Kimi K3: O que é? O Modelo Aberto Carro-Chefe de 2.8T da Moonshot

A Moonshot AI lançou o Kimi K3 em 16 de julho de 2026, chamando-o de “o primeiro modelo de classe 3T aberto do mundo”. Essa é uma grande afirmação, então vamos separar o marketing da engenharia. O K3 é um modelo Mixture-of-Experts de 2,8 trilhões de parâmetros com uma janela de contexto de 1 milhão de tokens, uma nova pilha de atenção e uma tabela de preços voltada diretamente para equipes de codificação. Ele foi lançado no mesmo dia em Kimi.com, Kimi Work, Kimi Code e na Kimi API, com a promessa de pesos completos até 27 de julho de 2026. Este guia é o centro para tudo o que você precisa para avaliá-lo: o que é, como é construído, quanto custa, onde se classifica e quem realmente deveria usá-lo.

TL;DR: O que é o Kimi K3?

Kimi K3 é o principal modelo de linguagem grande da Moonshot AI, lançado em 16 de julho de 2026. Ele usa um design Mixture-of-Experts de 2,8T parâmetros que ativa 16 de 896 especialistas por token, oferece uma janela de contexto de 1.048.576 tokens (1M) e é servido através do ID de modelo de API kimi-k3. O preço é de US$ 0,30 por milhão de tokens de entrada com cache-hit, US$ 3,00 por milhão de tokens de entrada com cache-miss e US$ 15,00 por milhão de tokens de saída. No Índice de Inteligência de Análise Artificial independente, ele pontua 57 e ocupa a 4ª posição entre 189 modelos. A própria publicação de lançamento da Moonshot afirma que o K3 ainda está atrás do Claude Fable 5 e do GPT-5.6 Sol, então é melhor considerá-lo como o modelo aberto mais forte próximo à fronteira, e não a própria fronteira. Os pesos completos abertos são esperados por volta de 27 de julho de 2026.

Por que o Kimi K3 é importante agora

A cada poucos meses, um laboratório chinês lança um modelo que redefine as expectativas do que você pode executar sem um contrato de API proprietário. O Kimi K3 é esse modelo para meados de 2026. O destaque não é a supremacia bruta em benchmarks. É a combinação de qualidade próxima à fronteira, um preço agressivo para cache-hit e a promessa de lançar os pesos completos em onze dias após o lançamento. Se essa promessa se cumprir, o K3 se torna o modelo mais capaz que você pode hospedar por conta própria, o que muda a matemática para qualquer um que esteja comparando uma conta de API com um cluster de GPU.

Se você constrói com APIs LLM, a questão prática é simples: você pode apontar seu cliente estilo OpenAI existente para kimi-k3 e obter uma saída útil sem reescrever sua pilha? A resposta é sim, porque a Moonshot oferece uma API compatível com o OpenAI-SDK. Isso também significa que você pode testar e depurar chamadas K3 nas ferramentas que já usa. O Apidog trata qualquer endpoint compatível com OpenAI como uma solicitação de primeira classe, então você pode enviar uma conclusão de chat em streaming para kimi-k3, inspecionar os eventos enviados pelo servidor token por token e observar as chamadas de ferramentas se resolverem antes de integrar o modelo ao código de produção.

Este post é o pilar para o cluster Kimi K3 mais amplo. Para análises aprofundadas, pule para o guia da API Kimi K3, o detalhamento de preços do Kimi K3 ou a análise de benchmarks do Kimi K3. Aqui, abordamos o quadro completo.

A identidade: o modelo mais capaz da Moonshot

A Moonshot AI posiciona o K3 como “nosso modelo mais capaz”, um avanço em relação à linha Kimi K2 que muitos desenvolvedores já conhecem. Se você usou o Kimi K2 ou o Kimi K2.7 Code focado em codificação, o K3 é a próxima geração dessa linhagem, reconstruída da camada de atenção para cima. A afirmação que mais chama a atenção é “o primeiro modelo de classe 3T aberto do mundo”. Duas palavras nessa frase importam.

“Aberto” é um fato do futuro próximo, não do dia do lançamento. No lançamento, o K3 está disponível por meio de produtos hospedados e da API paga, e a Moonshot se comprometeu a lançar “pesos completos do modelo até 27 de julho de 2026”. Então, se você está planejando uma implantação local, trate o acesso aberto como um evento programado cerca de uma semana e meia após o lançamento, não algo que você pode baixar no primeiro dia.

“Classe 3T” refere-se à escala. Com 2,8 trilhões de parâmetros totais, o K3 se enquadra na mesma categoria de peso dos maiores sistemas proprietários, embora apenas uma fração desses parâmetros seja ativada em qualquer token. Essa ativação esparsa é o que mantém a inferência acessível e é a razão pela qual o preço parece como é.

Arquitetura: o que há de novo sob o capô

O K3 não é uma cópia maior do K2. A Moonshot reconstruiu o núcleo com várias técnicas nomeadas, e as escolhas de design explicam tanto os ganhos de qualidade quanto os números de throughput.

Kimi Delta Attention (KDA). Este é um mecanismo de atenção linear híbrido que a Moonshot descreve como uma base eficiente para escalonar a atenção. A atenção do tipo linear mantém o crescimento da memória e da computação sob controle à medida que os comprimentos de contexto aumentam, o que torna uma janela de 1M de tokens prática em vez de teórica.

Attention Residuals (AttnRes). A Moonshot apresenta isso como uma substituição direta para as conexões residuais padrão. O objetivo declarado é recuperar seletivamente representações em toda a profundidade da rede, para que as informações das camadas anteriores permaneçam acessíveis mais profundamente na pilha. Em termos simples, isso ajuda o modelo a reter o contexto em vez de eliminá-lo camada por camada.

Stable LatentMoE. Esta é a camada de roteamento Mixture-of-Experts, e é onde a história “2.8T total, pequeno ativo” reside. O K3 possui 896 especialistas e ativa 16 deles por token, usando o que a Moonshot chama de Quantile Balancing para manter o roteamento estável durante o treinamento. A ativação esparsa significa que o modelo pode carregar trilhões de parâmetros de conhecimento enquanto paga apenas o custo computacional de uma rede muito menor no tempo de inferência.

A Moonshot também faz referência a componentes de suporte, incluindo Per-Head Muon, uma Sigmoid Tanh Unit (SiTU) e Gated MLA, além de pesos MXFP4 com ativações MXFP8 para quantização.

Especificações do Kimi K3 em resumo

Aqui está o instantâneo para marcar. Cada número abaixo vem da postagem de lançamento da Moonshot ou da lista independente da Artificial Analysis.

Essa tabela é a resposta rápida para a maioria das buscas por “verificação de especificações”. Para um modelo de custo linha a linha em relação ao seu próprio volume de tokens, o guia de preços do Kimi K3 apresenta os números.

A janela de contexto de 1M e por que o preço por cache-hit é a verdadeira história

Uma janela de contexto de 1.048.576 tokens coloca um codebase inteiro, um longo corpus de pesquisa ou uma transcrição de várias horas dentro de um único prompt. Isso é o básico na fronteira agora, mas a forma como o K3 precifica o contexto longo é o que o torna interessante para cargas de trabalho reais.

Olhe novamente para o preço de entrada: US$ 0,30 por milhão de tokens em um cache hit versus US$ 3,00 em um cache miss. Essa é uma diferença de 10x. A pilha de inferência da Moonshot, que eles chamam de inferência desagregada Mooncake, supostamente entrega uma taxa de cache hit acima de 90% em cargas de trabalho de codificação. Se seu padrão de uso reutiliza um grande contexto compartilhado, um prompt de sistema longo, uma grande árvore de arquivos, um bloco de instruções fixo, a maioria de seus tokens de entrada será cobrada pela taxa barata. Para loops de codificação agentic que reenviem o mesmo contexto de repositório em cada etapa, essa diferença se acumula rapidamente. Esta é a alavanca que torna o K3 competitivo em custo, mesmo que seu preço de saída por token esteja em território normal de fronteira.

A desvantagem aparece na velocidade. A Artificial Analysis mediu o K3 em cerca de 62 tokens por segundo de saída, abaixo da mediana de 72,7 para modelos de raciocínio em sua faixa de preço. O tempo para o primeiro token é de cerca de 1,99 segundos, o que é um pouco melhor do que a mediana da faixa. Portanto, o K3 é um modelo que "pensa muito, flui de forma constante" em vez de ser rápido, e sua configuração de raciocínio padrão tende para o máximo esforço de pensamento. Se a latência for mais importante do que a profundidade para o seu caso de uso, compare-o com uma faixa mais rápida antes de se comprometer.

Posicionamento honesto: forte, aberto, mas não a fronteira absoluta

Esta é a parte da história que muitos artigos de lançamento ignoram. A própria Moonshot traçou a linha claramente. O blog oficial de lançamento do Kimi K3 afirma que, embora o K3 “ainda esteja atrás dos modelos proprietários mais poderosos, Claude Fable 5 e GPT 5.6 Sol”, ele “demonstrou desempenho de nível de fronteira em nosso conjunto de avaliação”. Leia isso duas vezes, porque é uma rara demonstração de franqueza de um fornecedor de modelos.

Os números independentes apoiam a nuance. No Índice de Inteligência da Artificial Analysis, o K3 pontua 57 e ocupa a 4ª posição entre 189 modelos. Esse índice combina nove avaliações cobrindo tarefas agenticas, codificação, ciência e raciocínio, então um posicionamento entre os cinco primeiros é um sinal genuíno, não uma seleção arbitrária. Mas #4 também significa que três modelos estão à sua frente, e a Moonshot nomeia dois deles.

Então, como você deve enquadrar o K3? É o modelo de peso aberto mais forte perto da fronteira, e entre os modelos mais capazes que você pode executar sem um contrato proprietário, uma vez que os pesos forem lançados. Não é o melhor modelo do mundo, e você não deve comercializá-lo dessa forma para seus stakeholders. Se você precisa do limite absoluto em uma tarefa de raciocínio difícil, a fronteira fechada ainda vence. Se você precisa de qualidade próxima à fronteira com um caminho aberto e um preço efetivo baixo, o K3 é um forte candidato. Para um confronto direto sobre onde ele se posiciona em relação aos líderes fechados, veja Kimi K3 vs Claude Opus 4.8 e Kimi K3 vs GPT-5.6 Sol.

Onde você pode usar o Kimi K3 hoje

O K3 foi lançado em toda a superfície de produtos da Moonshot no primeiro dia. Aqui está a matriz de disponibilidade.

Se você vive no terminal, o Kimi Code é o ponto de entrada do agente de codificação; nosso guia Kimi Code CLI aborda o padrão de configuração da era K2, e o fluxo do K3 é semelhante. Se você quiser comparar o comportamento de codificação com o campeão anterior dessa linhagem, Kimi K3 vs Kimi K2.7 Code é o confronto direto. E se você preferir não pagar enquanto avalia, como usar o Kimi K3 gratuitamente cobre os caminhos sem custo.

Recursos que a API expõe

Para desenvolvedores, o modelo é apenas metade da história. A superfície da API decide o que você pode construir. O endpoint do K3 suporta os recursos que você esperaria de um modelo agentico sério:

• Cache de contexto (o mecanismo por trás da taxa de cache-hit de US$ 0,30)
• Chamadas de ferramentas e restrições de escolha de ferramentas
• Modo JSON e saída estruturada
• Modo parcial para conclusões controladas
• Pesquisa na internet
• Carregamento dinâmico de ferramentas
• Esforço de raciocínio configurável, incluindo uma configuração “máxima”

Esse conjunto de recursos significa que o K3 se encaixa em frameworks de agentes, pipelines de extração estruturada e aplicativos de chamada de função sem tratamento especial. A URL base segue o padrão estabelecido pela Moonshot, o endpoint Kimi compatível com OpenAI (confirme a URL base exata em platform.kimi.ai antes de codificá-la, já que o console foi movido para o novo domínio no lançamento). Aponte seu cliente OpenAI para esse endpoint, defina o modelo para kimi-k3, e seu código de chamada de ferramentas existente deve funcionar. O walkthrough completo de solicitação e resposta está no guia da API Kimi K3.

Testando o Kimi K3 antes de lançá-lo

Aqui é onde uma especificação de modelo se torna uma integração funcional. Antes de inserir o kimi-k3 em um loop de agente, você quer ver exatamente o que o endpoint retorna: como os tokens fluem, se as chamadas de ferramenta são acionadas na forma que você espera e como o modelo se comporta com o esforço máximo de raciocínio. Isso é um trabalho de teste de API, não de engenharia de prompt.

É aqui que o Apidog ganha seu lugar no fluxo de trabalho. Como o K3 fala o protocolo OpenAI, você pode adicionar seu endpoint de conclusões de chat como uma solicitação no Apidog, armazenar sua chave como uma variável de ambiente para que ela nunca chegue a uma coleção compartilhada e disparar uma chamada com stream: true. O Apidog renderiza o fluxo de eventos enviado pelo servidor para que você possa ler os pedaços delta conforme eles chegam, que é a maneira mais rápida de confirmar que seu analisador de streaming lidará com a saída do K3. Ao enviar uma solicitação com ferramentas definidas, você pode inspecionar o payload exato de tool_calls que o modelo retorna e validar os argumentos em relação ao seu esquema antes que uma única linha de código de agente seja executada.

Perguntas frequentes

O que é o Kimi K3? Kimi K3 é o principal modelo de linguagem grande da Moonshot AI, lançado em 16 de julho de 2026. É um modelo Mixture-of-Experts de 2,8 trilhões de parâmetros com uma janela de contexto de 1M de tokens, servido através do ID de modelo de API kimi-k3 e dos produtos de consumidor e desenvolvedor da Moonshot. A Moonshot o descreve como “o primeiro modelo de classe 3T aberto do mundo”.

Quantos parâmetros o Kimi K3 possui? O K3 tem 2,8 trilhões de parâmetros totais e usa roteamento Mixture-of-Experts que ativa 16 de 896 especialistas por token. A Moonshot não publicou uma contagem exata de parâmetros ativos, então evite citar um número específico de bilhões de ativos como um fato. O número preciso que eles divulgaram é “16 de 896 especialistas”.

Quanto custa a API Kimi K3? O preço é de US$ 0,30 por milhão de tokens de entrada com cache-hit, US$ 3,00 por milhão de tokens de entrada com cache-miss e US$ 15,00 por milhão de tokens de saída. A inferência Mooncake da Moonshot, segundo relatos, atinge uma taxa de cache-hit acima de 90% em cargas de trabalho de codificação, portanto, os custos efetivos de entrada são baixos em tarefas repetitivas e com uso intensivo de contexto. O modelo completo está no detalhamento de preços.

O Kimi K3 é de código aberto? Não no dia do lançamento. A Moonshot comprometeu-se a lançar os pesos completos do modelo até 27 de julho de 2026. Até então, você acessa o K3 por meio dos produtos hospedados e da API paga. Depois que os pesos forem liberados, você poderá auto-hospedá-lo, o que é a base para a descrição “classe 3T aberta”.

O Kimi K3 é melhor que o Claude Fable 5 ou o GPT-5.6 Sol? Não, e a Moonshot diz isso diretamente. A publicação de lançamento afirma que o K3 “ainda está atrás dos modelos proprietários mais poderosos, Claude Fable 5 e GPT 5.6 Sol,” enquanto o chama de desempenho de nível de fronteira. No Artificial Analysis Intelligence Index, ele pontua 57 e ocupa a 4ª posição entre 189, então está perto do topo, mas não em primeiro lugar.

Posso usar o Kimi K3 com o OpenAI SDK? Sim. A API da Moonshot é compatível com o OpenAI-SDK. Aponte seu cliente para o endpoint Kimi compatível com OpenAI (confirme a URL base exata em platform.kimi.ai), defina o modelo para kimi-k3 e seu código existente de conclusões de chat e chamadas de ferramentas deve funcionar. Você pode verificar as formas de solicitação e resposta no Apidog antes de integrá-lo ao seu aplicativo.

Qual a velocidade do Kimi K3? A Artificial Analysis mediu cerca de 62 tokens de saída por segundo, abaixo da mediana da faixa de preço de 72,7, com um tempo para o primeiro token próximo a 1,99 segundos. O K3 prioriza a profundidade em detrimento da velocidade, e sua configuração padrão de raciocínio usa o máximo de esforço de pensamento. Compare-o com um modelo mais rápido se a latência for sua restrição.

Como o Kimi K3 se compara ao Kimi K2.7 Code? O K3 é o carro-chefe da próxima geração acima da linha K2, com uma pilha de atenção reconstruída e aproximadamente 2,5 vezes melhor eficiência de escalonamento do que o K2, de acordo com a Moonshot. O K2.7 Code continua sendo uma forte opção específica para codificação. A comparação direta está em Kimi K3 vs Kimi K2.7 Code.