Kimi K3.1 Pro vs K3.1 Pro Highspeed: vale a pena pagar 2× mais por uma velocidade 2–3× maior?

Kimi K3.1 Pro Highspeed não é um modelo mais inteligente. A Moonshot AI o descreve como o K3.1 Pro «com recursos de modelo idênticos», funcionando a «aproximadamente 2–3× a velocidade». No AIHubMix, custa exatamente o dobro por token de entrada e de saída. O que você compra é tempo de espera — e nada mais.

A resposta curta: pague pelo Highspeed quando alguém estiver acompanhando a geração, como em uma sessão interativa de programação ou em um recurso de chat pelo qual seus usuários estejam esperando. Continue com o Pro para tarefas executadas sem supervisão ou que passem a maior parte de cada turno usando ferramentas e testes. Na verificação pontual do AIHubMix, o Highspeed gerou texto cerca de 1,6–1,75× mais rápido que o Pro, não 2–3×. Entre os tokens de cada resposta, 85–90% eram de raciocínio, então a maior parte da conta dobrada foi paga por pensamentos que ninguém lê. Nas velocidades medidas, cada dólar extra comprou cerca de sete minutos a menos de espera.

Mesmo modelo, velocidade diferente

A Moonshot deixa claro que só a velocidade muda. A documentação dos modelos do Kimi Code descreve o Highspeed como «a versão de alta velocidade do K3.1 Pro, com os mesmos recursos, geração mais rápida e cerca do dobro do consumo de cota da versão regular». O blog técnico do K3.1 Pro informa o mesmo valor de 2–3× e lista os dois IDs na Kimi API.

No Kimi Code, a janela de 1M depende do nível do plano (consulte a seção sobre planos abaixo). O AIHubMix também lista IDs de canal de programação, coding-kimi-k3.1-pro e coding-kimi-k3.1-pro-highspeed, que o AIHubMix identifica como uma prévia de avaliação.

Como os modelos são idênticos, tudo o que se aplica ao K3.1 Pro também se aplica ao Highspeed: não é possível desativar o raciocínio, o esforço padrão é max e os parâmetros de amostragem são fixos. Em 24 de outubro, o AIHubMix retornou 400 invalid temperature: only 1 is allowed for this model para temperature=0.2 nos dois IDs.

Preço: o dobro em tudo, exceto nos acertos de cache

Os preços são por milhão de tokens. Os valores do AIHubMix vêm das páginas dos modelos Kimi K3.1 Pro e K3.1 Pro Highspeed, consultadas em 24 de outubro. A Moonshot ainda não publicou os preços de tabela em USD. Os valores CN vêm de uma tabela de preços que circulou no dia do lançamento e ainda não aparece na página de preços da Moonshot; portanto, considere-os valores informados, não oficiais.

Dois aspectos se destacam. Primeiro, os acertos de cache custam o mesmo nos dois IDs, então, em uma sessão longa em que a maior parte da entrada esteja em cache, o adicional fica abaixo de 2×. Mas isso não é garantido: no K2.7 Code Highspeed, o AIHubMix também dobra o preço das leituras de cache. Segundo, o Highspeed custa mais que o K3. O AIHubMix vende o K3 por $2.84 / $14.20; assim, mudar do K3 para o Pro reduz o preço por token em 26–30%, enquanto mudar do K3 para o Highspeed o aumenta em 41–48%.

Quanto mais rápido: a verificação pontual do AIHubMix

Em 24 de outubro, o AIHubMix enviou o mesmo prompt aos dois modelos pelos IDs principais, kimi-k3.1-pro e kimi-k3.1-pro-highspeed: uma explicação de 600 palavras sobre colisões em tabelas hash, com um exemplo curto em Python. As solicitações foram transmitidas em fluxo com reasoning_effort: low e limite de conclusão de 8,192 tokens, em três execuções por modelo. Considere isto uma verificação pontual com um único prompt, não um benchmark.

A velocidade de geração é calculada dividindo os tokens de conclusão pelo tempo após o primeiro token transmitido em fluxo. Uma execução do Pro atingiu o limite de 8,192 tokens. Uma execução anterior pelo canal de programação do AIHubMix (coding-kimi-k3.1-pro e coding-kimi-k3.1-pro-highspeed) apresentou uma proporção semelhante: 153–169 contra 95–97 tok/s.

• 1,6–1,75×, não 2–3×. A execução mais lenta do Highspeed (138 tok/s) foi 1,6× mais rápida que a mais veloz do Pro (88). A mais rápida do Highspeed (150) foi 1,75× mais rápida que a mais lenta do Pro (85.5). Do início ao fim, o Highspeed terminou em 43–60 segundos, contra 80–99.
• A espera é, em grande parte, pelo raciocínio. Mesmo em low, os dois modelos raciocinaram por 5,100–7,400 tokens antes de escrever uma resposta de 830–930 tokens. O raciocínio representou 85–90% de cada conclusão.
• O Highspeed também acelera o raciocínio. O raciocínio é uma saída do modelo, então também é transmitido mais rápido. O primeiro token da resposta chegou após 40–58 segundos, em vez de 71–91. Os dois modelos começaram a transmitir o raciocínio em 2–5 segundos; portanto, se a interface ocultar o raciocínio, a primeira palavra visível chega, em média, cerca de 30 segundos antes.

Quanto custa cada resposta em cada modelo

Esta é uma estimativa. Ela considera 114 tokens de entrada (o prompt de teste) e 7,300 tokens de conclusão por resposta (a média das seis execuções foi de cerca de 7,290), os preços do AIHubMix e as velocidades médias medidas de 87 e 144 tok/s.

• K3.1 Pro: 114 × $2.00/M + 7,300 × $10.50/M = $0.0002 + $0.0767 ≈ $0.077. A geração leva cerca de 7,300 ÷ 87 ≈ 84 segundos.
• K3.1 Pro Highspeed: 114 × $4.00/M + 7,300 × $21.00/M = $0.0005 + $0.1533 ≈ $0.154. A geração leva cerca de 7,300 ÷ 144 ≈ 51 segundos.
• A troca: cerca de $0.077 a mais por resposta para economizar cerca de 33 segundos. Isso equivale a aproximadamente $0.14 por minuto economizado, ou cerca de $8 por hora de espera.

Pela tabela de preços CN informada, a mesma resposta custa cerca de ¥0.50 no Pro (114 × ¥13/M + 7,300 × ¥68/M) e cerca de ¥1.00 no Highspeed (114 × ¥26/M + 7,300 × ¥136/M).

A taxa não depende da duração da resposta. Quase toda a conta vem da saída, então cada $10.50 adicionais por milhão de tokens de saída compram o mesmo tempo: um milhão de tokens leva cerca de 11,490 segundos a 87 tok/s e 6,940 segundos a 144 tok/s, uma economia de cerca de 76 minutos. Se a proporção total de 2–3× se confirmasse, o mesmo adicional economizaria 96–128 minutos, ou $0.08–0.11 por minuto economizado. No nível de esforço padrão max, cada resposta contém mais raciocínio, então tanto os segundos quanto os dólares aumentam. A taxa por minuto permanece igual desde que a proporção de velocidade se mantenha — algo que a verificação pontual não mediu em max.

Se $8 por hora é pouco depende de quem está esperando. O custo de um desenvolvedor bloqueado a cada turno é muito maior que isso. Já uma tarefa em lote noturna não custa nada em tempo de espera.

O que o Highspeed não acelera

O FAQ da própria Moonshot responde à primeira pergunta dos usuários: «Por que o Highspeed não parece muito mais rápido?»

O Highspeed acelera apenas a geração do modelo. As chamadas de ferramentas (leitura e gravação de arquivos, execução de comandos etc.) e a execução de scripts não são afetadas; portanto, quando ocupam a maior parte de um turno, o ganho geral de velocidade parece pequeno.

Veja o que isso significa para um turno de agente, como exemplo com premissas explícitas. Suponha que o modelo gere 1,500 tokens (raciocínio mais uma chamada de ferramenta) e que o turno passe então 20 segundos executando testes. O contexto tem 60,000 tokens, com 95% de acertos de cache. Os preços são os do AIHubMix; os custos de gravação no cache e o tempo de processamento do prompt são desconsiderados, e as velocidades são as médias da verificação pontual.

• Tempo: 17 s de geração + 20 s de testes = 37 s no Pro; 10 s + 20 s = 30 s no Highspeed. Isso é 1,2× mais rápido.
• Custo: no Pro, 3,000 × $2.00/M + 57,000 × $0.20/M + 1,500 × $10.50/M ≈ $0.006 + $0.011 + $0.016 ≈ $0.033. No Highspeed, $0.012 + $0.011 + $0.032 ≈ $0.055. Isso é 1,7× o custo.

Em um ciclo com muitos testes, o Highspeed custa cerca de 1,7× mais por uma velocidade de aproximadamente 1,2×. Os acertos de cache, com o mesmo preço, atenuam a conta, mas nada reduz o tempo da suíte de testes.

O precedente: K2.7 Code Highspeed

A Moonshot já vendeu antes a ideia de «mesmo modelo, mais rápido». Sua referência de parâmetros diz: «kimi-k2.7-code-highspeed é o mesmo modelo que kimi-k2.7-code, com restrições de parâmetros idênticas; só a velocidade de geração é diferente». O AIHubMix cobra o dobro do modelo básico: $1.90 / $8.00 contra $0.95 / $4.00 por milhão de tokens, dobrando também o preço das leituras de cache.

A página do modelo K2.7 Code Highspeed anuncia «aproximadamente 180 Tokens/s e até 260 Tokens/s em cenários de contexto curto». A medição contínua do AIHubMix na mesma página indicou cerca de 29 tok/s em 24 de outubro, sem ser mais rápida que as rotas do modelo básico (cerca de 13–30 tok/s). A página não explica como o throughput é calculado, e o tempo de raciocínio, respostas curtas e a carga podem reduzir um valor calculado em uma janela contínua; portanto, isso não prova que a variante seja lenta. Mas mostra por que vale a pena verificar um rótulo de velocidade com seu próprio tráfego antes de pagar o dobro por ele.

A armadilha do ID digitado incorretamente

No Kimi Code, um erro de digitação no ID do Highspeed não gera um erro claro. A documentação diz que «um ID de modelo digitado incorretamente reverte para o K2.8 Preview sem raciocínio», e o FAQ acrescenta que um valor incorreto de Highspeed «reverte silenciosamente para o K2.8 Preview sem raciocínio — sem ganho de velocidade». Você acaba com um modelo mais antigo, sem raciocínio e sem ganho de velocidade.

Os IDs variam conforme a plataforma, o que facilita esse erro:

• Kimi Code: k3.1-pro-highspeed
• Kimi API e AIHubMix: kimi-k3.1-pro-highspeed
• Canal de programação do AIHubMix: coding-kimi-k3.1-pro-highspeed

A documentação do Kimi Code identifica apenas k3.1-pro-highspeed e kimi-for-coding-highspeed como IDs Highspeed válidos nessa plataforma; por isso, confira o ID no formato da API antes de colá-lo em uma configuração do Kimi Code. No AIHubMix, um ID digitado incorretamente gera um erro claro: kimi-k3.1-pro-highsped retornou um erro 400 em 24 de outubro.

A verificação mais rápida aproveita o fato de que o K3.1 Pro não funciona sem raciocínio: segundo a Moonshot, as solicitações com o raciocínio desativado são rejeitadas. Uma resposta genuína do K3.1 Pro sempre inclui dados de raciocínio: reasoning_content no Chat Completions, um bloco thinking em Messages e uma contagem diferente de zero de reasoning_tokens em usage. Se a resposta não incluir raciocínio, outro modelo respondeu ou o raciocínio foi desativado. No AIHubMix, uma solicitação que desativava o raciocínio não foi rejeitada: retornou 200 sem raciocínio em 24 de outubro, exatamente o que essa verificação detecta. O script no fim desta publicação exibe essa contagem.

Planos do Kimi Code: o Highspeed consome a cota duas vezes mais rápido

A janela de contexto de 1M do K3.1 Pro exige o plano Pro ou superior (Allegretto ou superior nos planos antigos).

Em um plano, o dobro da cota significa metade do trabalho antes de atingir o limite. Para comparar, o K2.7 Code Highspeed mais antigo do Kimi Code (kimi-for-coding-highspeed) funciona a cerca de 6× a velocidade por 3× a cota. Há mais uma regra importante se você estiver pensando em alternar: mudar de modelo ou nível de esforço no meio da sessão «invalida o cache de contexto existente, exigindo um novo prefill e aumentando o uso de tokens». Escolha Pro ou Highspeed ao iniciar uma sessão e mantenha essa escolha.

Pro ou Highspeed, conforme a carga de trabalho

Quem precisa do Highspeed: desenvolvedores que trabalham turno a turno com K3.1 Pro no Kimi Code ou em um IDE, com um plano que tenha cota de sobra, e equipes lançando um recurso voltado ao usuário cuja primeira palavra visível fica à espera de milhares de tokens de raciocínio. Quem não precisa: pipelines, agentes em segundo plano, CI e avaliações, e qualquer pessoa cujos turnos sejam compostos principalmente de tempo de uso de ferramentas.

Uma ressalva honesta para quem usa K3. A mesma execução com o ID principal também testou o Kimi K3 no mesmo prompt com low. O K3 raciocinou praticamente o mesmo tanto (3,013–7,051 tokens), mas gerou tokens a 22–26 tok/s e levou 154–309 segundos, contra 80–99 do K3.1 Pro. Se o K3 pareceu lento, o K3.1 Pro normal já respondeu a esse prompt em menos da metade do tempo, em média, com um preço por token mais baixo no AIHubMix. O Highspeed acrescenta mais 1.6–1.75×, e esse último passo custa o dobro do Pro. Trata-se de um único prompt em um único dia, então considere a diferença em relação ao K3 como uma indicação, não como uma medida da velocidade geral dos dois modelos; além disso, a execução não comparou a qualidade das respostas.

Meça com seu próprio prompt

Os dois IDs funcionam pelo AIHubMix com uma única chave; o guia de início rápido explica as chaves e os URLs base, e a página de comparação do AIHubMix mostra as tabelas de preços lado a lado, com uma calculadora de custos. Este script envia o mesmo prompt por streaming para cada ID e exibe os tempos usados no teste pontual:

import os, time
from openai import OpenAI

client = OpenAI(base_url="https://aihubmix.com/v1", api_key=os.environ["AIHUBMIX_API_KEY"])
PROMPT = ("Write a clear 600-word explanation of how a hash map handles collisions, "
          "with one short code example in Python. Plain prose, no headings.")

for model in ["kimi-k3.1-pro", "kimi-k3.1-pro-highspeed"]:
    start = time.time()
    first_token = first_answer = usage = None
    stream = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": PROMPT}],
        reasoning_effort="low",
        max_completion_tokens=16384,
        stream=True,
        stream_options={"include_usage": True},
    )
    for chunk in stream:
        if chunk.usage:
            usage = chunk.usage
        if not chunk.choices:
            continue
        delta = chunk.choices[0].delta
        now = time.time() - start
        if first_token is None and (getattr(delta, "reasoning_content", None) or delta.content):
            first_token = now
        if first_answer is None and delta.content:
            first_answer = now
    total = time.time() - start
    details = usage.completion_tokens_details
    reasoning = details.reasoning_tokens if details else 0
    speed = usage.completion_tokens / (total - first_token)
    print(f"{model}: first answer {first_answer:.1f}s, total {total:.1f}s, "
          f"{usage.completion_tokens} tokens ({reasoning} reasoning), {speed:.0f} tok/s")
    if not reasoning:
        print("  no reasoning tokens: this response did not come from K3.1 Pro")

O script omite temperature, que ambos os IDs rejeitam a menos que seja 1. Ele usa Chat Completions: em 24 October, o endpoint Responses do AIHubMix retornou 404 para os dois IDs principais; por isso, ferramentas que precisam de Responses, como o Codex, usam os IDs do canal de programação por enquanto. Execute cada modelo várias vezes. Uma única execução de um modelo de raciocínio é apenas ruído, como mostra a variação na tabela acima.

Perguntas frequentes

O Kimi K3.1 Pro Highspeed é um modelo diferente do K3.1 Pro?
Não. A Moonshot afirma que os recursos do modelo são idênticos e que ele apenas funciona mais rápido. Na API do Kimi, os dois IDs compartilham as mesmas restrições de parâmetros.

Quanto mais rápido é o Highspeed?
A Moonshot afirma que é cerca de 2–3× mais rápido. No teste pontual do AIHubMix com um prompt, ele gerou tokens a 138–150 tokens por segundo, contra 85–88 do Pro, cerca de 1.6–1.75×, e concluiu em 43–60 segundos, contra 80–99.

Quanto mais custa o Highspeed?
O dobro para entrada e saída, e o mesmo preço para acertos de cache. No AIHubMix, são $4.00 / $21.00 por milhão de tokens, contra $2.00 / $10.50, com leituras de cache a $0.20 em ambos. A Moonshot ainda não publicou seus preços de tabela em USD.

O Highspeed vai deixar meu agente de programação duas vezes mais rápido?
Apenas na parte em que o modelo está escrevendo. Chamadas de ferramentas, leitura e gravação de arquivos, comandos e scripts são executados na mesma velocidade; portanto, um turno que passa a maior parte do tempo em testes tem um ganho pequeno.

Por que o Highspeed não é mais rápido para mim no Kimi Code?
Confira primeiro o ID do modelo. Ele precisa ser k3.1-pro-highspeed; um valor digitado incorretamente recorre silenciosamente ao K2.8 Preview, sem raciocinar. Se o ID estiver correto, provavelmente o tempo de uso das ferramentas domina seus turnos.

Quais planos do Kimi Code incluem o Highspeed?
Os novos planos a partir do Pro e os planos antigos a partir do Allegretto. O Highspeed usa cerca do dobro da cota do K3.1 Pro.

Posso alternar entre Pro e Highspeed no meio de uma sessão?
Pode, mas o Kimi Code avisa que mudar de modelo invalida o cache de contexto e exige um novo prefill. Escolha um deles ao iniciar a sessão.

Continue lendo: a série Kimi K3.1 Pro

• Se ainda não decidiu se vale a pena trocar o K3 pelo próprio K3.1 Pro, este artigo explica o que mudou e quanto custa uma tarefa real: Kimi K3.1 Pro vs K3: o que mudou, quanto custa e quem deve trocar
• A armadilha do ID é uma das várias maneiras de uma migração dar errado; este artigo aborda os erros 400 e o padrão de esforço máximo que aumenta tanto a espera quanto a conta: Migrando para o Kimi K3.1 Pro: corrija os erros 400, cuidado com o padrão de esforço máximo e não digite o Highspeed incorretamente
• Se você está pagando por velocidade, veja como o K3.1 Pro se compara aos concorrentes na mesma tarefa de front-end e no custo por tarefa: Kimi K3.1 Pro vs Qwen 4 vs Claude Fable 5.5: qualidade de front-end, custo por tarefa e uma análise crítica do hype

Fontes

• Moonshot AI: configuração de modelos do Kimi Code
• Moonshot AI: blog técnico do Kimi K3.1 Pro
• Moonshot AI: referência de parâmetros dos modelos
• AIHubMix: Kimi K3.1 Pro vs Kimi K3.1 Pro Highspeed
• AIHubMix: página do modelo Kimi K2.7 Code Highspeed