Kimi K3: a China lança o maior modelo aberto do mundo — e ele não é o maior por acaso

Toda vez que um laboratório chinês lança um modelo maior que o anterior, a leitura fácil é "mais um recorde de tamanho". O Kimi K3, anunciado pela Moonshot AI nesta semana, convida a essa leitura — 2,8 trilhões de parâmetros, o maior modelo de pesos abertos já publicado. Mas o tamanho aqui é sintoma, não objetivo.

A Moonshot opera sob as mesmas restrições de exportação de chips que atingem toda a indústria chinesa de IA: acesso limitado aos aceleradores mais avançados da Nvidia. A resposta da empresa, como a de rivais como DeepSeek, tem sido compensar hardware mais fraco com arquitetura maior e mais eficiente por token ativo. O K3 é o ponto mais recente dessa curva.

O que há dentro do K3

O modelo é uma mistura de especialistas (Mixture-of-Experts, ou MoE) — arquitetura em que o modelo carrega um conjunto enorme de parâmetros mas ativa só uma fração deles por token, como uma redação com centenas de editores especializados dos quais só alguns trabalham em cada texto. É 75% maior que o DeepSeek V4 Pro (1,6T) e mais que o dobro do antecessor K2.6 (1T).

Duas peças de arquitetura sustentam o salto. A Kimi Delta Attention é um mecanismo híbrido de atenção linear, que reduz o custo quadrático de processar sequências longas. As Attention Residuals substituem as conexões residuais tradicionais — o "atalho" que permite que informação de camadas anteriores chegue intacta às seguintes — por uma versão que a empresa diz entregar ganhos de escala mais consistentes conforme o modelo cresce. O contexto vai a 1 milhão de tokens, e o modelo roda com um "modo de pensar" (thinking mode) sempre ativo, embora por ora só num nível de esforço de raciocínio.

Onde ele realmente compete

Nos números que a própria Moonshot divulgou — ainda sem verificação independente —, o K3 supera consistentemente o Claude Opus 4.8 e o GPT-5.5 "high", mas fica atrás dos dois modelos mais fortes do momento, Claude Fable 5 e GPT-5.6 Sol. No Frontend Code Arena, um teste de geração de interfaces avaliado por votação humana, o modelo chegou ao primeiro lugar entre todos os modelos avaliados — incluindo os fechados.

É um padrão que já apareceu com o K2.6 e o DeepSeek V4 Pro: modelos abertos chineses não abrem a distância no topo absoluto do ranking, mas fecham boa parte dela em tarefas agênticas e de programação — justamente as que mais interessam para produto.

O preço parou de ser vantagem

O detalhe que muda a leitura comercial do lançamento é o preço. A geração anterior de modelos abertos chineses vendia capacidade a uma fração do custo dos modelos fechados — era a proposta de valor central. O K3 cobra US$ 3/US$ 15 por milhão de tokens, o triplo e quase quatro vezes o K2.6, respectivamente, e na mesma faixa da Claude Sonnet.

Isso não é acidente: rodar um modelo de 2,8T de parâmetros, mesmo com poucos ativos por token, exige memória e computação que custam dinheiro de verdade. A Moonshot escolheu cobrar por isso em vez de subsidiar a diferença. O efeito colateral é que "modelo aberto" deixou de ser sinônimo de "modelo barato" — a decisão entre abrir ou fechar pesos hoje pesa menos no preço final e mais em quem controla o dado e a infraestrutura de inferência.

Um contraponto que ainda importa

O crítico e desenvolvedor Simon Willison, que mantém um teste informal (pedir a um modelo que desenhe um pelicano andando de bicicleta em SVG) como termômetro de qualidade, notou que o K3 custou cerca de 25 centavos de dólar para produzir um único pelicano — caro para uma tarefa que não mede o que interessa. Sua ressalva é mais ampla: benchmarks de raciocínio abstrato, incluindo o seu próprio, dizem cada vez menos sobre o que decide se um modelo é útil — que é a confiabilidade em chamadas de ferramentas e em conversas longas, terreno em que nenhum dos números divulgados pela Moonshot foi testado de forma independente.

O que fica

O Kimi K3 não fecha a corrida entre modelos abertos e fechados — ele reduz a distância no meio da tabela, onde vive a maior parte do uso real, e sobe o preço de entrada para fazer isso. Para quem acompanha a disputa como duelo de superlativos, o número que salta aos olhos é 2,8 trilhões. Para quem precisa decidir qual modelo rodar em produção, o número que importa é US$ 3/US$ 15 — e a pergunta que ele levanta: se abrir pesos não é mais sinônimo de preço baixo, o que resta como vantagem de ser aberto?

Perguntas Frequentes

O Kimi K3 é mesmo o maior modelo aberto do mundo?

Em número total de parâmetros, sim — 2,8 trilhões, à frente do DeepSeek V4 Pro (1,6T) e do próprio antecessor K2.6 (1T). Mas "maior" não equivale a "mais forte": em benchmarks de tarefas reais, o K3 fica atrás de Claude Fable 5 Max e GPT-5.6 Sol Max, os dois modelos fechados mais fortes do momento.

Por que um modelo aberto custa tão caro quanto um fechado?

Porque o custo de servir o modelo — memória para carregar 2,8T de parâmetros, computação para os especialistas ativos por token — não desaparece por os pesos serem abertos. A Moonshot optou por cobrar US$ 3/US$ 15 por milhão de tokens em vez de subsidiar o preço, quebrando a associação automática entre "modelo aberto" e "modelo barato" que valeu para gerações anteriores.

O que são Kimi Delta Attention e Attention Residuals?

São as duas peças de arquitetura por trás do salto de eficiência do K3. Kimi Delta Attention é um mecanismo de atenção linear híbrido, que processa sequências longas com custo menor que a atenção tradicional. Attention Residuals é uma variação das conexões residuais — o mecanismo que deixa a informação "pular" camadas sem se perder — ajustada para manter ganhos de desempenho conforme o modelo escala.