Moonshot libera Kimi K3, modelo de 2,8T parâmetros, e acirra debate sobre preço de API

Servir modelo de 3T exige pelo menos 1,5 TB de VRAM

O Kimi K3 usa arquitetura Mixture-of-Experts (MoE) com 896 especialistas, dos quais apenas 16 são ativados por token. Assim, apesar de ter 2,8 trilhões de parâmetros totais, apenas 104 bilhões são usados a cada inferência. O modelo foi construído com Kimi Delta Attention (KDA) e Attention Residuals (AttnRes), e inclui um vision encoder próprio (MoonViT-V2, 401M parâmetros) para processar imagens e vídeo nativamente. Também foi treinado com quantização nativa MXFP4 para pesos e MXFP8 para ativações, o que reduz o uso de memória, mas o custo de hardware continua alto.

“Precisará de cerca de 1,5 TB de VRAM para hospedá-lo, o que está no limite de 8xB200s”, escreveu o usuário NitpickLawyer. “Realisticamente você precisará de 16x para otimização de contexto e throughput.” Ele argumenta que o lançamento permite ao mercado estimar “se os laboratórios estão subsidiando tokens nos preços de API”.

Para desenvolvedores que querem evitar APIs caras, ter um modelo aberto desse porte é tentador. Mas a barreira de hardware é enorme: um servidor com 8 GPUs B200 custa dezenas de milhares de dólares por mês. Nem todo provedor consegue oferecer isso a preço competitivo.

Nos benchmarks divulgados pela Moonshot, o K3 supera o GLM-5.2 em coding (DeepSWE: 67,5 vs 46,2) e tarefas agênticas (BrowseComp: 90,4 vs 84,3). Em raciocínio, alcança 93,5 no GPQA Diamond, superando o Claude Opus 4.8 (91,0) e o Claude Fable 5 (92,6), mas fica atrás do GPT-5.6 Sol (94,1). O modelo é competitivo, mas não lidera em tudo. Isso alimenta o debate.

Concorrência derruba preços, mas até onde?

O usuário gorgmah trouxe dados de outro modelo grande aberto, o GLM 5.2. “Já sabemos que a concorrência reduziu os preços do GLM 5.2 em cerca de 45% desde seu lançamento em 16 de junho”, escreveu. Ele questiona o argumento de que provedores não podem vender abaixo do custo: “Em economia, geralmente se admite que eles não devem precificar abaixo do custo marginal, ou seja, aproximadamente o custo da eletricidade.” Como muitos datacenters têm GPUs ociosas, ele aposta que “alguém estará vendendo tokens por menos que eletricidade mais depreciação de GPUs em breve”.

Já throwaw12 ironizou a decisão da Moonshot de liberar um modelo tão caro (“comunistas estranhos”), mas vê potencial na quantização. “Mal posso esperar para ver a quantização 1bit em breve”, disse. Se a técnica funcionar bem, “será uma ótima notícia para provedores de GPU: oferecer um modelo nível Opus 4.5 pelo custo de um Haiku 4.5”. A competição pode vir também de inovação técnica.

Os três comentaristas concordam que o Kimi K3 é um marco por ser o primeiro modelo aberto na escala de 3 trilhões de parâmetros, mas divergem sobre as consequências. NitpickLawyer vê no lançamento uma chance de transparência de custos; gorgmah acredita que a competição forçará preços insustentáveis para quem não tem escala; throwaw12 aposta em avanços de quantização para baratear a inferência.

O que fica em aberto é se o custo real de servir um modelo desse porte será conhecido algum dia. Enquanto provedores terceiros não divulgarem suas planilhas, a dúvida persiste: os preços das APIs refletem o custo de computação ou são subsidiados por laboratórios que queimam capital para capturar mercado? Para quem precisa decidir entre rodar localmente ou pagar por API, o Kimi K3 mostra que a fronteira do código aberto avançou – mas o hardware ainda é o gargalo. Enquanto a poeira não baixa, a recomendação é fazer as contas com cuidado.