O que o Kimi K3 realmente é
Kimi é o assistente de chat e a família de modelos da Moonshot AI, um laboratório chinês que passou o último ano elevando o teto de tamanho dos modelos abertos. Seu carro-chefe anterior, o Kimi K2, era um modelo de pesos abertos com 1 trilhão de parâmetros que muitos desenvolvedores adoraram por ser capaz e muito barato. O K3 é o sucessor, e a Moonshot está apostando alto: o blog de lançamento o chama de "o primeiro modelo aberto de classe 3T do mundo".
Aqui está a versão honesta, direto da Moonshot: "Embora seu desempenho geral ainda fique atrás dos modelos proprietários mais poderosos, Claude Fable 5 e GPT 5.6 Sol, o Kimi K3 demonstrou desempenho de nível de fronteira em todo o nosso conjunto de avaliação, superando consistentemente todos os outros modelos testados." Essa é uma frase de lançamento refrescantemente sem exagero, e ela acaba sendo, de modo geral, verdadeira.
As especificações que importam:
- 2,8 trilhões de parâmetros no total, o maior modelo aberto anunciado até hoje (Moonshot).
- Janela de contexto de 1 milhão de tokens (exatamente 1.048.576 tokens), então ele pode conter uma base de código ou conjunto de documentos muito grande de uma só vez (documentação da plataforma).
- Visão nativa, então ele recebe texto e imagens e devolve texto.
- Raciocínio sempre ativo. O K3 sempre "pensa" antes de responder, com o nível definido por um campo
reasoning_effortque atualmente só suportamax(guia rápido).
Por baixo do capô: como o Kimi K3 funciona
É aqui que o K3 fica genuinamente interessante, e onde uma contagem alta de parâmetros deixa de ser a manchete. Um modelo denso de 2,8T seria impossivelmente caro de rodar, então o K3 é um modelo Mixture-of-Experts: a maioria desses parâmetros fica ociosa em qualquer token dado, e só uma pequena fatia é ativada.
A Moonshot escalou a esparsidade de forma que o modelo efetivamente ativa 16 de 896 especialistas usando um framework que eles chamam de Stable LatentMoE. Duas outras peças fazem o trabalho pesado: Kimi Delta Attention, um mecanismo de atenção linear híbrido, e Attention Residuals, um substituto direto para conexões residuais padrão que a Moonshot disponibilizou como código aberto separadamente. Combinado com uma receita de treinamento refinada, a Moonshot afirma que essas mudanças geram "uma melhoria aproximada de 2,5x na eficiência geral de escalonamento em comparação com o Kimi K2".
A contagem de parâmetros ativos ainda não foi publicada, e o relatório técnico completo também não. Ambos são prometidos junto com os pesos abertos. Então, por enquanto, trate os detalhes internos como a versão da Moonshot, não como uma arquitetura confirmada de forma independente.
Como ele realmente se sai
A Moonshot publicou uma parede de benchmarks, e o padrão é consistente: o K3 fica em terceiro lugar atrás do Fable 5 e do GPT-5.6 Sol nas avaliações mais difíceis de programação e agênticas, e confortavelmente à frente da fronteira anterior (Opus 4.8, GPT-5.5) na maioria delas.
Algumas leituras concretas dos gráficos da Moonshot: o K3 lidera no Automation Bench (30,8), SpreadsheetBench 2 (34,8) e BrowseComp (91,2), e fica em segundo no AA-Briefcase e no JobBench atrás do Fable 5. Nas avaliações de programação mais difíceis, ele escorrega um degrau: o Fable 5 lidera no FrontierSWE (86,6 contra 81,2 do K3) e no Kimi Code Bench 2.0 (76,9 contra 72,9). Testes independentes da Artificial Analysis colocaram o Intelligence Index do K3 em 57, classificando-o em quarto lugar entre os 189 modelos que já avaliou.
A evidência mais convincente, porém, não é um número. São os desenvolvedores que o testaram no próprio trabalho:
"Estou brincando com ele nas últimas horas, e acho que é um modelo incrível. Não tenho certeza se conseguiria notar a diferença entre ele e o Fable em um teste às cegas. A cota do plano Kimi Coding de US$ 100 parece se alinhar mais ou menos com o que recebo do plano de US$ 200 da Anthropic quando uso principalmente o Fable."
A leitura mais calma nesses mesmos tópicos vale a pena manter em mente: isso está "um pouco abaixo" do topo absoluto, e parte da energia de "supera tudo" veio de gráficos do fabricante antes que os testes independentes tivessem alcançado.
"Hum, o Fable só saiu de verdade há 2 semanas, e o GPT-5.6 Sol há apenas 1 semana. Sim, o Kimi K3 parece estar um pouco abaixo dos dois, mas acima de todos os outros modelos. Então eu diria que está algumas semanas atrás, não meses agora..."
As demos que fizeram as pessoas pararem de rolar a tela
O lançamento da Moonshot apostou pesado na autonomia de longo alcance, e a demonstração falou por si. Com um único prompt, o K3 construiu jogos jogáveis do zero: um RPG de mundo aberto wuxia, uma arena de tiro em primeira pessoa com balões, um coliseu voxel, um jogo de luta.
As demos mais sérias são as que levantaram sobrancelhas. Em uma execução autônoma de 48 horas, a Moonshot diz que o K3 projetou um chip (Nangate 45nm, 4 mm², simulado a mais de 8.700 tokens/segundo de decodificação) para rodar um modelo pequeno em sua própria arquitetura. Em outra, ele escreveu o "MiniTriton", um compilador de GPU do zero que igualou ou superou o Triton em alguns kernels. Em uma tarefa de otimização de kernel, ele reduziu um passe forward-mais-backward de 283,6 ms para 114,4 ms. A reação dos desenvolvedores foi meio espanto, meio "mostra a conta de tokens":
"Alguém viu no post do blog que ele conseguiu programar um compilador de GPU inteiro do zero? Parece que até superou o Triton em alguns kernels de GPU. Isso me parece uma loucura. Queria saber se vão abrir o código e mostrar quantos tokens isso custou."
Essa última linha é a pegadinha honesta, e leva direto ao preço.
Quanto custa o Kimi K3
Aqui está a reviravolta. Toda a história do Kimi costumava ser "qualidade de fronteira por uma fração do preço". O K3 encerrou isso silenciosamente. Ele tem preço de carro-chefe.
| Modelo | Entrada (cache miss) | Entrada (acerto de cache) | Saída | Janela de contexto |
|---|---|---|---|---|
kimi-k3 | US$ 3,00 / 1M | US$ 0,30 / 1M | US$ 15,00 / 1M | 1.048.576 tokens |
Fonte: preços oficiais do Kimi K3. Algumas coisas se destacam. Há um modelo, um preço, porque o raciocínio está sempre ativo, então não existe uma variante "sem pensar" mais barata. O preço é fixo em toda a janela de 1M, sem um nível premium para prompts longos. E um acerto de cache reduz a entrada para US$ 0,30, um desconto de 90%, que é a verdadeira alavanca de custo para trabalho de agentes de contexto longo.
A US$ 3 / US$ 15, o K3 fica exatamente no mesmo patamar de preço do Claude Sonnet, acima do GPT-5.x e do Gemini 3 Pro, e abaixo do Claude Opus. Ele fica abaixo do nível mais alto da Anthropic, então ainda é uma jogada de valor contra o Opus. Mas contra o DeepSeek, cujo V4 Flash custa US$ 0,14 de entrada / US$ 0,28 de saída, a saída do K3 custa aproximadamente 50 vezes mais. O DeepSeek continua sendo a opção de fronteira econômica; o K3 não compete mais ali. Essa surpresa é a nota mais alta na reação da comunidade:
"O novo modelo se destaca pelo preço: US$ 3/milhão de tokens de entrada e US$ 15/milhão de tokens de saída, colocando-o no mesmo nível da série Claude Sonnet da Anthropic."
Onde o K3 realmente brilha é no custo-benefício das tarefas em que ele é bom. No BrowseComp, ele registra a melhor pontuação por uma fração do custo por tarefa dos modelos Claude:
Se você prefere usar o Kimi pelo app em vez da API, os planos para consumidor têm nomes de andamentos musicais:
| Plano | Mensal | Anual (por mês) | O que você recebe |
|---|---|---|---|
| Free | US$ 0 | -- | Acesso básico ao chat |
| Moderato | US$ 19 | US$ 15 | Docs/Sheets/Slides, Deep Research, acesso ao Kimi Code |
| Allegretto | US$ 39 | US$ 31 | 2x créditos de agente, 5x créditos de Kimi Code |
| Allegro | US$ 99 | US$ 79 | 5x créditos de agente, agentes paralelos Swarm |
| Vivace | US$ 199 | US$ 159 | 10x créditos de agente, concorrência máxima do Swarm |
Fonte: preços de assinatura do Kimi. Vale destacar: a página traz um banner avisando que novos planos estão chegando e que os benefícios do Kimi e do Kimi Code serão divididos em produtos separados, então essa tabela está prestes a mudar.
Há um segundo custo que os gráficos não mostram: o K3 tende a consumir mais tokens que o Fable para terminar a mesma tarefa, o que empurra o preço efetivo para cima mesmo quando a taxa por token parece boa. Até os fãs admitem esse ponto em vez de negá-lo. Reserve orçamento para isso se você for rodar o K3 em loops longos de agentes.
O que mudou do K2 para o K3
Se você usou o K2, o salto é maior que uma simples atualização de versão. Aqui está a versão curta do que realmente mudou.
O tamanho quase triplicou, a eficiência de escalonamento melhorou cerca de 2,5x, e o raciocínio sempre ativo substituiu o interruptor de pensamento separado do K2. As duas mudanças que realmente vão moldar sua decisão são as que vão na direção "errada" para quem está migrando: o preço subiu para o território de carro-chefe, e os pesos abertos, todo o apelo do K2, chegam semanas após o lançamento em vez do primeiro dia. O entusiasmo é real, mas a ressalva também é, e a comunidade percebeu isso em questão de horas:
"Os pesos completos do modelo serão lançados até 27 de julho de 2026."
O quadro geral: um modelo aberto na fronteira
Tirando os detalhes específicos, aqui está o motivo pelo qual o K3 importou o suficiente para viralizar por uma semana: um modelo aberto, de um laboratório chinês, agora está trocando socos com a fronteira fechada. Para muita gente, isso é menos sobre o K3 em si e mais sobre uma linha que foi cruzada.
"É, alguns aqui estão em negação, mas o que muitos disseram que aconteceria realmente aconteceu. Eles não estão "seis meses atrás": o modelo é totalmente SOTA. Mais barato, mais rápido, e eles não apenas esmagam o Sonnet 5 e o Opus 4.8: em 6 dos 14 benchmarks que publicaram, o Kimi K3 está na frente do Fable."
Também há um ângulo de controle que continua surgindo: parte do apelo dos modelos abertos é não querer que um único laboratório decida o que um modelo vai ou não ajudar a fazer. Isso é algo razoável a se ponderar, especialmente se você planeja fazer fine-tuning ou hospedar localmente quando os pesos chegarem.
"Não acho ético apoiar ferramentas construídas de modo que uma autoridade central decida quais empreendimentos intelectuais e trabalhos de conhecimento são permitidos e quais não são."
Onde um modelo de fronteira para, e onde o trabalho de suporte começa
Agora a parte que mais me importa, porque eu construo agentes de IA para viver. É tentador ler um lançamento como esse e pensar "ótimo, é só conectar o melhor modelo e minha fila de suporte se resolve sozinha". Não funciona assim, e essa lacuna é exatamente onde a maioria dos projetos de suporte com IA falha silenciosamente.
Um modelo como o K3 te dá raciocínio puro. O que ele não te dá é qualquer ideia sobre sua política de reembolso, os casos extremos do seu produto, ou o fato de que o ticket #4021 é de um cliente VIP que já mandou e-mail duas vezes. Ele não tem memória dos seus tickets anteriores, nenhuma barreira para impedi-lo de inventar uma resposta com confiança, e nenhuma conexão com o helpdesk onde o trabalho realmente acontece. Uma pontuação de benchmark mais alta não conserta nada disso.
Passamos anos colocando IA em filas de suporte reais, e a lição que ficou é que um modelo que soa confiante dando uma resposta errada é pior do que nenhuma resposta. É por isso que o eesel AI roda uma simulação sobre seus tickets históricos antes de qualquer coisa ir ao ar, para que você veja a taxa de resolução e as respostas exatas em conversas passadas reais primeiro, não depois que um cliente se irrite. É também por isso que as respostas são roteadas por confiança: se o agente não tem certeza, ele redige para um humano ou escala em vez de arriscar um palpite. Em mais de 500 equipes, a Gridwise alcançou 73% de resolução de tickets de nível 1 já no primeiro mês fazendo assim.
O modelo por trás importa muito menos do que esse invólucro. E é essa a boa notícia silenciosa sobre o K3, o Fable 5, ou o que quer que vença no mês que vem: a fronteira continua ficando melhor e mais barata, e uma IA para atendimento ao cliente bem construída herda esses ganhos sem que você precise reconectar nada.
Experimente o eesel AI
Se você chegou até aqui porque quer que um modelo de IA de fato resolva tickets e não apenas converse, esse é exatamente o propósito do eesel AI. Ele se conecta ao Zendesk, Freshdesk, Slack e mais de 100 outras ferramentas, aprende com sua central de ajuda e tickets anteriores, e começa a redigir ou resolver em minutos, não semanas.
O diferencial é a rampa de confiança: simule com seu histórico real de tickets, veja os números, comece em modo rascunho e vá para totalmente autônomo só quando estiver satisfeito. Você ganha a inteligência do modelo de fronteira com barreiras de segurança feitas para suporte. Experimente o eesel grátis, sem necessidade de cartão de crédito.
Perguntas frequentes
O Kimi K3 é gratuito?
Quanto custa o Kimi K3?
O Kimi K3 é de código aberto?
O Kimi K3 é melhor que o Claude ou o GPT?
Posso usar o Kimi K3 para atendimento ao cliente?
Article by
Alicia Kirana Utomo
Kira is a writer at eesel AI with a Computer Science background and over a year of hands-on experience evaluating AI-powered customer service tools. She focuses on breaking down how helpdesk platforms and AI agents actually work so that support teams can make better buying decisions.
