O Kimi K3, apresentado pela chinesa Moonshot AI em 16 de julho de 2026, é o maior modelo de linguagem já prometido em peso aberto: 2,8 trilhões de parâmetros, janela de um milhão de tokens e preço de US$ 3 por milhão de tokens de entrada e US$ 15 por milhão de saída. A promessa de liberar os pesos completos até 27 de julho de 2026 o coloca na fronteira do movimento open weights, mas no patamar de preço mais alto já cobrado por um laboratório chinês.
O que é o Kimi K3
O Kimi K3 é o modelo mais capaz já lançado pela Moonshot AI, a startup por trás do assistente Kimi. Ele representa o passo mais recente da empresa em uma corrida de escala que, segundo a própria empresa, mantém o teto de tamanho entre modelos abertos há nove dos últimos doze meses.
Ele foi desenhado para inteligência de fronteira em programação de longa duração, trabalho de conhecimento e raciocínio, com visão nativa de texto e imagens e contexto de até um milhão de tokens. O lançamento ocorreu numa janela de oito dias em que Grok 4.5, a família GPT-5.6, o Muse Spark 1.1 da Meta e o próprio Kimi K3 estrearam, deixando seis laboratórios com modelos acima de 50 pontos no índice da Artificial Analysis.
Arquitetura e escala
A arquitetura do Kimi K3 combina três novidades: Kimi Delta Attention, Attention Residuals e um Mixture of Experts estável que ativa apenas 16 de 896 especialistas. Esse nível de esparsidade, somado à quantização MXFP4 nos pesos e MXFP8 nas ativações, é o que torna viável treinar e servir um modelo de 2,8 trilhões de parâmetros.
A Moonshot afirma uma melhora de aproximadamente 2,5 vezes em eficiência de escala frente ao Kimi K2. O reverso da medalha é o hardware: a empresa recomenda a implantação em configurações de supernodo com 64 ou mais aceleradores. Mesmo com pesos abertos, rodar o modelo a custo competitivo exige uma borda de infraestrutura que poucos provedores conseguem pagar.
Desempenho em programação
A Moonshot apresenta casos impressionantes: um compilador de GPU chamado MiniTriton, construído do zero pelo modelo, otimização de kernels competitiva com o Claude Fable 5 e até o projeto de um chip em 48 horas para servir um nano modelo baseado na própria arquitetura do Kimi K3. Em pesquisa, uma versão inicial do K3 reproduziu em cerca de duas horas um trabalho que demandaria de uma a duas semanas de um pesquisador experiente.
Medidas independentes reforçam parte dessa narrativa. No índice de inteligência da Artificial Analysis, o Kimi K3 marca 57 pontos, nível comparável ao Claude Opus 4.8 e ao GPT-5.5, embora ainda atrás do Claude Fable 5 e do GPT-5.6 Sol. Em tarefas agentivas reais, no GDPval-AA v2, o modelo alcança Elo de 1668, superando GLM-5.2, GPT-5.5 e Claude Opus 4.8, e fica atrás apenas do Fable 5.
No trabalho de conhecimento de longa duração, o Elo geral do K3 chega a 1547, 732 pontos acima do K2.6 e atrás apenas do Claude Fable 5. A Moonshot também destaca que uma versão inicial do K3 cuidou da maior parte da otimização de kernels da própria equipe, sinal de que o modelo já produz valor interno antes mesmo do lançamento público.
Custo e preço por token
O preço oficial é de US$ 3 por milhão de tokens de entrada e US$ 15 por milhão de saída, com entrada em cache descontada em 90% para US$ 0,30. Isso coloca o Kimi K3 no mesmo nível da linha Claude Sonnet, da Anthropic, e o torna o modelo mais caro já lançado por um laboratório chinês de IA.
Em custo por tarefa, porém, a Artificial Analysis estima US$ 0,94, parecido com os US$ 1,04 do GPT-5.6 Sol e cerca de metade dos US$ 1,80 do Opus 4.8. A razão para o custo por tarefa cair é a eficiência: o Kimi K3 usou 21% menos tokens de saída que o Kimi K2.6 para concluir as nove avaliações do índice.
| Modelo | Parâmetros | Entrada/saída (US$/M) | Custo por tarefa (AA) |
|---|---|---|---|
| Kimi K3 | 2,8 T | 3 / 15 | US$ 0,94 |
| GPT-5.6 Sol | fechado | — | US$ 1,04 |
| Claude Opus 4.8 | fechado | — | US$ 1,80 |
| GLM-5.2 | 753 B | — | US$ 0,32 |
| DeepSeek V4 Pro | 1,6 T | — | US$ 0,04 |
A pegadinha é que o modelo só tem, por enquanto, um nível de raciocínio, o máximo, o que infla o consumo em prompts simples. Um único pedido de gerar um SVG chegou a consumir mais de 16 mil tokens de saída e custar 25 centavos de dólar, segundo teste independente.
Riscos de autonomia e alucinação
A própria Moonshot admite limitações relevantes. A primeira é a sensibilidade ao histórico de raciocínio: se o agente não repassar todo o conteúdo de pensamento anterior, a qualidade da geração fica instável, um problema concreto para quem troca de modelo no meio de uma sessão longa. A empresa recomenda usar um harness com compatibilidade verificada, como o Kimi Code.
A segunda é o excesso de proatividade: treinado para tarefas longas, o K3 pode tomar decisões inesperadas em nome do usuário diante de ambiguidades, o que pede restrições explícitas no prompt do sistema. Há também um recuo em fidelidade: a taxa de alucinação do Kimi K3 subiu de 39% para 51% frente ao K2.6, mesmo com a precisão melhorando.
Para aplicações em que uma afirmação errada tem consequência, jurídica, financeira ou médica, isso é um sinal de alerta e não um detalhe. O modelo ainda apresenta uma diferença sensível de experiência em relação ao Claude Fable 5 e ao GPT-5.6 Sol, segundo a própria fabricante.
Como usar o Kimi K3
Hoje o Kimi K3 está disponível em kimi.com, no app Kimi (iOS, Android e HarmonyOS), no Kimi Work (desktop versão 3.1.0 ou superior, Windows e Apple Silicon) e na API de primeira parte. Pesos completos e o relatório técnico devem sair até 27 de julho de 2026, junto a uma implementação de prefix caching para o vLLM que a própria equipe contribuiu à comunidade.
Essas limitações mudam a implantação. O orquestrador precisa preservar todo o histórico de raciocínio entre chamadas, evitar a troca de modelo no meio da sessão e usar um harness com compatibilidade verificada. Como o K3 pode decidir pelo usuário quando encontra ambiguidades, limites comportamentais explícitos no prompt do sistema ou no AGENTS.md devem restringir sua autonomia antes de qualquer uso em produção.
Uma checklist prática antes de adotar o modelo em produção:
- defina limites explícitos de comportamento no prompt do sistema;
- valide saídas em tarefas de alto risco antes de confiar nelas;
- monitore o custo dos tokens de raciocínio, pois o esforço máximo dispara;
- evite trocar de modelo no meio de sessões longas;
- use um harness com compatibilidade verificada, como o Kimi Code.
Para quem já trabalha com agentes autônomos, o Kimi K3 é uma opção forte para tarefas longas de engenharia, mas pede guarda-corpos. Quem preferir o ecossistema da Meta pode comparar com o Muse Spark 1.1, que também mira programação e agentes, ou rever nosso panorama sobre a Agentic AI em pagamentos.