Index em 57, ranqueado em #4 de 189 modelos, e seu Elo de trabalho de conhecimento de longo prazo em 1547, um salto de +732 em relação ao Kimi K2.6. A própria Moonshot é honesta ao dizer que, no geral, ele "ainda fica atrás dos modelos proprietários mais poderosos".

As demos de vitrine são a parte que fez as pessoas prestarem atenção: numa execução autônoma de 48 horas, o K3 projetou um chip; em outra, escreveu do zero um compilador de GPU no estilo Triton que superou o torch.compile em alguns kernels. Também produziu jogos de voxel jogáveis a partir de prompts de uma linha. Se código é o seu caso de uso, ele merece um lugar na conversa sobre as melhores ferramentas de codificação com IA.

As pegadinhas: pesos atrasados e um grande apetite por tokens

Duas coisas moderam a história do preço.

Primeiro, o modelo "aberto" era somente API no lançamento. A Moonshot prometeu os pesos completos até 27 de julho de 2026, e no dia seguinte ao lançamento o repositório no Hugging Face ainda retornava um erro 404. Então, se o seu orçamento supunha que você iria hospedar o modelo você mesmo e evitar totalmente os custos de API, terá que esperar, e diferente de um chatbot open-source totalmente auto-hospedável, até os pesos chegarem, na prática é uma API.

Segundo, o K3 é faminto. A reclamação mais comum de quem testou é que ele consome mais tokens que o Fable para terminar a mesma tarefa. Combinado com o raciocínio sempre ativo na tarifa de saída de 15 $, isso significa que o custo efetivo por tarefa concluída pode ficar mais alto do que a comparação por token sugere. Simon Willison colocou o choque de preço com clareza:

"The new model is notable for the pricing: $3/million input tokens and $15/million output tokens, putting it at the same level as Anthropic's Claude Sonnet series [...] This is expensive - the pelican cost 25 cents!"

Simon Willison, blog pessoal

O que as pessoas estão dizendo

A opinião se divide claramente. Os elogios à qualidade são fortes, especialmente de quem faz trabalho real de programação.

"I've been playing around with it for the past few hours, and I think it's an amazing model. I'm not sure I could tell the difference between this and Fable in a blind test. The quota in the $100 Kimi Coding plan seems to roughly align with what I get from the $200 Anthropic plan when I primarily use Fable."

InsideOutSanta, Hacker News

Esse é um dado útil sobre os planos do app: um usuário intenso descobriu que a cota de código do plano Allegro de 99 $ ficou aproximadamente igual ao plano de 200 $ da Anthropic. E a comunidade de fronteira aberta está tratando isso como um marco.

"Yup some here are in denial but what many said would happen did just happen. They're not "six months behind": the model is totally SOTA. Cheaper, faster and they don't just crush Sonnet 5 and Opus 4.8: on 6 of the 14 benchmarks they posted Kimi K3 is in front of Fable."

TacticalCoder, Hacker News

A leitura mais calma é que as manchetes correram um pouco à frente das evidências, e que o K3 fica um pouco abaixo do topo, não acima dele.

"Umm, Fable only really came out 2 weeks ago, and GPT-5.6 Sol only 1 week ago. Yes, Kimi K3 appears a touch below them both, but above all other models. So I'd say a few weeks behind, not months now..."

frabcus, Hacker News

Do preço por token ao preço que importa

Isso é o que eu sempre volto a lembrar depois de anos colocando agentes de IA em filas reais de suporte: o preço por token de um modelo de fronteira quase nunca é o que uma equipe de suporte acaba realmente pagando. Um modelo bruto te dá uma pontuação de benchmark, uma chave de API e um prompt em branco. Um agente de suporte funcional precisa da sua central de ajuda e dos tickets anteriores carregados, escalonamento baseado em confiança, salvaguardas para não inventar respostas com confiança, e uma conexão viva com o seu helpdesk. O modelo é a parte fácil, talvez uns 10%.

É aqui que eu apontaria uma equipe de suporte que esteja de olho no Kimi K3. O eesel é um agente de IA para atendimento ao cliente agnóstico de modelo: ele se conecta a helpdesks como Zendesk e Freshdesk, se treina com seus tickets e documentos existentes, e permite que você simule tudo isso nos seus tickets anteriores antes mesmo de responder a um cliente de verdade, então você vê a taxa de resolução antes de se comprometer. E em vez de uma fatura de tokens que oscila conforme o quanto um modelo tagarela decide pensar, você é cobrado por resolução, então seu custo acompanha os tickets resolvidos. Esse é o modelo que realmente gera economia nos custos de suporte, não uma posição num ranking.

Então aproveite o Kimi K3 para código e raciocínio difícil, onde ele é genuinamente impressionante. Para automação de suporte, precifique o resultado, não o token. Você pode testar o eesel gratuitamente e ver a simulação rodar com seus próprios tickets.