Explicação da Kimi K3: o modelo aberto de 2,8 trilhões de parâmetros da Moonshot que supera o Opus 4.8

A Moonshot AI lançou o Kimi K3 em 16 de julho de 2026, e o dado principal é difícil de ignorar: 2,8 trilhões de parâmetros, o que a empresa afirma torná-lo o maior modelo de código aberto já lançado. Os pesos ainda não são públicos — estão programados para serem disponibilizados em 27 de julho —, mas o modelo já está ativo nos aplicativos Kimi, no Kimi Code e na OpenRouter. Os resultados dos testes são, de fato, o verdadeiro destaque.

No Índice de Inteligência da Artificial Analysis, o K3 obtém 57. Isso o coloca acima do Claude Opus 4.8 (56) e logo abaixo apenas do GPT-5.6 Sol Sol (59) e do Claude Fable 5 (60) — a primeira vez que um modelo com pesos abertos é avaliado dentro do grupo de ponta, em vez de uma camada inferior. O detalhe surpreendente é o preço. O K3 tem um custo de US$ 3,00 por milhão de tokens de entrada e US$ 15,00 por milhão de tokens de saída, cerca de três vezes o valor cobrado pelo Kimi K2.6. Parece que está chegando ao fim a era dos modelos chineses de ponta com preços extremamente baixos. Abaixo, explicamos o que é real, o que foi divulgado pela empresa e onde o K3 realmente se encaixa.

O que realmente é o Kimi K3

O K3 é o modelo principal geral da Moonshot, não um especialista. Trata-se de uma mudança deliberada de direção em relação ao Kimi K2.7 Code, que a empresa lançou separadamente, um mês antes, como versão exclusiva para programação. O K3 foi projetado para realizar todas as tarefas: conversação, processamento de documentos longos, visão computacional e — a parte que a Moonshot claramente prioriza — tarefas agênticas de longo prazo, nas quais um modelo planeja, invoca ferramentas, lê os resultados e continua sua execução.

A escala é o primeiro aspecto a ser compreendido, e a esparsidade é o segundo. Dos 2,8 trilhões de parâmetros totais, apenas 16 dos 896 especialistas são ativados para cada token. É isso que mantém o custo e a latência de inferência dentro de uma faixa viável para uma API; um modelo denso de 2,8 trilhões de parâmetros seria economicamente inviável de executar. A troca envolve memória: todos os 2,8 trilhões de parâmetros ainda precisam residir na VRAM, independentemente de serem ou não ativados.

As especificações completas e os preços em tempo real estão disponíveis na ficha técnica do Kimi K3 em nosso Banco de dados de modelos de IA.

A arquitetura: como treinar um modelo de 2,8 trilhões de parâmetros sem que os custos disparam

Duas pesquisas próprias da Moonshot sustentam este lançamento, ambas voltadas para o mesmo problema: escalar um transformador normalmente implica pagar mais por cada token adicional de contexto e por cada camada adicional de profundidade.

Atenção Delta Kimi (KDA) é um mecanismo híbrido de atenção linear. O custo da atenção padrão cresce quadraticamente com o comprimento da sequência — justamente por isso, contextos de um milhão de tokens têm sido lentos e caros em todos os lugares onde foram implementados. A Moonshot relata que a KDA oferece até 6,3× mais rapidez na decodificação em contextos de um milhão de tokens — a diferença entre uma janela de 1 milhão que existe apenas em uma ficha técnica e outra que você realmente usaria.

Resíduos de Atenção (AttnRes) é descrito como uma substituição direta para conexões residuais convencionais, melhorando o fluxo de sinal através das camadas de profundidade. A Moonshot relata aproximadamente 25% maior eficiência no treinamento com custo adicional inferior a 2%. Juntamente com o framework Stable LatentMoE, o Gated MLA e uma nova função de ativação (SiTU), a empresa afirma uma melhoria de cerca de 2,5× na eficiência geral de escalonamento em comparação com o Kimi K2.

Esses números de eficiência são fornecidos pelo fabricante e ainda não foram reproduzidos de forma independente. Contudo, explicam a estratégia: não se chega aos 2,8 trilhões simplesmente comprando mais GPUs do que o Google — restrições de exportação tornam essa rota inacessível a um laboratório chinês. Chega-se lá tornando cada hora de uso de GPU mais produtiva.

Benchmarks: onde ele se destaca e onde não se sai tão bem

Os resultados mais fortes do K3 concentram-se em tarefas agênticas e de raciocínio, e não em conversação pura.

Dois sinais independentes se destacam. Em testes cegos no Arena, desenvolvedores preferiram o Kimi em relação a todos os principais modelos norte-americanos para codificação front-end — incluindo Fable 5 e GPT-5.6 Sol. Já na automação de tarefas do mundo real, o K3 ficou em primeiro lugar em quatro dos oito benchmarks (incluindo Automation Bench, SpreadsheetBench 2 e BrowseComp), terminando em segundo lugar logo atrás do Fable 5 na maioria dos demais.

Resumo honesto: o K3 ainda fica atrás do Fable 5 e do GPT-5.6 Sol no geral, mas supera praticamente todos os demais modelos já avaliados. Para um modelo de pesos abertos, isso nunca havia ocorrido antes.

A história dos preços: a era da IA chinesa barata está chegando ao fim

Essa é a parte que recebe menos cobertura e que importa mais. Laboratórios chineses construíram sua reputação ao subcotar APIs ocidentais em uma ordem de grandeza. O K3 não faz isso.

O K3 custa cerca de três vezes mais que seu antecessor e tem preço listado exatamente igual ao do Claude Sonnet 5. Em termos por tarefa, a diferença se reduz ainda mais: médias medidas indicam um custo de aproximadamente US$ 0,94 por tarefa para o K3, US$ 1,04 para o GPT-5.6 Sol e US$ 1,80 para o Opus 4.8. O K3 continua sendo mais barato — mas agora compete com base em valor nas margens, não por ser 10× mais barato. O raciocínio de ponta parece ter um custo aproximadamente equivalente, independentemente de quem o treinou.

Inteligência por dólar: nossa análise

O preço bruto é a métrica errada. O que importa é quanta capacidade cada dólar compra. Usando o preço ponderado e as pontuações de inteligência de nossa Índice de Desempenho-Custo de IA 2026, eis onde o K3 se posiciona:

Três conclusões emergem dessa tabela. O K3 entrega cerca de 1,7× mais inteligência por dólar do que o Claude Opus 4.8 e obtém uma pontuação ligeiramente superior — uma oferta genuinamente melhor no extremo superior. Contudo, GLM 5.2 ainda oferece 2,8× mais capacidade por dólar do que o K3 com seis pontos a menos em inteligência, e DeepSeek o V4-Flash oferece cerca de 30× mais. O K3 é o modelo aberto mais inteligente disponível; porém, está longe de ser o de melhor custo-benefício. Se você está pagando preços de ponta, deve ter certeza de que realmente precisa de raciocínio de ponta. Faça seus próprios cálculos na Calculadora de custo de API de IA, ou consulte o ranking completo no quadro de classificação de LLMs.

"Pesos abertos" não significa que você consiga executá-lo

Quando os pesos forem disponibilizados em 27 de julho, espere uma onda de manchetes afirmando que qualquer pessoa poderá executar um modelo de ponta em casa. Verifique primeiro os cálculos.

Com 2,8 trilhões de parâmetros em formato nativo de 4 bits (MXFP4), apenas os pesos ocupam cerca de 1,4 TB. Adicione um cache KV dimensionado para algo próximo ao contexto de 1 milhão e você precisará de ainda mais espaço. Realisticamente, isso equivale a cerca de 16 GPUs da classe H200 distribuídas em dois nós — centenas de milhares de dólares em hardware, antes mesmo de considerar energia e infraestrutura de rede. Para comparação, o K2.7 Code, com 1 trilhão de parâmetros, exigia cerca de 595 GB e oito GPUs de 80 GB, já estando fora do alcance da maioria dos indivíduos.

Então, para quem realmente é destinada essa liberação dos pesos? Implantações soberanas, empresas regulamentadas que não podem enviar dados para uma API, laboratórios de pesquisa e provedores de nuvem que hospedarão o modelo para todos os demais. Isso ainda representa uma lacuna significativa em relação a um modelo fechado — você pode auditá-lo, ajustá-lo fine-tuning e executá-lo dentro de suas próprias instalações —, mas não se trata de um cenário voltado para GPUs domésticas. Se deseja saber exatamente o que seu hardware consegue suportar, nossa Calculadora de VRAM para LLMs realiza os cálculos por modelo, e o calculadora de autohospedagem versus API mostra a partir de qual ponto possuir GPUs passa a ser mais vantajoso do que pagar por token.

Quem deve usar o K3

Use-o se você estiver executando cargas de trabalho agênticas — automação de navegador, cadeias multi-etapas de ferramentas, programação com horizonte prolongado —, nas quais suas pontuações nos benchmarks BrowseComp, Terminal-Bench e MCP Atlas se traduzem em menos falhas nas execuções. Também é a escolha óbvia se você busca raciocínio de classe de ponta com um caminho credenciado para auto-hospedagem futura, ou se a qualidade do código front-end for relevante (desenvolvedores o preferiram ao Fable 5 em testes cegos).

Evite-o se seu trabalho envolver conversação comum, resumo, classificação ou recuperação de informações. A US$ 3/US$ 15, você estaria pagando tarifas de ponta por tarefas que GLM 5.2 ou o DeepSeek V4-Flash realizam a uma fração desse custo. E evite-o também se presumiu que "aberto" significasse poder baixá-lo já nesta semana — os pesos só serão liberados daqui a nove dias, no momento da redação deste texto, e ocuparão 1,4 TB ao serem disponibilizados.

O ponto mais amplo é aquele que a tabela de benchmarks revela discretamente. Um modelo de pesos abertos acabou de obter uma pontuação acima do Claude Opus 4.8. Qualquer lacuna que existisse anteriormente entre IA aberta e fechada de ponta agora é medida em poucos pontos de índice e alguns meses — não em gerações.

Perguntas frequentes

O Kimi K3 é melhor que o Claude Opus 4.8?

No Artificial Analysis Intelligence Index, sim — o K3 obtém 57 pontos contra 56 do Opus 4.8, e custa US$ 3/US$ 15 por milhão de tokens, enquanto o Opus custa US$ 5/US$ 25. Ainda assim, fica atrás do GPT-5.6 Sol (59) e do Claude Fable 5 (60).

O Kimi K3 é de código aberto?

Os pesos estão programados para liberação pública em 27 de julho de 2026, seguindo o precedente da licença MIT modificada da Moonshot, adotado anteriormente em modelos Kimi anteriores. Até lá, o K3 estará disponível apenas via API, por meio dos aplicativos Kimi, Kimi Code e OpenRouter.

Quanto custa o Kimi K3?

US$ 3,00 por milhão de tokens de entrada, US$ 15,00 por milhão de tokens de saída e US$ 0,30 por milhão em acertos de cache. Trata-se de aproximadamente três vezes o preço do Kimi K2.6 e idêntico ao preço listado do Claude Sonnet 5.

Posso executar o Kimi K3 localmente?

Quase certamente não. Com 2,8 trilhões de parâmetros, os pesos em 4 bits ocupam cerca de 1,4 TB — o equivalente a aproximadamente 16 GPUs da classe H200 distribuídas em dois nós, sem sequer considerar o cache KV necessário para seu contexto de 1 milhão. Trata-se de um modelo para data center, não para desktop.

Qual é o tamanho do Kimi K3?

2,8 trilhões de parâmetros totais em uma arquitetura Mixture-of-Experts, com apenas 16 das 896 especialistas ativas por token. A Moonshot afirma que isso o torna o maior modelo de código aberto lançado até hoje.