Kimi K3, pelos números, em 17 de julho de 2026:
2,8 trilhões de parâmetros. O maior modelo de pesos abertos já construído, 75% maior que o DeepSeek V4 Pro.
896 especialistas dentro da arquitetura. 16 ativados por token.
1.000.000 de tokens de contexto. Visão nativa. Um modo de raciocínio, permanentemente definido como máximo.
US$ 3 por milhão de tokens de entrada, US$ 15 por milhão de saída. Entrada em cache cai para US$ 0,30, e a pilha de serviço da Moonshot mantém as taxas de acerto de cache acima de 90% em sessões de codificação.
Nos testes independentes de codificação front-end do Arena, o K3 superou o Claude Fable 5 e o GPT-5.6 Sol. No ranking de texto mais amplo do Arena, ficou à frente do Opus 4.8, custando 40% menos por tarefa.
Os pesos completos serão lançados em 27 de julho sob uma licença MIT Modificada. Primeiro modelo de classe 3T aberto da história.
A Moonshot AI, o laboratório de Pequim por trás disso, ultrapassou US$ 200 milhões em receita anualizada em abril. Em 16 de julho, eles lançaram o K3 e os mercados tiveram seu segundo momento DeepSeek em 18 meses.
Esses são os números. Agora a história por trás deles, porque os números sozinhos subestimam o quão estranho é este lançamento.
Um retorno que ninguém programou
Há dezoito meses, a Moonshot parecia ter acabado. O DeepSeek comeu seu mercado consumidor, sua história empresarial estagnou, e a marca Kimi parecia uma nota de rodapé na corrida de IA da China. O fundador Yang Zhilin, um ex-pesquisador do Google, manteve o laboratório focado em uma coisa: modelos de codificação agentivos com janelas de contexto absurdas.
O K2 chegou em julho de 2025 como um codificador sólido de pesos abertos. O K2.5 e o K2.6 seguiram na primavera de 2026, e em abril, a Artificial Analysis classificou o K2.6 como o modelo de pesos abertos mais forte em seu índice de inteligência. Respeitável. Ainda um degrau abaixo da fronteira fechada.
O K3 fechou esse degrau. A Moonshot cronometrou o lançamento dias antes da Conferência Mundial de Inteligência Artificial em Xangai, e a mensagem por trás dos benchmarks foi direta: três anos de controles de exportação de GPU não impediram um laboratório de médio porte em Pequim de alcançar a fronteira e depois entregar os pesos para qualquer um com um link de download.
A Anthropic acusou a Moonshot e outros laboratórios chineses de destilação em escala industrial, supostamente treinando em milhões de trocas com modelos americanos de fronteira. A Moonshot contesta isso. Ambas as coisas podem importar ao mesmo tempo: a briga de procedência é real, e o artefato que estará no Hugging Face em 10 dias também.
O que 2,8 trilhões de parâmetros realmente compram
O número principal engana se você o ler como volume bruto. O K3 é um modelo de Mistura de Especialistas esparsa: 896 sub-redes especializadas, 16 ativadas por token. Você obtém a capacidade de conhecimento de um modelo de 2,8T com o custo de inferência de algo muito menor.
Duas invenções internas carregam o design. A Atenção Delta Kimi, um mecanismo de atenção linear híbrido, é a razão pela qual a janela de contexto de 1M existe a um preço que você pode pagar. Os Resíduos de Atenção, um substituto plug-and-play para conexões residuais padrão, é onde a Moonshot alega ganhos consistentes de escala. Ambos foram publicados como pesquisa aberta no GitHub antes do modelo ser lançado, o que rendeu ao K3 credibilidade com pesquisadores antes mesmo de um único benchmark chegar.
A tradução prática: este modelo lê uma base de código inteira, um ano de documentos ou 50 transcrições de vídeo em um único prompt, mantém tudo isso na atenção ativa e raciocina sobre o todo. Pipelines de RAG, estratégias de chunking, bancos de dados de incorporação, toda a indústria de recuperação construída para compensar janelas de contexto pequenas, tudo se torna opcional para uma classe crescente de tarefas.
Adicione a visão nativa e a superfície de entrada se amplia ainda mais. Capturas de tela, diagramas, fotos de quadro branco, gráficos. As vitórias do K3 no Arena vieram especificamente em codificação front-end, a disciplina exata onde ver um design e escrever o código para ele vivem no mesmo cérebro.
A economia é a verdadeira arma
Deixe os benchmarks de lado. A tabela de preços é onde o K3 causa dano.
US$ 3 na entrada, US$ 15 na saída coloca o K3 no topo dos preços dos laboratórios chineses e aproximadamente metade do custo por tarefa do Opus 4.8. Então o cache reescreve a matemática. A US$ 0,30 por milhão de tokens de entrada em cache com taxas de acerto acima de 90% em longas sessões de codificação, o custo efetivo de entrada de um agente que continua relendo o mesmo repositório cai cerca de 4 vezes.
Agentes de longo horizonte vivem e morrem nisso. Um agente que trabalha em um repositório por 6 horas relê o mesmo contexto milhares de vezes. Na maioria dos modelos de precificação, esse loop te leva à falência. Sob a economia de cache do K3, custa o troco do lanche.
A Moonshot também afirma que o K3 gasta 21% menos tokens de saída do que o K2.6 em tarefas equivalentes. O número deles, da tabela de avaliação deles, então considere com cautela. Testadores independentes encontraram a pressão oposta na ponta pequena: o modo de raciocínio máximo sempre ativo queimou 13.241 tokens de pensamento em um desenho SVG trivial, cerca de US$ 0,25 para uma consulta descartável. O K3 não tem uma marcha econômica. Você não pode pedir para ele pensar menos.
O que traça a linha de uso honesta. Tarefas simples, de alto volume e sensíveis à latência são o lar errado para este modelo. Sessões longas sobre contexto massivo, onde o cache absorve o custo de entrada e a tarefa justifica o raciocínio máximo, são onde o preço passa de caro para injusto.
27 de julho muda a categoria
Até agora, uma regra valia em toda a indústria: a capacidade de fronteira vive atrás de uma API. Você a aluga, o fornecedor pode redefinir seu preço, descontinuá-la ou alterar silenciosamente seu comportamento, e seu negócio absorve o que acontecer.
Em 27 de julho, os pesos do K3 chegam sob a MIT Modificada. Baixe uma vez e nenhum laboratório na terra pode tirar a capacidade de volta. Ajuste-o para o seu domínio. Execute-o em modo isolado. Sirva-o a partir do seu próprio hardware. Governos, hospitais, bancos e todo fundador que perdeu o sono com avisos de descontinuação de modelo agora tem um fallback de classe de fronteira que não responde a ninguém.
Quase ninguém vai auto-hospedar 2,8 trilhões de parâmetros. A conta de hardware para servir um modelo deste tamanho, mesmo esparso, está muito além do alcance de amadores. Isso perde o ponto. Os pesos existirem em público limita permanentemente o que qualquer um pode cobrar por modelos fechados de força similar, e garante um mercado de hosts terceiros baratos competindo para servir o K3 a margens de commodity. Você se beneficia do lançamento aberto mesmo que nunca baixe um único fragmento.
O que construir com isso este mês
Um modelo com 1M de contexto, visão nativa, pontuações de codificação de fronteira e custos de cache em colapso não é uma atualização de chat. Ele recompensa uma forma diferente de trabalho.
Alimente-o com coisas inteiras. Repositórios completos para revisão, pastas de contratos inteiras para auditoria, uma biblioteca completa de conteúdo de concorrente para análise. Qualquer coisa que você costumava picar em pedaços, pare de picar.
Execute-o por muito tempo. O posicionamento oficial do K3 são longas sessões de engenharia com supervisão mínima: navegue pelo repositório, orquestre ferramentas de terminal, continue. Coloque tarefas reais de várias horas na fila à noite e inspecione o trabalho finalizado pela manhã, com o cache comendo o custo de cada releitura.
Aponte a câmera para os problemas. Faça uma captura de tela da página de destino de um concorrente e peça a reconstrução. Fotografe o quadro branco e peça a implementação. Visão mais pontuações de fronteira front-end faz da tela-para-código o território nativo do modelo.
E mantenha uma mão no medidor. Direcione suas chamadas triviais e de alta frequência para um modelo pequeno e barato, porque o K3 gastará feliz um quarto pensando profundamente sobre nada.
A fronteira costumava ser uma assinatura. Em 10 dias, torna-se um arquivo. Planeje como tal.
Obrigado por ler até aqui.
Eu detalho modelos de IA, fluxos de trabalho de agentes e os sistemas por trás deles, com números reais e ressalvas honestas. Se isso foi útil, um follow significa que a análise do lançamento dos pesos de 27 de julho chegará ao seu feed no dia em que acontecer.
