Kimi K3 chegou: o "Fable 5 chinês" que bate o Opus 4.8 — o que é real nos benchmarks

A cada trimestre a cena se repete: sai um modelo chinês novo, a timeline decreta a morte dos modelos fechados, e duas semanas depois ninguém lembra o nome. GLM, DeepSeek, MiniMax, Qwen. O roteiro é conhecido.

Só que dessa vez os números não vieram do marketing. A Moonshot AI lançou o Kimi K3 em 16 de julho e ele estreou em 3º lugar no índice da Artificial Analysis — acima do Claude Opus 4.8 — e em 1º lugar no Frontend Code Arena, acima até do Fable 5. Com pesos abertos prometidos pra 27 de julho e preço de Sonnet.

Este post separa o benchmark verificável do hype de timeline: os números reais, a conta honesta do preço (spoiler: o "5x mais barato" que circula por aí não fecha), o que a comunidade ainda desconfia e como testar hoje. E como a notícia tem menos de 48 horas, este é um post vivo: vamos atualizar conforme os testes independentes saírem.

TL;DR

• O que é: Kimi K3, LLM da Moonshot AI — MoE de 2,8 trilhões de parâmetros (16 de 896 experts ativos), contexto de 1 milhão de tokens, multimodal nativo. Maior modelo open-weight já anunciado.
• Benchmarks: 57 no Intelligence Index da Artificial Analysis (Opus 4.8: 56) e #1 no Frontend Code Arena com 1679 pontos, passando o Fable 5.
• Custo/acesso: US$ 3 de entrada / US$ 15 de saída por milhão de tokens (cache hit: US$ 0,30). Já disponível via API da Moonshot e no OpenRouter como moonshotai/kimi-k3.
• Pesos: liberação completa prometida até 27 de julho. Até lá, "open" é promessa, não fato.

O que a Moonshot lançou, exatamente

O K3 não é só "mais um modelo grande". O anúncio oficial traz decisões de arquitetura que explicam como um modelo de 2,8T consegue ser servido a preço de Sonnet:

• MoE agressivo: dos 2,8 trilhões de parâmetros, só 16 de 896 experts ativam por token. Você paga (em compute) uma fração do tamanho total.
• Kimi Delta Attention (KDA): atenção linear híbrida que, segundo a Moonshot, decodifica até 6,3x mais rápido em contexto de 1M de tokens.
• Quantização nativa: pesos em MXFP4 e ativações em MXFP8, com treino quantization-aware desde o SFT — o modelo já nasce otimizado pra inferência barata, não é quantizado depois.

Conceito, aplicação, impacto: arquitetura esparsa + atenção linear + quantização nativa é o que transforma "modelo gigante que existe" em "modelo gigante que dá pra vender a US$ 3 o milhão de tokens". Vieram duas variantes: K3 Max (chat e agentes) e K3 Swarm Max (processamento paralelo em escala), segundo o SiliconANGLE.

O mercado sentiu: ações de IA e semicondutores caíram na sexta com investidores revivendo o "momento DeepSeek" de 2025.

Os benchmarks: onde o Kimi K3 realmente bate o Opus 4.8

Vamos ao que é verificável, com fonte:

• Artificial Analysis Intelligence Index: K3 marca 57, contra 56 do Claude Opus 4.8 (adaptive reasoning, max effort). Isso coloca o K3 em 3º entre os modelos do ranking — atrás apenas do Claude Fable 5 (59,9 na versão Max) e do GPT-5.6 Sol. É a primeira vez que um open-weight passa um Opus de geração atual no índice agregado. Comparativo direto aqui.
• Frontend Code Arena: #1 com 1679 pontos, passando o Fable 5 — e um salto de 17 posições sobre o K2.6, que estava em #18. O K3 ficou em 1º em 6 dos 7 domínios de frontend (Brand & Marketing, Reference-Based Design, Data & Analytics, etc.), perdendo só em Gaming pro Fable 5.
• Benchmarks próprios da Moonshot: 90,4 no BrowseComp e 67,3 no DeepSWE, segundo o anúncio oficial. Número de vendor: trate como claim até replicarem.

Repare na diferença de natureza entre as fontes. Artificial Analysis e Arena são medições de terceiros; a tabela da Moonshot é material de lançamento. As duas primeiras sustentam manchete; a terceira sustenta hipótese. Se você quer treinar esse músculo de leitura, a gente destrinchou o método em como interpretar benchmarks na prática.

O preço do Kimi K3 (e o "5x mais barato" que não fecha)

Aqui entra a parte que ninguém checa. Circula na timeline que o K3 entrega "nível Opus por 5x menos". Vamos fazer a conta com os preços oficiais:

A conta real: o K3 custa 1,7x menos que o Opus 4.8 e 3,3x menos que o Fable 5. Em nenhuma comparação honesta dá 5x. É mais barato que o topo fechado? É. É a pechincha que a timeline vende? Não. Até o hype do preço veio benchmaxxed.

E tem o movimento inverso que quase ninguém comentou: o K3 é 3x mais caro que o próprio K2.6 (US$ 0,95/4,00) e o dobro do GLM 5.2. Como observou o The Decoder, o K3 sinaliza o fim da era da IA chinesa ultra-barata: quando o modelo encosta na fronteira, o preço encosta também. Faz sentido — servir 2,8T de parâmetros, mesmo esparsos, não sai de graça.

Pro dev que roda agente de código o dia inteiro, a referência prática: US$ 3/15 é exatamente o preço do Claude Sonnet 5. Ou seja: a aposta da Moonshot é entregar resultado de Opus cobrando Sonnet.

"Benchmaxxed"? O ceticismo que sobrou

Todo lançamento chinês passa pelo mesmo ritual: números espetaculares no dia 1, e a pergunta inevitável — o modelo é bom ou foi treinado pra parecer bom nos benchmarks? O termo da comunidade é benchmaxxed, e a desconfiança tem lastro histórico: já vimos modelo voar em leaderboard e tropeçar no primeiro repositório de verdade.

O que temos de teste independente até agora é pouco e aponta nuance. O Simon Willison rodou o K3 no clássico teste do pelicano de bicicleta em SVG: o resultado veio bom, mas o modelo queimou 13.241 tokens de reasoning numa tarefa simples — US$ 0,25 num prompt de 95 tokens. O próprio Willison faz a ressalva que importa: benchmark de desenho não mede o que define um modelo em 2026, que é tool calling agêntico e confiabilidade em sessões longas. E é exatamente aí que ainda não há avaliação independente do K3.

Fica o resumo honesto: os números de terceiros (Artificial Analysis, Arena) são reais e impressionantes. O que falta é o teste que benchmark nenhum captura — soltar o modelo num harness de agente, num codebase de verdade, por horas. A gente fez exatamente esse tipo de teste no comparativo Opus 4.8 vs Minimax M3 vs Qwen 3 local, e a lição de lá vale aqui: número de leaderboard te diz quem convidar pro teste, não quem contratar.

[ATUALIZAÇÃO — este bloco será editado conforme saírem testes independentes de uso agêntico do K3.]

O pano de fundo: open source virou política de Estado

O timing do lançamento não é acaso. Dias antes, Xi Jinping abriu a WAIC em Xangai — primeira aparição dele no evento — dizendo que IA "não deve ser um show solo de um único país, mas uma sinfonia de cooperação internacional" e colocando open source como diretriz explícita da estratégia chinesa de IA.

Traduzindo a geopolítica pra engenharia: os labs chineses não abrem pesos por altruísmo, abrem porque é a arma competitiva disponível contra o trio fechado americano. E isso produz um efeito colateral ótimo pra quem constrói: a cada trimestre, o melhor modelo que você pode baixar e rodar na sua infra fica melhor. Foi assim com o GLM 5.2 encostando no Opus em código, e é assim agora com o K3 passando o Opus no índice agregado.

Como testar o Kimi K3 hoje

Sem esperar os pesos:

• API/OpenRouter: o modelo já está no OpenRouter como moonshotai/kimi-k3, a US$ 3/15, servido pela própria Moonshot. Plugou a key, apontou o harness, testou.
• App e web: disponível no kimi.com e nos apps da Moonshot.
• Self-host: só depois de 27 de julho, quando os pesos saírem. E vale o alerta de sempre: 2,8T de parâmetros, mesmo em MXFP4, é infra séria — espere requisitos na casa de múltiplos nós de GPU, não "roda na 4090".

Um cuidado que repetimos em todo modelo chinês: usar a API significa dado trafegando pra infra da Moonshot. Pra código proprietário ou dado de cliente, leia os termos antes — ou espere os pesos e rode em casa, que é justamente o superpoder do open-weight.

FAQ rápido

Kimi K3 é de graça? O chat no kimi.com tem uso gratuito. A API é paga: US$ 3 por milhão de tokens de entrada e US$ 15 de saída. Os pesos serão abertos até 27 de julho — aí rodar "de graça" vira questão de quanto custa sua GPU.

Kimi K3 funciona bem em português? A Moonshot não publicou benchmark específico de português. A geração anterior (K2) já era utilizável em pt-BR, e modelos desse porte tendem a ir bem em línguas latinas. Nosso teste em português entra na próxima atualização deste post.

Posso usar comercialmente? Via API, sim, nos termos da Moonshot/OpenRouter. Via pesos, depende da licença que sair dia 27 — a expectativa é Modified MIT, como no K2, que permite uso comercial. Confirme a licença publicada antes de embarcar em produto.

Kimi K3 é melhor que o Claude? Nos índices agregados ele passa o Opus 4.8 e fica atrás do Fable 5 e do GPT-5.6 Sol. Em frontend, lidera a Arena. Mas "melhor" pra quem constrói é o que sobrevive no seu caso de uso — roda o candidato no seu pipeline com seus dados antes de migrar qualquer coisa.

Conclusão: hype ou virada?

Os dois, e é por isso que a notícia importa. A virada é real: um modelo de pesos abertos estreou acima do Opus 4.8 num índice independente e no topo de uma arena de código — isso nunca tinha acontecido. O hype também é real: o "5x mais barato" não resiste a uma divisão simples, os benchmarks da própria Moonshot ainda não foram replicados, e o teste que decide de verdade — agente rodando por horas em código de produção — ninguém publicou ainda.

Nossa recomendação é a de sempre: não migre nada por manchete. Coloque o moonshotai/kimi-k3 no seu harness, rode seus evals, compare com o que você usa hoje — do jeito que fizemos quando o Fable 5 voltou e a conta de qual modelo usar mudou de novo. Testar modelo novo em pipeline real, aliás, é o que a gente faz toda semana, ao vivo, no Clã Beer and Code — a maior comunidade de engenharia de IA do Brasil, com gente aplicando isso em produto de verdade, não só lendo leaderboard.

Este post será atualizado conforme saírem os pesos (27/07), a licença final e os primeiros testes agênticos independentes. Volta aqui.