Nesta página
A resposta curta
Vale a pena testar o Kimi K3 para raciocínio complexo e tarefas longas de agente, com resultados independentes de ciências e matemática disponíveis no instantâneo salvo. Combine a configuração exata de raciocínio e aproveite sua avaliação. Nem uma grande janela de contexto nem uma demonstração de longa duração provam a conclusão confiável do seu produto.
O que levar
- Mantenha as comparações de aplicativo, código e API Kimi separadas.
- As porcentagens de ciências e matemática medem tarefas diferentes.
- Meça o progresso verificado durante corridas longas.
Fontes verificadas . Síntese de pesquisa e recomendações Rubrex. Exemplos e experimentos locais são rotulados; eles não são resultados do cliente.
Um instantâneo de modelo datado. As métricas publicadas descrevem o modelo nomeado, as configurações e o teste. Não são experimentos Rubrex ou uma classificação universal. Os preços e a disponibilidade podem sofrer alterações após a data da pesquisa.
Compare modelos e verifique a data dos dados →Separe o Kimi K3 dos produtos ao redor
O artigo técnico Kimi K3 da Moonshot AI descreve um modelo disponível por meio de produtos Kimi e sua API. A documentação atual do Kimi Code lista o K3 junto com outras opções de modelo. Um modo de aplicativo Kimi, um agente de codificação e um modelo de API são sistemas diferentes, mesmo quando usam a mesma família subjacente. Registre o identificador exato do modelo, o esforço de raciocínio, o equipamento da ferramenta e a rota de acesso ao avaliá-lo. Não compare um produto de agente inteiro com uma chamada de modelo simples sem indicar a diferença.
Evidência: Kimi K3: Inteligência de Fronteira Aberta [1]Configuração do modelo do Código Kimi [2]
Leia capacidade e custo conforme especificações datadas
O catálogo salvo lista Kimi K3 com 1.048.576 tokens de contexto e taxas básicas de US$ 3 por milhão de tokens de entrada e US$ 15 por milhão de tokens de saída. Esses valores descrevem o endpoint do catálogo verificado neste artigo, não o preço de uma assinatura Kimi ou de uma implantação auto-hospedada. Nossa recomendação é estimar o custo a partir de rastreamentos completos na sua carga de trabalho. Tarefas longas podem acumular resultados intermediários substanciais, contexto repetido e atividade de ferramenta, mesmo quando a resposta final é curta.
Evidência: Catálogo de modelos públicos OpenRouter [3]
| Modelo ou imóvel | Valor publicado | Como interpretá-lo |
|---|---|---|
| moonshotai/kimi-k3 | $ 3 de entrada / $ 15 de saída | Taxas básicas do catálogo OpenRouter |
| Contexto do catálogo | 1.048.576 fichas | Capacidade do endpoint, não uma garantia de recall |
Compare ciências e matemática separadamente
O resultado GPQA Diamond salvo da Epoch AI cobre questões científicas difíceis, enquanto FrontierMath Tiers 1-3 v2 cobre matemática com acesso Python. Ambas as linhas abaixo usam Kimi K3 com esforço máximo de raciocínio, mas as porcentagens têm denominadores diferentes e não podem ser calculadas em média para obter uma pontuação geral de inteligência significativa. As próprias notas de rodapé de benchmark do Moonshot também descrevem diferentes equipamentos de agentes nos testes. Preserve essas condições ao ler comparações de fornecedores, em vez de tratar cada número relatado como resultado de um experimento idêntico.
Evidência: Época AI: Diamante GPQA [4]Epoch AI: FrontierMath Tiers 1–3 v2 [5]Kimi K3: Inteligência de Fronteira Aberta [1]
| Referência | Configuração exata | Pontuação | Erro padrão | Data de execução |
|---|---|---|---|---|
| Diamante GPQA | Kimi K3 (máx.) | 93.12% | 1,49 pontos percentuais | 2026-07-16 |
| FrontierMath níveis 1–3 v2 | Kimi K3 (máx.) | 72.18% | 2,66 pontos percentuais | 2026-07-17 |
Teste tarefas longas para persistência útil
Um agente de longa duração deve fazer progressos verificados, e não simplesmente continuar a produzir atividade. Prepare tarefas com pontos de verificação intermediários, falhas de ferramentas e uma condição de parada clara. Inspecione se Kimi se recupera de um resultado perdido, repete uma ação ineficaz ou afirma a conclusão antes que o ambiente confirme. Meça a conclusão aceita, o progresso por chamada de ferramenta, o custo total e a recuperação após a interrupção. Para trabalho documental, adicione verificações de localização de evidências e versões conflitantes. Mantenha um registro separado do que o chicote consertou para que as contribuições do modelo e do sistema permaneçam distinguíveis.
Limites da evidência
Rubrex não reproduziu essas execuções nem verificou uma implantação auto-hospedada neste artigo. Os planos de liberação de peso do post de lançamento não são usados como evidência da disponibilidade atual de download ou dos termos de licença. Os preços e resultados independentes são um instantâneo de 25 de setembro de 2026.
Perguntas comuns
Podemos usar essas pontuações para estimar a precisão do suporte?
Não. Avalie as tarefas de suporte com seus documentos e rubrica de aceitação. Os testes de ciências e matemática publicados abrangem diferentes capacidades.
O que devemos registrar para uma comparação do Kimi?
Registre o ID do modelo, produto ou API, esforço de raciocínio, versão do chicote, orçamento da ferramenta, resultado aceito, tempo decorrido e todo o uso faturado.
Fontes e leituras adicionais
Fontes primárias por trás deste briefing. As descobertas de uma fonte aplicam-se às suas próprias condições de estudo; a publicação no arXiv não estabelece revisão por pares.
- Kimi K3: Inteligência de Fronteira Aberta IA do tiro lunar · 2026 · Artigo técnico do provedorRevisado: visão geral do lançamento e notas de rodapé do chicote de referência. Acessado 25 de set. de 2026.
- Configuração do modelo do Código Kimi IA do tiro lunar · Referência viva · Documentação mantidaRevisado: opções atuais do modelo Kimi Code. Acessado 25 de set. de 2026.
- Catálogo de modelos públicos OpenRouter OpenRouter · Referência viva · Documentação mantidaRevisado: campos do catálogo; preços numéricos retirados do instantâneo da API salvo em 25 de setembro. Acessado 25 de set. de 2026.
- Época AI: Diamante GPQA Época AI · 2026 · Referência independenteRevisado: definição de benchmark e registros de avaliação interna salvos; CC POR 4,0. Acessado 25 de set. de 2026.
- Epoch AI: FrontierMath Tiers 1–3 v2 Época AI · 2026 · Referência independenteRevisado: definição de benchmark e registros de avaliação interna salvos; CC POR 4,0. Acessado 25 de set. de 2026.
Dúvidas ou correções? Escreva para Rubrex. Leia nossa abordagem editorial.