O maior modelo da Moonshot não tem regulador de esforço

Um modelo de classe 3T lançado com uma única definição

A Moonshot AI pôs o Kimi K3 no mundo a 16 de julho com uma frase que faz o marketing por si: o primeiro modelo aberto de classe 3T do mundo, concebido para inteligência de fronteira em programação de horizonte longo, trabalho de conhecimento e raciocínio. A especificação por trás da frase é real. O K3 carrega 2,8 biliões de parâmetros totais numa arquitetura de mistura de especialistas que ativa 16 de 896 especialistas em cada token, assente naquilo a que a Moonshot chama Kimi Delta Attention e Attention Residuals, treinado com consciência de quantização para que os pesos fiquem em MXFP4 e as ativações em MXFP8. A janela de contexto nativa é de um milhão de tokens. A visão não vem aparafusada por cima no fim: o modelo aceita imagens e vídeo diretamente.

O detalhe que governa a sua fatura não está no anúncio. Está na documentação de arranque rápido. A Moonshot descreve o raciocínio do K3 como configurável de origem, com uma profundidade de pensamento que se define a cada chamada, e nota logo a seguir que essa definição suporta atualmente apenas o nível de esforço máximo. Leia isso duas vezes, porque inverte o arranjo habitual. Na maioria das APIs de fronteira, o controlo de esforço é a forma de comprar uma resposta barata para uma pergunta barata. No K3, hoje, há uma única mudança. O modelo raciocina no máximo tanto no pedido trivial como no difícil, e o contador não conhece a diferença.

Todo o resto da interface está construído para quem tenciona gastar. A cache de contexto corre automaticamente, sem identificador de cache para gerir e sem tempo de vida para afinar. As definições de ferramentas carregam dinamicamente, em vez de irem em cada pedido. A saída estruturada é validada face a um esquema. O streaming separa os tokens de raciocínio dos tokens de resposta, pelo que pode ver o modelo a pensar num canal e a escrever noutro. São as caraterísticas de um sistema que conta com sessões longas, caras e agênticas, e a Moonshot construiu a canalização exatamente para isso.

O modelo aberto que não pode descarregar antes de 27 de julho

A palavra aberto está a fazer onze dias de trabalho não pago. O anúncio da Moonshot afirma que os pesos completos do K3 serão publicados a 27 de julho. Até lá, o primeiro modelo aberto de classe 3T do mundo só está ao seu alcance por uma via: através da API paga da Moonshot, nos servidores da Moonshot, em Pequim, sob os termos que vigorarem nessa manhã. Todas as propriedades que tornam um modelo de pesos abertos digno de escolha, a capacidade de o inspecionar, de o alojar dentro do seu próprio perímetro, de fixar uma versão que ninguém lhe pode retirar por baixo, de sair sem uma migração, chegam na data posterior. O que chegou a 16 de julho é um produto fechado com um lançamento em código aberto agendado.

A licença também não aterrou. A Moonshot lançou a família K2 sob uma licença MIT modificada, razão pela qual o K2 se tornou um dos modelos de pesos abertos genuinamente utilizáveis e não um dos meramente descarregáveis, e a expectativa em toda a indústria é que o K3 siga o mesmo caminho, com um relatório técnico ao lado dos pesos. Expectativa é a palavra certa. Não há ficha de modelo publicada, não há texto de licença e não há ficheiro de pesos, pelo que a organização a quem já disseram que o modelo é aberto ouviu algo que está agendado e não algo que é verdade. A distância entre esses dois estados é a totalidade da sua revisão jurídica.

Isto não é uma acusação de má-fé. É um problema de calendário, e os problemas de calendário são os que reiniciam discretamente uma decisão de compra. A equipa que avalia o K3 esta semana está a avaliar a API. As conclusões, os números de latência, o custo por tarefa, a qualidade na sua própria carga de trabalho, tudo isso descreve um serviço alojado. A 27 de julho aparece um artefacto diferente, e a posição honesta é que ainda não o testou. Se o plano alguma vez passou por correr o K3 em hardware seu, a avaliação que interessa ainda não começou, e a que está a fazer agora mede a infraestrutura de outra pessoa.

Quinze dólares por milhão, e respostas que levam meia hora

O K3 custa 0,30 dólares por milhão de tokens num acerto de cache, 3 dólares por milhão numa falha de cache e 15 dólares por milhão na saída, ou cerca de 0,26, 2,60 e 13 euros. A diferença de dez para um entre um acerto e uma falha de cache é o número mais ruidoso dessa lista, e é a razão pela qual a Moonshot tornou a cache automática. Uma carga de trabalho que reutiliza um prefixo longo, a mesma base de código, o mesmo documento de política interna, o mesmo ficheiro de cliente, paga um décimo do que paga uma carga que chega fria. Uma carga que reconstrói o contexto a cada chamada encontra o caminho caro sozinha, e nada na API o avisa.

A saída é onde um modelo só de esforço máximo se torna interessante, porque os tokens de raciocínio são tokens de saída. A Moonshot descreveu o K3 como um modelo construído para raciocínio profundo e não para resposta rápida, e foram reportadas gerações de mais de 30 minutos nas tarefas mais pesadas. Um modelo que pensa no máximo por omissão, cobra o pensamento a 13 euros por milhão e pode passar meia hora num único pedido não tem preço por token de nenhuma maneira que uma equipa financeira consiga usar. Tem preço por tarefa concluída, e o único número que significa alguma coisa é quanto custa um trabalho terminado na sua própria carga de trabalho.

Portanto, meça a tarefa, não o token. Tire dez trabalhos reais da fila, aqueles que de facto entregaria a um modelo, corra-os de ponta a ponta e divida. Esse valor é comparável ao valor diário de um prestador e ao modelo mais barato que já tem a correr, e é o único valor que sobrevive ao contacto com um orçamento. A taxa por milhão na página de preços quase nada lhe diz quando é o modelo a decidir quanto tempo pensa, e hoje não tem instrução para pensar pouco.

A Moonshot publicou os testes em que perde

A linha mais útil do lançamento é a que concede. A Moonshot afirma que, entre os modelos que testou, a inteligência global do K3 fica em segundo lugar, apenas atrás do Claude Fable 5 e do GPT-5.6 Sol. Os laboratórios não são obrigados a dizer isso, e a maioria encontra um gráfico onde fica em primeiro. Por baixo, os números são específicos e mistos de propósito: GPQA-Diamond em 93,5, MathVision com Python em 97,8, Terminal Bench 2.1 em 88,3, DeepSWE em 67,5 e BrowseComp em 91,2. Nas avaliações agênticas, a Moonshot põe o K3 à frente da fronteira perante a qual noutros pontos se curva, com o GDPval-AA v2 em 1687 face aos 1600 do Claude Opus 4.8 Max, e o AA-Briefcase em 1527 face aos 1495 do GPT-5.6 Sol Max.

Leia essa forma, e não as pontuações isoladas. A afirmação não é que o K3 é o melhor modelo. A afirmação é que o K3 está perto o suficiente na inteligência geral e à frente no trabalho longo, com ferramentas, de navegar e agir, que é a carga de trabalho para a qual foi projetado e apreçado. Um fornecedor que nomeia o Fable 5, o GPT-5.6 Sol, o Opus 4.8, o GPT-5.5 e o GLM-5.2 na sua própria tabela de comparação escolheu o campo em que quer ser julgado, e disse-lhe discretamente quais das suas tarefas espera ganhar.

O dinheiro concorda com o posicionamento. A ronda mais recente da Moonshot avalia a empresa em cerca de 31,5 mil milhões de dólares, à volta de 27 mil milhões de euros, depois de uma ronda de maio de 2 mil milhões de dólares a uma avaliação de 20 mil milhões de dólares. Uma empresa cuja avaliação subiu metade em dois meses não precisa de ganhar um teste de referência. Precisa que as empresas acreditem que a distância até à fronteira fechada é pequena o suficiente para deixarem de pagar por ela. Publicar um segundo lugar é uma forma mais barata de sustentar esse argumento do que reclamar um primeiro.

Três coisas a resolver antes de os pesos chegarem

Primeiro, decida qual dos K3 está a comprar, porque são dois e chegam com onze dias de intervalo. Se a resposta for a API, então a história dos pesos abertos é marketing que não se lhe aplica, e o K3 tem de ser julgado como um serviço de fronteira chinês alojado, pelo preço, pela latência, pelo tratamento de dados e pelos termos que se colam aos seus prompts. Se a resposta forem os pesos, então nada do que aprender esta semana se transfere, o texto da licença é um documento de passagem e não uma formalidade, e a avaliação a sério começa a 27 de julho, em hardware que controla.

Segundo, descubra quanto custa um trabalho antes de o descobrir em produção. Corra as suas dez tarefas reais mais difíceis, registe o tempo de relógio e o total de tokens de saída, incluindo o raciocínio, e compare o número com o modelo que corre hoje. Um modelo só de esforço máximo, com um teto de 30 minutos e uma taxa de saída de 13 euros por milhão, pode ser excelente valor num trabalho que antes ocupava um especialista uma manhã inteira, e indefensável num pedido a que um modelo pequeno responde em quatro segundos. O mesmo modelo, a mesma lista de preços, veredictos opostos, e a variável que decide é a sua carga de trabalho e não a tabela de testes.

Terceiro, ponha no papel o que acontece se a definição de esforço ficar soldada no máximo. A documentação da Moonshot diz atualmente, uma palavra com um roteiro por trás e nenhuma data agarrada. Se um nível de esforço mais baixo for lançado, o K3 passa a ser um modelo de duas velocidades e o caso de custo muda por completo. Se não for, então tem a correr um modelo a quem não pode pedir pressa, e a mitigação é arquitetural e não comercial: encaminhe as perguntas baratas para outro lado e reserve o K3 para o trabalho que merece meia hora. Decida isso agora, enquanto é uma escolha de desenho, em vez de no primeiro mês, quando já é uma fatura.

Leia a seguir: OpenAI reduz para metade o preço da IA do dia a dia  |  Grok 4.5 perde os benchmarks e ganha a fatura