Kimi K3: o novo e melhor modelo open-source da Moonshot AI

A Moonshot AI anunciou o Kimi K3, o mais novo flagship da linha Kimi e o maior modelo open-weight já lançado (2,8 trilhões de parâmetros). Os pesos completos ainda não foram publicados. A Moonshot diz que serão liberados em dez dias.

Mas o número de parâmetros não é exatamente a história aqui. A Moonshot é uma startup de Pequim, com investimento da Alibaba (que também faz os modelos Qwen, se você lembra, com o Qwen 3.7 como o mais recente), e vem disputando relevância num cenário cada vez mais competitivo com a DeepSeek e outros laboratórios chineses. 

Em escala, o K3 é cerca de 75% maior que o V4 da DeepSeek. Nos benchmarks da própria Moonshot, ele supera o Claude Opus 4.8 e o GPT-5.5, ficando atrás do Claude Fable 5 e do GPT-5.6 Sol. 

O preço é o verdadeiro sinal. O K3 cobra valores de fronteira. Esse é o problema para os labs dos EUA: se um modelo chinês pode cobrar o mesmo preço e entregar desempenho próximo, cai por terra a ideia de que o diferencial dos modelos americanos é apenas o preço premium.

O que é o Kimi K3?

Já comentamos um pouco sobre preço e histórico. Mas o que sabemos sobre o Kimi K3, como ele é construído e o quão bem ele funciona?

O Kimi K3 está especialmente bem posicionado para o que a Moonshot chama de \"cenários de inteligência de fronteira\", isto é, programação de longo horizonte, trabalho de conhecimento e raciocínio.

Para isso, ele oferece uma janela de contexto de 1 milhão de tokens e entendimento visual nativo. Esse segundo ponto significa que ele aceita imagens e vídeos diretamente como entrada.

O que há de novo no Kimi K3?

O que mais chama atenção está na superfície: a janela de contexto de 1 milhão de tokens e o entendimento visual nativo, que comentei. 

Para chegar lá, a Moonshot fez mudanças no backend em três frentes:

Arquitetura

O modelo é construído em torno de dois componentes novos: o Kimi Delta Attention (KDA), um mecanismo híbrido de atenção linear, e algo chamado Attention Residuals (AttnRes). Ambos visam ajudar a informação a se propagar com mais confiabilidade por sequências longas e redes profundas.

Além disso, a Moonshot levou mais longe a esparsidade do seu arranjo de Mixture-of-Experts com um framework \"Stable LatentMoE\", ativando uma pequena fração de experts por forward pass. Combinado a mudanças de treino e dados, a Moonshot afirma que isso dá ao K3 cerca de 2,5x a eficiência de escala do seu predecessor, o K2.

Programação

A Moonshot posiciona o K3 como forte em engenharia de longo horizonte: sustentar tarefas multiestágio com supervisão mínima, navegar por grandes bases de código e coordenar ferramentas de terminal.

Ela também destaca um nicho específico — combinar código com raciocínio visual, como usar capturas de tela e feedback visual para iterar em desenvolvimento de jogos, frontend ou tarefas de CAD. Há vários exemplos de desenvolvimento de jogos com o Kimi K3, como um jogo inspirado em Paper Mario, um jogo de entrega aérea e algo que lembra Halo. 

Trabalho de conhecimento

A Moonshot diz que suas avaliações internas (baseadas em fluxos reais de colaboração com agentes, e não em benchmarks públicos) mostram ganhos consistentes para a variante \"max\" do Kimi K3 em tarefas de trabalho de conhecimento em ambiente de produção.

Na prática, para quem usa o modelo: documentos, bases de código ou vídeos mais longos podem entrar como uma única entrada, sem precisar quebrar em partes e remontar depois; e o mesmo pedido pode misturar texto, imagens e vídeo sem gambiarras adicionais.

Se os ganhos de eficiência se confirmarem, isso também deve significar mais capacidade por dólar de computação do que o K2.

Recursos da API do Kimi K3 para desenvolvedores

A documentação da API dá uma visão mais clara do que mudou para quem de fato constrói com o modelo:

\n
• \n

  Pensamento sempre ligado: o K3 roda em modo de raciocínio por padrão, configurado por meio do parâmetro de alto nível reasoning_effort, em vez do antigo sinalizador thinking da linha K2. Por enquanto, só o nível max é suportado.

  \n
\n
• \n

  Streaming com raciocínio separado: respostas em streaming expõem reasoning_content e o content final como deltas separados, para você mostrar ou ocultar o raciocínio do modelo.

  \n
\n
• \n

  Entrada de visão, sem URLs públicas: imagens devem ser enviadas em base64 ou via referência a arquivo enviado; o modelo não aceita URLs simples de imagem, e vídeos são tratados por um upload de arquivo separado.

  \n
\n
• \n

  Saída estruturada: suporte a JSON Schema com modo strict, mas isso só restringe o campo final content, não o rastro de raciocínio.

  \n
\n
• \n

  Partial mode: você pode iniciar a resposta do assistente com um prefixo fixo e fazer o modelo continuar a partir daí. Útil para impor uma abertura específica.

  \n
\n
• \n

  Carregamento dinâmico de ferramentas: definições de ferramentas podem ser injetadas no meio da conversa via uma mensagem system, passando a valer daquele ponto em diante.

  \n
\n
• \n

  Cache de contexto automático: o cache é automático e não requer parâmetros extras.

  \n
\n

Alguns outros limites importantes para quem for integrar a API: max_completion_tokens tem padrão de 131.072 e limite de 1.048.576, e parâmetros de amostragem como temperature e top_p são fixos, não configuráveis.

O Kimi também é ótimo em tarefas de automação de navegador. Saiba mais no nosso tutorial da extensão de navegador do Kimi.

Benchmarks do Kimi K3: o que sabemos até agora

O material de lançamento da Moonshot agora inclui números reais de benchmark, mas é bom lembrar que diferentes modelos foram executados em \"agent harnesses\" diferentes. O K3 foi testado com o KimiCode da própria Moonshot; os modelos Claude rodaram com Claude Code ou Terminus 2; os GPTs com o Codex. Não é uma comparação totalmente justa. Cada laboratório testou seu modelo dentro do seu próprio ferramental, nas melhores condições. 

Este é o panorama em três categorias.

Programação 

Como você vê no gráfico abaixo, o K3 não domina todos os benchmarks de código, mas é competitivo quase em tudo. Ele lidera no Program Bench e no SWE Marathon, fica a meio ponto do GPT-5.6 Sol no Terminal-Bench 2.1 e supera o Opus 4.8 na maioria dos testes individuais. Onde perde com clareza é no DeepSWE e no FrontierSWE, em que Fable 5 e GPT-5.6 Sol abrem vantagem.

Desempenho ajustado por custo 

No gráfico Kimi Code Bench V2 da própria Moonshot, o K3 alcança pontuação parecida com a do Opus 4.8 a cerca de metade do custo por tarefa, e bem distante do que o Fable 5 cobra por alguns pontos a mais. O gráfico BrowseComp conta história similar: o K3 pontua acima do GPT-5.6 Sol e do Claude Fable 5, custando uma fração por tarefa.

Escala, para contexto 

O gráfico de parâmetros do modelo é interessante. É a visualização mais clara da afirmação de \"maior modelo open-weight\" feita antes: mostra a Moonshot saltando do Kimi K2 com 1T de parâmetros direto para 2,8T em um único lançamento, passando à frente de DeepSeek, Xiaomi e outros.

Kimi K3 vs. outros modelos chineses

Veja como o Kimi K3 se compara com outros labs chineses que estão lançando modelos agora. Em linhas gerais, parece que o campo open-weight chinês está se dividindo em dois: labs como DeepSeek e Z.AI continuam competindo por preço baixo, enquanto a Moonshot começa a cobrar mais caro.

Kimi K3 vs. DeepSeek V4

DeepSeek V4 é menor que o K3 e custa bem menos.

O K3 faz outra aposta: é maior, e a Moonshot cobra de acordo, em vez de tentar ganhar no preço.

Kimi K3 vs. Qwen

Esta comparação é interessante porque a Alibaba investe tanto na Moonshot quanto, claro, na sua própria linha Qwen.

Mas elas são diferentes: o flagship da Qwen, o Qwen 3.7 Max, não é open-weight. É fechado, proprietário e só pode ser usado pelos produtos da própria Alibaba ou por provedores de API terceiros. A Alibaba segue lançando modelos Qwen open-weight menores, mas seu topo de linha foi para trás das portas fechadas.

Kimi K3 vs. GLM-5.2 

GLM-5.2 segue mais de perto o playbook open-source chinês clássico: um modelo realmente forte, com licença MIT e preço bem abaixo das taxas de fronteira ocidentais. É menor que o K3 e muito mais barato, e ganhou fama por entregar desempenho quase de fronteira em programação por uma fração do custo.

Veja como os números se comparam usando o Intelligence Index do Artificial Analysis (uma pontuação composta de nove benchmarks, executados da mesma forma entre modelos) como referência:

Dois pontos importantes: o Qwen 3.7 Max está incluído como referência, mas não é open-weight, como já dito, então não é um par verdadeiro nessa comparação — ainda assim, fez sentido incluí-lo na tabela como referência. Além disso, a verificação independente de terceiros ainda está correndo atrás, então nada é definitivo.

Kimi K3 vs. os grandes labs dos EUA

Agora, vamos ver como o Kimi K3 se compara aos modelos fechados e proprietários da Anthropic e da OpenAI.

Kimi K3 vs. Claude Opus 4.8

Opus 4.8 tem sido o flagship da Anthropic por meses, e, pelos números da própria Moonshot, o K3 fica à frente em vários benchmarks individuais, especialmente em programação. O K3 marca 88,3 no Terminal-Bench 2.1, contra 84,6 do Opus 4.8.

A maior diferença é esta: o Opus 4.8 é fechado. O K3 é open-weight, então, quando os pesos forem publicados, qualquer um poderá fazer self-hosting, fine-tuning ou rodar sem depender dos servidores da Moonshot.

Como você vê nos gráficos abaixo, o K3 supera o Opus 4.8 por um ponto no Intelligence Index, mas a diferença aumenta no resto: o K3 custa cerca de metade por tarefa e entrega o primeiro token aproximadamente 20x mais rápido.

Kimi K3 vs. Claude Fable 5

Fable 5 é o modelo mais novo e capaz da Anthropic, e é o que o K3 não alcança. Ele lidera com folga em inteligência geral e custa consideravelmente mais para rodar. O Fable 5 sai por $10/$50 por milhão de tokens, contra $3/$15 do K3. Mas a proposta do K3 não é \"tão bom quanto o Fable 5\". É \"quase lá, por uma fração do preço\". 

Como mostram os gráficos abaixo, o Fable 5 lidera com folga no Intelligence Index e é ligeiramente mais rápido que o K3 em velocidade bruta de geração. Onde o K3 se destaca é no custo. Ele roda por cerca de um terço do preço por tarefa do Fable 5.

Kimi K3 vs. GPT-5.5

O GPT-5.5 fica logo abaixo do K3 nos benchmarks da própria Moonshot e tem preço na mesma faixa dos outros flagships dos EUA — bem acima do K3.

Nos gráficos abaixo, o K3 supera levemente o GPT-5.5 no Intelligence Index e custa um pouco menos por tarefa. O GPT-5.5 até gera tokens um pouco mais rápido quando já está rodando, então os dois trocam vantagens dependendo do que é mais importante para você.

Kimi K3 vs. GPT-5.6 Sol

GPT-5.6 Sol é o modelo mais novo e mais caro da OpenAI nesta comparação e, no Terminal-Bench 2.1, ele praticamente empata com o K3. O Sol marca 88,8 contra 88,3 do K3.

A diferença maior é a mesma do Opus 4.8: o Sol é closed-weight, então você só pode usá-lo pelos produtos da OpenAI (ChatGPT, Codex, API), enquanto o K3 é open-weight. Quando os pesos forem publicados, qualquer um poderá fazer self-hosting ou fine-tuning.

Nos gráficos abaixo, o Sol supera o K3 no Intelligence Index, mas o K3 leva vantagem em velocidade e custo.

Data de lançamento e preços do Kimi K3

O Kimi K3 já está no ar, ainda que não por completo. O modelo em si foi lançado ontem e já pode ser usado hoje no kimi.com, nos apps móveis do Kimi, no Kimi Work, Kimi Code e pela API do Kimi sob o ID de modelo kimi-k3. Ele também começou a aparecer em roteadores de terceiros, como OpenRouter e OrcaRouter.

O que ainda não saiu são os pesos abertos. A Moonshot diz que serão liberados até 27 de julho de 2026, enquanto a empresa segue trabalhando com parceiros de inferência e mantenedores open-source para alinhar detalhes técnicos. Até lá, você pode usar o K3 pelos serviços hospedados da Moonshot, mas não pode baixá-lo e fazer self-hosting. 

Recomendamos assinar nossa newsletter semanal de IA, The Median, uma ótima forma de ficar por dentro de lançamentos como este.

Sobre preços, o K3 usa cobrança simples por uso (pay-as-you-go), sem escalonar por tamanho de contexto, apesar da janela de 1M de tokens. As tarifas oficiais da Moonshot são $0,30 por milhão de tokens para entrada com cache hit, $3,00 por milhão de tokens para entrada com cache miss e $15,00 por milhão de tokens para saída — com taxa de cache hit acima de 90% em workloads típicos de programação, o que reduz o custo efetivo de entrada na prática.

Limitações do Kimi K3

A Moonshot é transparente no seu blog técnico sobre limitações:

\n
• Sensível ao histórico de raciocínio: o K3 foi treinado esperando que todo o rastro de raciocínio fosse passado a cada turno. Se um agent harness não fizer isso corretamente — ou se uma sessão for trocada para o K3 no meio da conversa, vindo de outro modelo — a qualidade pode ficar instável. A Moonshot recomenda ficar no Kimi Code.
\n
• Proatividade excessiva: em tarefas ambíguas, o K3 tende a tomar decisões pelo usuário em vez de perguntar. Se você precisa que ele fique dentro de limites firmes, isso deve estar explícito no prompt do sistema.
\n
• Um gap de UX, nas palavras da própria Moonshot: o card do modelo afirma claramente que \"o K3 ainda apresenta um gap perceptível de experiência do usuário em comparação com o Claude Fable 5 e o GPT 5.6 Sol\" — um raro caso de um lab admitir a vantagem de polimento do concorrente no próprio material de lançamento.
\n
• Busca na web instável: a Moonshot recomenda explicitamente não depender da busca na web com o K3 por enquanto, dizendo que o recurso está sendo atualizado.
\n

Conclusão

O Kimi K3 é o maior modelo open-weight lançado até hoje. Ele traz uma arquitetura de atenção nova, focada diretamente em longos contextos e cargas \"agênticas\". Nos benchmarks agora públicos, ele não é o vencedor absoluto — Fable 5 e GPT-5.6 Sol ficam um pouco à frente —, mas é extremamente competitivo em tarefas de código, agentes e multimodais, por uma fração do custo.

Esse é o fio condutor de todo o artigo: o K3 não tenta ganhar em todas as categorias. Ele tenta tornar a relação preço-capacidade impossível de ignorar — do mesmo jeito que a DeepSeek fez com o R1 e o GLM-5.2 fez mais recentemente —, só que desta vez a Moonshot cobra preços de fronteira para isso, não descontos.