Kimi K3 põe 2,8 trilhões de parâmetros no debate sobre custo

O tamanho impressiona, mas poucos especialistas ficam ativos

O Kimi K3 usa Mixture of Experts (MoE) e ativa 16 dos 896 especialistas com o Stable LatentMoE. A arquitetura também combina Kimi Delta Attention (KDA) e Attention Residuals (AttnRes), mudanças que a Kimi criou para melhorar o fluxo de informação ao longo da sequência e da profundidade do modelo. Segundo a empresa, essas escolhas elevaram em cerca de 2,5 vezes a eficiência de scaling em relação ao Kimi K2.

O número total de parâmetros não representa sozinho o custo de cada resposta. O sistema movimenta uma fração dos especialistas por vez, mas precisa escolher e coordenar esses componentes durante a inferência. Em tarefas longas, essa conta também inclui os tokens usados pelo modo de raciocínio. O K3 usa max thinking effort por padrão, enquanto os modos de esforço baixo e alto chegarão em atualizações posteriores.

Tiberium apontou esse problema ao comparar os preços publicados para a API: “1M context, pricing is $3/$15 for 1M tokens (cache $0.3), o que é extremamente alto para um modelo chinês de pesos abertos”. Para o comentarista, a cobrança se aproxima da série Sonnet da Anthropic e faz sentido apenas se o desempenho realmente rivalizar com os modelos de ponta. O valor varia conforme entrada, saída e cache.

A ressalva de Tiberium não trata apenas do preço por token. “A eficiência de raciocínio importa diretamente para quão caro um modelo realmente é no uso real”, escreveu. Ele comparou um modelo que usa 10 mil tokens de raciocínio a outro que precisa de 50 mil para resolver a mesma tarefa: mesmo com uma tarifa nominal parecida, o primeiro pode custar menos por resultado.

Os benchmarks sustentam a tese, mas não encerram o caso

A Kimi afirma que o K3 alcançou desempenho de frontier na própria bateria de avaliações e superou os demais modelos testados, com exceção de Claude Fable 5 e GPT 5.6 Sol. No GDPval-AA v2, o modelo marcou 1687 em tarefas de 44 ocupações e nove setores. No AA-Briefcase, obteve 1527 e ficou atrás apenas de Claude Fable 5 Max, à frente de GPT-5.6 Sol Max, que marcou 1495.

Esses números interessam a empresas que querem automatizar trabalho de conhecimento, programação longa e agentes que operam por várias etapas. O modelo navega por repositórios grandes, usa ferramentas de terminal e trabalha com imagens em desenvolvimento de jogos, frontend e CAD. A Kimi também diz que uma versão inicial do K3 fez a maior parte do trabalho de otimização de kernels da própria equipe.

Os comentários, porém, não formam um bloco de aprovação. GodelNumbering relatou um teste rápido no Arc-AGI-3 e escreveu: “não acho que ele alcançará uma pontuação significativa no Arc AGI 3”. O teste não traz uma medição completa, mas mostra que os resultados dependem da tarefa escolhida. O próprio texto da Kimi admite que o K3 ainda fica atrás de Claude Fable 5 e GPT 5.6 Sol no desempenho geral.

A discussão no Hacker News alcançou 2107 pontos e 1216 comentários, embora apenas seis comentários tenham sido coletados para esta análise. tw1984 resumiu a leitura mais otimista: “Entre os modelos testados, sua inteligência geral fica em segundo lugar, atrás apenas de Claude Fable 5 e GPT-5.6 Sol”. O comentário acrescenta que os pesos completos chegariam nos dias seguintes, enquanto a Kimi fixou a liberação até 27 de julho de 2026.

O ponto de acordo aparece na abertura dos pesos e na necessidade de verificar a execução. O K3 pode ampliar o acesso a um modelo de 3T-class, mas os parceiros de inferência e mantenedores de código aberto ainda precisam alinhar os detalhes técnicos para um lançamento confiável. Quem escolhe uma plataforma terá de medir custo por tarefa, tokens de raciocínio, latência e qualidade no próprio fluxo. O debate não aponta um vencedor: aponta uma pergunta que os benchmarks ainda não respondem.