A Moonshot AI apresentou o Kimi K3, seu modelo carro-chefe mais capaz até hoje, com 2,8 trilhões de parâmetros. O anúncio foi feito na plataforma oficial da empresa, platform.kimi.ai, que destaca a arquitetura inovadora e a promessa de liberação dos pesos até 27 de julho de 2026.

O Kimi K3 é construído sobre duas novidades arquiteturais: o Kimi Delta Attention (KDA), um mecanismo de atenção linear híbrido, e o Attention Residuals (AttnRes). Essas mudanças foram projetadas para melhorar o fluxo de informações em sequências longas e modelos mais profundos.

O modelo também traz compreensão visual nativa e uma janela de contexto de 1 milhão de tokens. É o primeiro modelo open source do mundo na classe de 3 trilhões de parâmetros, segundo a plataforma.

A empresa afirma que o K3 é voltado para cenários de inteligência de fronteira, como codificação de longo horizonte, trabalho de conhecimento e raciocínio. A Moonshot AI está trabalhando com parceiros de inferência e mantenedores de open source para alinhar detalhes técnicos e garantir um lançamento confiável no ecossistema.

Os pesos completos do modelo serão liberados até 27 de julho de 2026. Mais detalhes sobre arquitetura, treinamento e avaliação serão publicados no relatório técnico do Kimi K3.

Escala inédita em open source

O Kimi K3 é o primeiro modelo open source a atingir 2,8 trilhões de parâmetros. Esse é o passo mais recente no esforço contínuo da Kimi para expandir os limites de escala: em 9 dos últimos 12 meses (julho de 2025 a julho de 2026), os modelos Kimi mantiveram a fronteira em escala de modelos abertos.

A arquitetura usa o Stable LatentMoE, um framework que aumenta a esparsidade do Mixture of Experts (MoE). O modelo ativa eficientemente 16 dos 896 especialistas. Combinado com melhorias em metodologia de treinamento e receitas de dados, o K3 tem aproximadamente 2,5 vezes a eficiência de escala geral do K2, convertendo computação em capacidade de forma mais eficaz.

Codificação e trabalho de conhecimento

O Kimi K3 tem fortes capacidades de codificação de longo horizonte. Com supervisão humana mínima, ele pode sustentar tarefas de engenharia de longa duração, entender e trabalhar com grandes bases de código e coordenar ferramentas de terminal.

O modelo também se destaca em tarefas que combinam engenharia de software e raciocínio visual. Ele pode usar capturas de tela e feedback visual para melhorar fluxos de trabalho em desenvolvimento de jogos, engenharia de frontend, CAD e cenários relacionados.

No trabalho de conhecimento, o K3 avança em tarefas de ponta a ponta. Além dos benchmarks públicos, o Kimi K3 (max) mostra ganhos consistentes em avaliações internas, que refletem padrões recorrentes de tarefas e desafios de fluxos de trabalho reais de colaboração agente-usuário. O modelo demonstra vantagens consistentes em fluxos de trabalho orientados à produção.

Acesso e requisitos

O Kimi K3 é um modelo carro-chefe: ele é desbloqueado após uma recarga bem-sucedida (mínimo de US$ 1). O valor acumulado da recarga também determina o nível da conta e os limites de taxa (concorrência, RPM, TPM, TPD).

Para começar, é necessário Python 3.9+ e o SDK da OpenAI. O modelo sempre tem o modo de raciocínio ativado e suporta configuração do esforço de raciocínio com o campo de solicitação de nível superior reasoning_effort, que aceita low, high e max (padrão max).

Para conversas de múltiplas voltas e chamadas de ferramenta, é preciso adicionar a mensagem completa do assistente retornada pela API à próxima solicitação. Não mantenha apenas o content.

Streaming, visão e saída estruturada

O streaming fornece deltas separados de reasoning_content e content da resposta final. Para mensagens de visão, o content deve ser um array de objetos, não uma string serializada. Não há suporte a URLs públicas de imagem; use base64 ou ms://<file-id>.

Para saída estruturada, use json_schema com strict: true para restringir o content final da mensagem. Analise apenas esse campo, não o reasoning_content.

O modo parcial permite continuar a partir de um prefixo de texto, adicionando uma mensagem do assistente com partial=True no final de messages.

Ferramentas e cache

O K3 suporta tool_choice='required' no primeiro turno para exigir pelo menos uma chamada de ferramenta. Após cada execução, retorne a mensagem completa do assistente e anexe um resultado de ferramenta com o tool_call_id correspondente.

O carregamento dinâmico de ferramentas permite colocar uma definição completa de ferramenta em uma mensagem de system sem content. A declaração entra em vigor na posição em messages e deve ser mantida no histórico posterior.

O cache de prefixo é ativado apenas quando os tokens de prompt da solicitação anterior excedem 256. Se forem menores, a solicitação não é armazenada em cache e é descartada.

Ferramentas oficiais e limites

As ferramentas oficiais são integradas via Formula: busque as definições no endpoint /tools, adicione-as ao campo tools do Chat Completions e, quando o modelo retornar tool_calls, envie cada nome de função e argumentos ao endpoint /fibers. Adicione a mensagem completa do assistente e a saída do Fiber como mensagem de ferramenta correspondente.

Limites importantes: max_completion_tokens padrão é 131072 e pode ser configurado até 1048576. temperature=1.0, top_p=0.95, n=1, presence_penalty=0 e frequency_penalty=0 são fixos e devem ser omitidos. A busca na web está sendo atualizada e não é recomendada para produção no curto prazo.

Preço e FAQ

O Kimi K3 oferece contexto de 1M de tokens e usa preço pré-pago uniforme, sem camadas por comprimento de contexto. Entrada (com taxas separadas para cache hit e miss) e saída são cobradas por token. Não é possível desligar o chain-of-thought: o K3 sempre pensa. Se o raciocínio demorar muito, defina reasoning_effort para low.

O lançamento do Kimi K3 representa um marco para o open source, trazendo escala de trilhões de parâmetros para a comunidade. A expectativa é que o modelo impulsione avanços em codificação, raciocínio e trabalho de conhecimento, consolidando a posição da Kimi na fronteira da IA aberta.