Os Três Carros de Combate da IA Chinesa
Por um longo período, os modelos de IA chineses seguiram, grosso modo, três caminhos.
O primeiro caminho é o de propositalmente ir para o lado pequeno. Exemplos incluem minimax-m3, Kimi K2.5 e hy3, que limitam ativamente os parâmetros ativados para cerca de 20B. Se 20B é realmente "pequeno" é uma questão sutil, mas em termos de engenharia, geralmente consideramos que sim.
Parâmetros ativados menores são geralmente uma restrição econômica difícil. Maximizar o desempenho dentro dessas restrições é uma mentalidade típica de "modelo pequeno".
O segundo caminho é o DeepSeek, e os fabricantes com pilhas técnicas e tamanhos semelhantes que surgiram depois dele. A marca registrada da rota DeepSeek não é apenas ser totalmente open-source, mas, mais importante, que o DeepSeek-V3/R1 eram modelos de grande escala desde o início, servindo como referência contra os modelos de ponta da OpenAI.
Com a explosão de popularidade do R1, o DeepSeek adicionou uma vasta pilha técnica focada em eficiência econômica. Assim, a rota DeepSeek é caracterizada por "alto desempenho enquanto garante economia de inferência". O GLM-5 é um sucessor e praticante sistemático desse caminho, com o GLM-5.2 sendo um de seus resultados mais conhecidos.
O terceiro caminho é o Kimi. A pilha técnica do Kimi sempre foi independente e tem uma relação distante com o DeepSeek. Enquanto a série K2.5 a K2.7 absorveu significativamente a pilha do DeepSeek, a nova série K3 retornou à sua tecnologia proprietária.
O K3 elevou os parâmetros totais para 2,8T, com parâmetros ativados estimados em 50B, usando tecnologia inteiramente proprietária. A lei de escala de tamanho entrou em vigor, mas também fez com que a eficiência econômica do Kimi K3 caísse drasticamente, entrando na faixa de preço do Claude Sonnet.
Embora ainda seja muito barato em comparação com o Claude, os clusters de inferência do Kimi estão localizados na China. Dadas as limitações na quantidade de GPUs, o Kimi provavelmente não priorizou a economia ao construir o K3.
Em outras palavras, o K3 é o produto de uma pilha técnica independente, tamanho massivo e uma busca implacável por alto desempenho.
Ao contrário dos modelos no caminho DeepSeek que equilibram desempenho e economia, o objetivo do K3 desde o início não era fazer um R1 melhor, mas sim servir como referência contra os modelos de ponta, ultra-grandes da OpenAI e Anthropic.
Por que o K3 é Tão Grande?
Descrever o Kimi como uma rota técnica independente, nunca relacionada ao DeepSeek, não é totalmente preciso.
O artigo do Kimi K2 deixou claro: o K2 usava uma arquitetura MoE ultra-esparsa e MLA semelhante à do DeepSeek-V3. Ambos têm 61 camadas e especialistas compartilhados, com cada token ativando 8 especialistas roteados. O K2 melhorou essa base aumentando o número de especialistas para 384, reduzindo pela metade os heads de atenção, e usando MuonClip, data recipes, pós-treinamento agentico e infraestrutura independente desenvolvidos internamente para criar sua própria ramificação.
Portanto, o K2 era mais como uma ramificação do Kimi em um chassi estilo DeepSeek-V3 do que uma espécie diferente do zero.
O que é verdadeiramente notável é que o tamanho base da série K2.5 a K2.7 não continuou a se expandir: os parâmetros totais permaneceram em torno de 1T, parâmetros ativados em torno de 32B, ainda com 8 especialistas selecionados entre 384.
Em outras palavras, o Kimi provou que poderia extrair muitas gerações do mesmo chassi usando pós-treinamento e sistemas de agentes sem expandir a base.
Mas o K3 é diferente. O K3 não é apenas uma atualização de versão de rotina. Ele marca a decisão ativa do Kimi de encerrar a fase de "continuar o pós-treinamento em uma base existente" e retornar à expansão de escala de pré-treinamento.
O K3 utiliza fortemente tecnologias proprietárias anteriormente dispersas, como sua própria base de treinamento, mecanismo de atenção e estrutura de roteamento de especialistas. Neste estágio, o parentesco do K3 com o DeepSeek tornou-se bastante distante.
O K3 visa provar duas coisas: primeiro, que o Kimi pode definir seu próprio paradigma técnico; segundo, que o Kimi está qualificado para usar nova tecnologia para treinar modelos novinhos em folha, ultra-grandes, que servem como referência contra a OpenAI e a Anthropic.
Como se vê, o K3 conseguiu.
De Serviço Público a Monopólio Privilegiado
Antes do DeepSeek, a China não carecia de modelos utilizáveis, mas eles eram apenas minimamente funcionais.
O surgimento do DeepSeek trouxe pela primeira vez um modelo de alto desempenho disponível na China, tornando-se um serviço público para uma geração de IA chinesa. A missão central de um serviço público é a Adoção: como promover capacidades "boas" em larga escala—especialmente em uma base de inferência que não é exatamente abundante?
Portanto, o papel do DeepSeek não foi apenas um avanço de desempenho, mas também uma pesada responsabilidade pela otimização econômica.
Do V3 ao V4, o DeepSeek manteve preços de API quase filantrópicos, apoiado por uma pilha técnica madura orientada à otimização de inferência.
Nesta fase, o problema enfrentado pela IA chinesa era: primeiro, atender às necessidades de desempenho do serviço público, depois, reduzir os custos computacionais desse serviço.
Para outros fabricantes chineses além do DeepSeek, a tarefa de repente se tornou dupla: primeiro, o desempenho precisava alcançar o R1, ou o modelo não teria posição competitiva; segundo, o preço, a taxa de transferência e a eficiência de implantação precisavam ser o mais próximos possível do DeepSeek, ou a adoção simplesmente não aconteceria.
A transição de pilha em fases do GLM é o microcosmo mais claro dessa pressão industrial.
Nesse sentido, o DeepSeek trouxe os modelos chineses para a fase de Adoção. A questão central desta fase é: como permitir que mais pessoas usem inteligência suficientemente forte, e como lidar com a explosão resultante no volume de chamadas.
Mas um laboratório de fronteira deve, eventualmente, responder a outra pergunta: se você sempre busca ser uma versão mais barata dos outros, de onde virão os modelos de maior desempenho?
Todas as grandes empresas de internet fizeram uma escolha: encontrar maneiras de contornar as proibições e importar dos EUA. Por exemplo, a famosa entidade de Cingapura da Alibaba permitia que os usuários executassem o Claude Code via login remoto em máquinas de Cingapura.
Então foram bloqueadas. Se o Tio Sam não tivesse entregue rapidamente o golpe de 5,6 Sol, Dario poderia ter publicado mais alguns artigos pisando na cabeça dos chineses.
Através de extensa otimização de engenharia, a China gradualmente realizou a base para o serviço público de IA. Mas sem modelos de fronteira maiores e de maior desempenho, estará sempre um passo atrás, caindo em uma "competição privilegiada" desvantajosa de longo prazo.
A Dança da Espada de Xiang Zhuang: Mirando Além da Superfície
Os 2,8T do K3 são a resposta da Moonshot para este problema.
O K2.5 ao K2.7 ainda podem ser entendidos como a melhoria da relação custo-benefício em uma base 1T-A32B através de pré-treinamento continuado, RL, ambientes de ferramentas e sistemas de agentes.
O K3, no entanto, empurra a capacidade total diretamente para 2,8T, aceitando requisitos de implantação de mais de 64 placas de aceleração e aumentando os preços da API de $0,95/$4 do K2.7 Code para $3/$15. Embora este preço seja apenas comparável ao Sonnet, ainda é muito caro.
O ponto chave são as 64 placas de aceleração. Onde você vai encontrar tantos nós de 64 placas nos clusters de inferência da China?
O K3 pode ainda esperar manter a economia, mas isso é quase impossível para o K3. Um modelo gigante de 2,8T é um grande teste até mesmo para empresas de inferência americanas. Portanto, a intenção do K3 claramente não é a adoção generalizada, mas sim abrir o código de um padrão de modelo que possa ser amplamente adotado nos campos de batalha mais avançados.
Em comparação com a maioria dos comunicados de imprensa que afirmam esmagar os modelos americanos, o texto oficial do Kimi é mais moderado: o K3 no geral ainda está atrás do Fable 5 e do GPT-5.6 Sol.
Claro, de outra perspectiva, é muito agressivo: está apenas ligeiramente atrás dos modelos de ponta da OpenAI e da Anthropic.
Uma vez que entra neste escalão, o K3 primeiro desestabiliza a narrativa comercial mais importante da Anthropic do ano passado.
A História do Movimento Perpétuo da Anthropic
A metodologia da Anthropic sempre foi clara: criamos um modelo insubstituível e, uma vez que os usuários descobrem que ele pode concluir tarefas que outros modelos não conseguem, eles estarão dispostos a pagar um prêmio por maior desempenho.
O Fable 5 é o produto mais extremo dessa metodologia. Ele visa o trabalho de conhecimento mais difícil, codificação e tarefas assíncronas complexas que podem durar dias, com preços de API chegando a $10 por milhão de tokens de entrada e $50 por milhão de tokens de saída—o dobro do preço normal do Opus 4.8.
A Anthropic não está vendendo tokens mais caros; está vendendo um novo intervalo de tarefas: projetos que não podiam ser concluídos de forma estável no passado agora podem ser tratados pelo Fable. Nesses cenários, o Fable tem um valor insubstituível.
Enquanto essa insubstituibilidade existir, o prêmio de preço é perfeitamente razoável. Afinal, modelos de alto desempenho substituem trabalho de alto conhecimento, e o salário deste último é muito mais caro que o modelo.
Após o lançamento do Fable, o mercado brevemente formou uma ilusão de que a OpenAI não poderia mais alcançar a Anthropic. A projeção super otimista da SemiAnalysis chegou a estimar que o ARR da Anthropic poderia atingir $300 bilhões até o final de 2027, com um valor empresarial de $6 trilhões a um múltiplo de 20x ARR.
Essa previsão baseou-se em um conjunto de suposições: API representando 75%—85% da receita, margens brutas altas de API, retenção de receita líquida extremamente alta e penetração contínua do Claude Code.
Considerando a data de 18 de julho, parecia que a SemiAnalysis estava alucinando. Mas em 8 de julho, muitos acharam bastante plausível.
A realidade reservou uma linha do tempo altamente dramática para essa narrativa. A projeção de avaliação de $6 trilhões foi amplamente divulgada em 8 de julho, e o GPT-5.6 Sol foi oficialmente lançado em 9 de julho.
A história do movimento perpétuo da Anthropic durou menos de um mês antes de ser derrubada. Durante esse tempo, alguns artigos criticando a destilação de modelos chineses também foram jogados na mistura.
Quem Matou o Pintassilgo?
Após o lançamento do GLM-5.2, escrevi uma análise sistemática de seu significado, que foi aclamada pelo público como uma "obra-prima".
Considerando que a Zhipu nunca me pagou para promover, continuo sendo um pesquisador independente (risos).
No entanto, o GLM-5.2 realmente abalou a fundação da Anthropic; as pessoas simplesmente não perceberam a gravidade da situação na época.
O GLM-5.2 tem melhor desempenho que o Opus 4.8 na maioria das tarefas, ficando atrás apenas do Opus 4.7. Você leu certo: melhor que o 4.8 enquanto fica atrás apenas do 4.7, o que faz questionar quanta água a Anthropic diluiu no 4.8.
Enquanto isso, o preço do GLM-5.2 é apenas um quinto do Opus, e não sofre dos problemas de limite de taxa dos planos de assinatura da Anthropic. O surgimento do GLM-5.2 já ameaçou significativamente a âncora de preço do segmento principal de modelos da Anthropic.
Como resultado, o mercado esperava precificar a Anthropic para "modelos mais avançados", o que levou à previsão de avaliação de $6 trilhões da SemiAnalysis.
Imediatamente depois, o Sol colidiu de frente com o Fable no mais alto escalão de capacidade. A Anthropic subsequentemente estendeu os limites de assinatura do Fable várias vezes e eventualmente anunciou que se tornaria um benefício permanente para os planos Max e Team Premium.
Então o K3 saiu. Sua capacidade abrangente fica atrás do Fable e do Sol—e apenas atrás do Fable e do Sol. Enquanto isso, o K3 é open-source, e qualquer cluster de inferência pode implantá-lo.
Crianças, modelos de IA avançados realmente crescem nos campos.
Competição Assimétrica
No passado, a lógica dos controles de chips de computação avançada dos EUA sobre a China era direta: desacelerar o treinamento de modelos de fronteira pela China e a construção de um ecossistema de semicondutores independente, limitando o poder de computação upstream. Segurança nacional, usos militares e de vigilância eram as razões legais públicas, enquanto manter a liderança dos EUA em tecnologias-chave era um objetivo industrial concorrente.
Claro, o problema maior era que os próprios chips avançados dos EUA não eram suficientes. Os EUA não estavam apenas preocupados com a China obtendo poder de computação, mas também não queriam que empresas chinesas participassem de licitações, deslocando a capacidade de compra de placas dos laboratórios e data centers americanos.
Esses controles certamente aumentaram a dificuldade para a China treinar modelos de fronteira, mas também criaram um efeito contrário sutil: eles privaram as empresas de IA chinesas da capacidade de obter lucros excessivos, ao mesmo tempo que transformaram essa desvantagem em uma arma no jogo.
Já que você não me deixa ganhar lucros excessivos, e eu não quero minha tecnologia bloqueada, eu simplesmente a dou de graça assim que a faço.
E os modelos open-source não são exigentes com placas de vídeo. Placas chinesas podem implantá-los, e clusters de computação dos EUA também. Fireworks, TogetherAI e um monte de NeoClouds têm muitas GPUs.
Assim, uma combinação altamente abstrata surgiu na competição de IA entre EUA e China:
Modelos Chineses + Clusters de Inferência dos EUA e Globais VS Laboratórios de IA Fechados dos EUA
Laboratórios chineses assumem a cara P&D de modelos, trocando pesos abertos por adoção e status de fronteira; provedores de nuvem e plataformas de inferência dos EUA usam GPUs locais para lidar com chamadas, precificando com base no custo e lucrando muito.
Os verdadeiros perdedores de lucro são os laboratórios de fronteira dos EUA que dependem de pesos fechados e escassez de capacidade para cobrar preços premium.
Para os laboratórios chineses, sacrificar pesos abertos significa abrir mão de aluguel potencial de API que já era limitado por sua própria capacidade de inferência.
Para os laboratórios fechados dos EUA, o que é sacrificado é o lucro excessivo real construído sobre poder de computação local abundante e escassez de capacidade global.
Portanto, os EUA enfrentam não uma escolha simples de "continuar sanções ou abrir vendas", mas uma trindade impossível:
- Sancione a China, e a China continuará a lançar modelos open-source, então ninguém ganha dinheiro.
- Deixe a China comprar placas, e licitações coletivas podem deixar os laboratórios locais com falta de placas.
- Dê à China algumas placas adequadamente para alcançar um compromisso, mas quantas são adequadas? Ninguém sabe, e ninguém ousa falar.
Isso é competição assimétrica típica. Washington adora falar sobre competição assimétrica; agora o termo voltou para assombrar Washington.
Lealdade à Micron!
Empurrando esta cadeia um passo adiante upstream, atinge toda a narrativa de CapEx de IA.
No passado, as altas margens brutas de inferência dos modelos de fronteira de código fechado eram o amortecedor mais importante para a cadeia de CapEx de IA. Enquanto as capacidades do modelo fossem escassas, APIs e assinaturas poderiam manter preços altos; laboratórios e provedores de nuvem obtinham altas margens brutas, permitindo-lhes tolerar GPUs mais caras, depreciação mais rápida e investimentos em data centers mais agressivos; o upstream então continuaria a expandir a produção e manter preços altos.
Esta cadeia pode ser escrita simplesmente como:
Escassez de Capacidade do Modelo → Preços Altos de API → Altas Margens Brutas Downstream → Capacidade de Suportar Prêmios de GPU → Expansão de CapEx → Prosperidade Contínua Upstream.
Quando múltiplas plataformas podem implantar o mesmo peso, os preços de inferência mudam de "quanto o laboratório de fronteira está disposto a cobrar" de volta para "quanto custa para um cluster eficiente executar uma tarefa bem-sucedida."
Pesos abertos não mudam o fato de que poder de computação custa dinheiro; eles removem o "imposto do modelo" anexado ao consumo de computação. A Fireworks não precisa arcar com os custos de pré-treinamento do K3 para a Moonshot, nem precisa pagar aluguel total do modelo a um modelo de código fechado upstream por token.
Ela ainda tem que arcar com os custos de GPUs, mecanismos de inferência, quantização, cache, rede, financiamento, SLAs e vendas empresariais, mas só precisa cotar com base nos custos reais de computação, utilização, custos de serviço e lucro competitivo. Esta é uma lógica típica de precificação baseada em custos, e para uma indústria dependente de prosperidade, a precificação baseada em custos tem um impacto desastroso no upstream.
Isso irá inversamente alterar o cálculo de retorno de capital para cada GPU.
No passado, os provedores de serviços podiam colocar custos caros de hardware em APIs de modelos de alto preço e repassá-los aos clientes finais.
Quando as plataformas de inferência competem em torno dos mesmos pesos abertos, torna-se mais difícil para qualquer uma delas continuar repassando esse prêmio. Assim, a aquisição de GPU requer maior utilização, períodos de retorno mais curtos, custos de financiamento mais baixos e contratos de clientes mais certos.
No curto prazo, compradores downstream mais dispersos não enfraquecerão o poder de barganha dos produtores de computação (especialmente NVDA). Mas no longo prazo, o declínio sistêmico nas margens brutas downstream levará inevitavelmente a uma pior elasticidade de barganha para o upstream, o que é um risco incontrolável e enorme para toda a narrativa de CapEx de IA.
Grande Demais para Falir
Neste ponto, os 2,8T do K3 revelaram dois significados aparentemente contraditórios.
Por um lado, o K3 não é um modelo muito econômico, empurrando os modelos para a faixa de preço do Sonnet e para o escalão de implantação de 64 placas+.
Por outro lado, é precisamente este "não priorizar a economia" que qualifica o K3 a entrar no grupo de maior capacidade, desestabilizar o aluguel do modelo da Anthropic, reestruturar os lucros de inferência EUA-China e influenciar a narrativa de CapEx de IA.
No passado, muitas empresas gostavam de falar sobre lado do dispositivo, tamanhos pequenos e "bom o suficiente". Essas rotas são certamente importantes; elas determinam o quão longe a inteligência existente pode se espalhar para dispositivos, usuários e indústrias.
Mas o termo "bom o suficiente" é muito chato; ele só se aplica a mercados onde os limites de capacidade já estão fixos.
A IA de fronteira nunca enfrenta um conjunto fixo de tarefas: um modelo que acabou de aprender programação de arquivo único hoje terá que lidar com bases de código inteiras amanhã; um que acabou de aprender chamada de ferramentas terá que trabalhar continuamente por horas ou até dias na próxima geração.
Modelos de tamanho moderado respondem "como ser usado por mais pessoas", enquanto modelos maiores competem por "quem tem o direito de entregar o oráculo."
Um modelo que já é forte, mas caro, pode mais tarde ser tornado mais rápido e mais barato através de esparsificação, quantização, cache, destilação e engenharia de inferência; também pode servir como modelo professor para toda uma linha de modelos pequenos.
Um modelo pequeno que não aprendeu uma certa capacidade desde o início, no entanto, é difícil de suplementar do nada através de pensamento estendido ou otimização de implantação.
Essa assimetria torna "ir grande para não perder" uma metodologia de fronteira grosseira, mas muitas vezes eficaz.
Em 2024, a OpenAI lançou o o1, mudando o foco da escala de bases de pré-treinamento maiores para aprendizado por reforço em tempo de treinamento e computação de pensamento em tempo de teste.
O o1 em si é um modelo de inferência menor. Ele provou que "base menor + mais pensamento" pode criar um progresso incrível em matemática, código e raciocínio formal, iniciando assim um ciclo de tornar os parâmetros menores.
Quanto menor a base, mais ela depende de compensação de computação em tempo de teste; quanto mais bem-sucedidos os truques de inferência, menos motivação a organização tem para expandir a base. Consequentemente, os modelos da OpenAI começaram a se deteriorar rapidamente.
Em 2025, a Anthropic foi no caminho oposto. A Anthropic insistiu em fazer modelos maiores e mais caros, depois usou o Claude Code para transformar capacidades em produtos.
A lealdade do usuário ao Claude não é porque é barato, mas porque nas tarefas de engenharia de software do mundo real mais difíceis, eles se sentem mais seguros dando o trabalho para o Opus. No final de 2025, a Anthropic afirmou que o Claude Code ocupava mais da metade do mercado de codificação de IA, com sua participação de mercado empresarial subindo de 24% para 40%. A receita também ultrapassou a da OpenAI.
A OpenAI subsequentemente percebeu que a eficiência de inferência e o roteamento não podem substituir a base de maior capacidade. O GPT-5 restabeleceu uma escada completa de main, thinking, mini e Pro; no GPT-5.6, ele claramente definiu três tamanhos de modelo—Sol, Terra e Luna—e colocou o Sol de grande escala de volta na posição de carro-chefe para o trabalho mais difícil.
Como resultado, os usuários do Codex rapidamente ultrapassaram 10 milhões, forçando a Anthropic a adicionar o Fable de volta aos seus planos de assinatura.
Agora, o K3 é lançado, ficando atrás apenas do Sol e do Fable, até gerando discussões sobre se a IA de fronteira dos EUA ainda está à altura.
Quando você está verdadeiramente disposto a competir pelo primeiro lugar, o resultado geralmente não é tão ruim. Isso é Grande Demais para Falir.
Conclusão: Jovens da Cidade Pequena Batendo em Capitalistas
As empresas de modelos de IA chinesas são frequentemente descritas como jovens da cidade pequena: recursos limitados, localização ruim, reputação internacional ainda pior, e com sorte se suas GPUs puderem sustentar a inferência, quanto mais o treinamento—apenas para não ficarem para trás.
Enquanto isso, os laboratórios de IA avançados dos EUA têm um toque capitalista: discutindo antropologia e segurança, discutindo máquinas benevolentes, discutindo se o mundo futuro pertence à liberdade ou à não-liberdade, se a IA pertence à terra ou ao céu.
Sob uma diferença tão dramática, uma peça onde jovens da cidade pequena batem em capitalistas pode realmente ser encenada. Não importa como você a interprete, é o suficiente para fazer qualquer um morrer de rir.
—Na verdade, não precisa se apressar. O melhor ainda está por vir.
