Gemini 3.1 Pro Preview custa 3,5× o Kimi K2.7 Code — vale a diferença?

O que está em jogo

Você abre o painel de preços e vê dois modelos com a palavra "code" no horizonte. Um é da Google, custa US$ 12 por milhão de tokens de saída e foi lançado em fevereiro. O outro é da MoonshotAI, chinês, open weights, estreou três dias antes desta publicação e sai por US$ 3,40. A pergunta não é qual é melhor — é em qual deles o seu dinheiro rende mais, dependendo do trabalho.

O tamanho da diferença de preço

Vamos direto ao que aparece na fatura. O Gemini 3.1 Pro Preview cobra US$ 2 por milhão de tokens de entrada e US$ 12 por milhão de saída, com cache a US$ 0,20. O Kimi K2.7 Code cobra US$ 0,66 de entrada e US$ 3,40 de saída, com cache a US$ 0,18. Em um workload típico em que a saída pesa mais que a entrada — geração de código, por exemplo — a conta do Gemini fica cerca de 3,5 vezes maior. Em um cenário mais balanceado, a diferença ainda passa de duas vezes.

Esse é o tipo de gap que faz um CTO repensar o roteamento de chamadas.

Inteligência e coding: quem entrega mais

No índice geral de inteligência medido pela Artificial Analysis, o Gemini marca 47,738 contra 43,024 do Kimi. Em coding, a vantagem do Gemini é maior em termos relativos: 68,826 contra 60,762. Em agentic, porém, a história inverte: o Kimi chega a 30,278 e o Gemini fica em 23,045.

Ou seja, o Gemini escreve código melhor em testes padronizados, mas o Kimi se vira melhor em tarefas agentic — aquelas em que o modelo precisa decidir sozinho o próximo passo, chamar ferramentas e manter o fio durante várias rodadas.

Contexto, multimodalidade e velocidade

Aqui a diferença é gritante. O Gemini 3.1 Pro Preview oferece 1.048.576 tokens de contexto — quatro vezes mais que os 262.144 do Kimi. Em multimodalidade, o Gemini aceita texto, imagem, arquivo, áudio e vídeo como entrada e devolve texto. O Kimi aceita texto e imagem, devolve texto. Se o seu pipeline inclui transcrição de áudio ou análise de vídeo, o Kimi não substitui o Gemini.

A velocidade conta outra história: o Gemini processa 102,52 tokens por segundo, o Kimi fica em 41,28. Para refatorações longas em que cada segundo de latência irrita o desenvolvedor, isso pesa.

Quem está no tabuleiro

O Gemini 3.1 Pro Preview é a aposta frontier da Google para reasoning, com pesos fechados e origem nos Estados Unidos. O Kimi K2.7 Code vem da MoonshotAI, da China, é open weights, declara 1 trilhão de parâmetros totais com 32 bilhões ativos — uma arquitetura mixture-of-experts em que só uma fração do modelo é acionada por token. Para times que precisam inspecionar, fine-tunar ou hospedar o modelo, esse detalhe muda a equação.

No recorte de modelos com IQ acima de 45 e menor preço de saída, o Kimi não aparece — o líder é o MiniMax M3, a US$ 1,20 por milhão de tokens de saída. Mas o Kimi entra na conversa porque é coding-focused e open weights, duas coisas que nenhum dos líderes da tabela combina.

Para quem cada um ganha

Gemini 3.1 Pro Preview ganha quando: você precisa de contexto longo (acima de 256 mil tokens), multimodalidade completa com áudio e vídeo, e a melhor nota bruta em coding em benchmarks padronizados. Aceita pagar US$ 12 por milhão de tokens de saída e não precisa inspecionar os pesos.

Kimi K2.7 Code ganha quando: o trabalho é agentic de verdade — chains de ferramentas, decisões em várias etapas, código que precisa ser refatorado em pipelines longos mas não monstruosos. Você quer open weights para rodar localmente, fine-tunar ou evitar lock-in com um vendor americano. E a velocidade de 41 tokens por segundo não é gargalo para o seu caso.

Se o seu gargalo é a fatura e o trabalho cabe em 262 mil tokens de contexto, o Kimi entrega 89% da nota de coding do Gemini por 28% do preço. Se o gargalo é multimodalidade ou contexto gigante, não tem conversa — é Gemini.