Em 16 de julho de 2026, a empresa chinesa Moonshot AI (月之暗面) lançou o Kimi K3 — seu modelo mais poderoso até hoje. É um sistema sparse Mixture-of-Experts (MoE) com 2,8 trilhões de parâmetros, uma janela de contexto de 1 milhão de tokens e uma arquitetura de atenção híbrida projetada para lidar com sequências longas de forma eficiente. O modelo se posiciona como um sério concorrente para Claude Opus 4.8 e GPT-5.5, e em tarefas especializadas (front-end coding, sistemas de agentes, trabalho com repositórios) demonstra resultados que igualam ou superam esses sistemas fechados.
Os pesos completos serão disponibilizados em 27 de julho de 2026. Se o lançamento ocorrer conforme o anunciado, o Kimi K3 se tornará um dos maiores modelos com pesos abertos (open-weight) já lançados, superando seus antecessores em mais de 2,5 vezes em escala.
Empresa e contexto estratégico
Moonshot AI é um laboratório de Pequim fundado em 2023 por Yang Zhilin e seus cofundadores da Universidade Tsinghua, conhecido por sua estratégia aberta e pela série de modelos Kimi. A empresa recebeu investimentos significativos: em maio de 2026, fechou uma rodada de US$ 2 bilhões com uma avaliação de US$ 20 bilhões, com o apoio da divisão Long-Z Investments da Meituan e outros investidores-chave, incluindo Alibaba e Tencent. O ARR trimestral ultrapassou US$ 200 milhões em abril de 2026. A série Kimi cresceu consistentemente, de K2 (1T de parâmetros) através de K2.5–K2.7 Code até o atual K3, expandindo o contexto e adicionando multimodalidade a cada vez. O K3 representa um salto qualitativo tanto em escala quanto em inovações arquitetônicas, especificamente voltadas para tarefas de agentes longos e codificação.
Inovações arquitetônicas: o cerne da vantagem competitiva
1. Kimi Delta Attention (KDA) — um mecanismo de atenção linear híbrido, que desenvolve as ideias do Gated DeltaNet e já foi testado no modelo aberto Kimi Linear (2025). Em vez da atenção quadrática clássica, que requer O(n²) de memória e computação, a maioria das camadas usa um esquema de complexidade linear com gating diagonal canal a canal (channel-wise). Ganhos práticos:
- redução do consumo de cache KV em até 75% em arquiteturas semelhantes, o que é crucial para trabalhar com contextos de milhões de tokens;
- aceleração da decodificação em contextos de milhões de tokens em até 6,3×, tornando sessões longas praticamente utilizáveis;
- manutenção da qualidade de recuperação em sequências longas sem degradação significativa.
O KDA recebeu núcleos CUDA open-source (FlashKDA) e foi integrado ao vLLM para implantações em produção.
2. Attention Residuals — um mecanismo que seleciona “puxar” representações de camadas anteriores em vez de acumular uniformemente através de conexões residuais padrão. Moonshot relata um aumento de ~25% na eficiência de treinamento com custos adicionais mínimos (~2%), o que, na escala de um modelo de 2,8T de parâmetros, significa uma economia substancial de recursos computacionais para treinamento ou um aumento equivalente na qualidade.
3. Stable LatentMoE — um sistema de roteamento extremamente esparso, onde de 896 especialistas, apenas 16 são ativados para cada token (1,8% do pool), usando balanceamento quantil e otimização por cabeça (per-head) para estabilizar o treinamento. Esse nível de esparsidade permite manter o custo computacional da inferência em um nível aceitável, apesar do enorme número de parâmetros: devido à arquitetura MoE e aos 16 especialistas ativos, o número real de parâmetros ativados por token é significativamente menor que 2,8T.
4. Quantização e eficiência — o modelo é inicialmente quantizado usando MXFP4 para pesos e MXFP8 para ativações, escolhido para compatibilidade com hardware diversificado. Moonshot afirma uma eficiência de escalonamento (scaling-efficiency) aproximadamente 2,5× melhor em comparação com a geração K2, o que significa que a mesma quantidade de computação oferece significativamente mais capacidades.
Especificações técnicas
| Parâmetro | Valor |
Número total de parâmetros | 2,8 trilhões |
Especialistas ativos | 16 de 896 (1,8% por token) |
Janela de contexto | 1.048.576 tokens (1M) |
Modalidades | Texto + imagem/vídeo → texto (visão nativa) |
Arquitetura principal | Sparse MoE + Kimi Delta Attention + Attention Residuals |
Quantização | MXFP4 (pesos) / MXFP8 (ativações) |
Raciocínio | Sempre ativado ("modo de pensamento"), apenas esforço máximo no início, modos baixo/alto planejados |
Benchmarks independentes e oficiais: o quadro real de desempenho
Liderança em tarefas especializadas: Na Frontend/WebDev Arena (preferências humanas dos desenvolvedores), K3 obteve o 1º lugar com 1679 Elo, superando Claude Fable 5 (1631) e GPT-5.6 Sol (1618) em testes cegos. Isso representa um salto de 17 posições em relação ao K2.6 e o resultado #1 em 6 de 7 domínios de front-end (excluindo jogos).
Desempenho geral: No Artificial Analysis Intelligence Index v4.1 (avaliação independente que agrega 9 benchmarks: GDPval-AA, raciocínio, codificação, tarefas de agentes), K3 obteve 57,1 — 4º lugar mundial, atrás de Fable 5 (~60) e GPT-5.6 Sol (~59), mas à frente de Claude Opus 4.8 (~56).
Codificação e sistemas de agentes:
- Terminal-Bench 2.1: 88,3 (quase no nível de GPT-5.6 Sol 88,8, notavelmente superior a Claude Fable 5 e Opus 4.8 — ambos 84,6).
- GDPval-AA v2: 1668 Elo, terceiro lugar atrás de Fable 5 Max (1815) e GPT-5.6 Sol Max (1747,8), à frente de Opus 4.8 (1600) — um teste padrão para conhecimento, raciocínio e tarefas analíticas.
- GPQA-Diamond: 93,5% — o melhor resultado aberto neste benchmark de alta complexidade (conhecimento de nível de doutorado).
- BrowseComp (agentes web): 91,2% (melhor resultado entre todos os modelos comparados), 90,4% em contexto completo de 1M sem compressão.
- AA-Briefcase (conhecimento de longo prazo/agentes): 1548 Elo, segundo lugar atrás de Fable 5, à frente de GPT-5.6 Sol.
Alguns testadores independentes observam um aumento na "falácia" na saída, o que pode aumentar o consumo de tokens, mas nas principais tarefas de codificação e agentes, o uso de tokens de saída é 21% menor do que o K2.6, graças às otimizações de tokens de raciocínio.
Preços e disponibilidade
Tarifa da API: US$ 3,00 por milhão de tokens de entrada (cache miss), US$ 0,30 para entrada em cache, US$ 15,00 por milhão de tokens de saída — o mais caro entre todos os laboratórios chineses, mas correspondendo aos preços de Claude Sonnet e aproximadamente metade do custo de GPT-5.6 Sol (US$ 30/M de saída). Para comparação, K2.6 custava US$ 0,60 de entrada / US$ 2,50 de saída, portanto, é um salto de 5× para entrada e 6× para saída, refletindo um salto significativo em escala e qualidade.
Disponibilidade: Kimi Code, aplicativo Kimi (incluindo iOS), API compatível com Moonshot OpenAI, OpenRouter. O contexto completo de 1M requer uma assinatura Allegretto ou superior; Moderato é limitado a 256K.
Campanha promocional: O lançamento foi acompanhado por uma promoção com créditos bônus de +10–30% em recargas de 15 de julho a 11 de agosto de 2026.
Lançamento open-weight: expectativa e significado
No momento do lançamento (16 de julho), os pesos ainda não haviam sido publicados. Moonshot se comprometeu oficialmente a lançar os pesos completos em 27 de julho de 2026 sob uma licença próxima à MIT Modificada (como a série K2). Após a abertura dos pesos, o K3 se tornará o modelo freely available mais poderoso em termos de escala (2,8T), contexto (1M) e capacidades de codificação/agente, o que significa disponibilidade para desenvolvimento local, fine-tuning e pesquisa em hardware apropriado (mínimo de 64 aceleradores para o modelo completo).
Significado estratégico e contexto de concorrência
O Kimi K3 surge em um momento de reviravolta crítica na indústria de IA chinesa. Após o boom do DeepSeek em janeiro de 2025 (R1 em computação de baixo custo), Moonshot perdeu posição de mercado, caindo do 3º lugar em usuários ativos de Kimi para o 7º em junho de 2025. O K3 é uma aposta deliberada para retornar através da escala e inovação arquitetônica. Investidores chamam isso de um potencial "Kimi moment" (análogo ao choque do DeepSeek um ano atrás), e há razões para isso: o modelo fecha a lacuna com a fronteira ocidental não através da barateza (é caro), mas através da qualidade e escala.
A combinação de 2,8T de parâmetros, 1M de contexto, visão nativa, raciocínio sempre ativado e codificação forte torna o K3 particularmente interessante para:
- sistemas de agentes e fluxos de trabalho de longo alcance (reprodução de interfaces de usuário, desenvolvimento multi-etapas, tarefas de engenharia autônoma);
- desenvolvimento e refatoração de grandes bases de código (em um exemplo conhecido, o K3 projetou autonomamente um microchip em 48 horas usando EDA open-source);
- tarefas de pesquisa e análise com contexto massivo (documentos legais, relatórios financeiros, revisão de código de grandes repositórios);
- empresas que desejam auto-hospedagem e independência de APIs fechadas em vez de depender da Anthropic ou OpenAI.
No entanto, permanecem ressalvas importantes: os pesos ainda não foram lançados, reproduções independentes e relatórios técnicos detalhados ainda estão em desenvolvimento, alguns benchmarks usam harnesses proprietários (KimiCode em vez dos padrões). O quadro real ficará completamente claro após 27 de julho, quando os pesos estiverem disponíveis e surgirem avaliações independentes das versões abertas dos modelos.
Resumo: O Kimi K3 é um dos lançamentos de IA mais significativos da primeira metade de 2026. Não é apenas "mais um grande modelo chinês", mas um sério candidato a um lugar na primeira linha dos modelos de fronteira, especialmente em tarefas especializadas de codificação de agentes, contextos longos e raciocínio multimodal. As inovações arquitetônicas (KDA, Attention Residuals, Stable LatentMoE) provam que, em engenharia, os laboratórios chineses estão no mesmo nível dos melhores ocidentais. Se o lançamento open-weight ocorrer conforme o planejado em 27 de julho, o impacto no ecossistema open-source e na dinâmica da concorrência será muito notável: pela primeira vez, os desenvolvedores terão acesso a um modelo dessa escala e qualidade, independentemente de APIs fechadas.
