48 horas, uma onda de choque planejada há muito tempo.
Em 18 de julho de 2026, a Moonshot AI lançou o Kimi K3. Em 48 horas, o cenário global de IA mostrou rachaduras visíveis. Na noite de 19 de julho, a Kimi publicou um anúncio que jamais quis escrever: capacidade de computação esgotada, novas assinaturas suspensas, toda a capacidade restante reservada para os usuários existentes. Um modelo tão quente que derrubou os próprios servidores — algo raro até nesse setor.
Nos mercados, no primeiro pregão após o lançamento do K3, a NVIDIA perdeu cerca de US$ 111 bilhões em valor de mercado em uma única sessão; o Índice de Semicondutores da Filadélfia caiu 12,5% na semana, sua pior marca em 15 meses, e os estrategistas do JPMorgan o chamaram abertamente de “DeepSeek 2.0”. A reação da Anthropic talvez seja a mais reveladora: ela planejava retirar o Fable 5 das assinaturas para migrar para cobrança puramente por uso — e, um dia após o lançamento do K3, reverteu o rumo, mantendo o Fable 5 nos planos de assinatura permanentemente e emitindo créditos de compensação aos usuários como gesto de boa vontade. E David Sacks, ex-zar da IA dos EUA, publicou que um modelo chinês havia conquistado, pela primeira vez, o primeiro lugar em codificação frontend, acrescentando: nesse ritmo, a América perde a corrida da IA. O que o K3 realmente fez para desencadejar tudo isso?
Deconstruindo o K3: o primeiro deploy em massa do RL Scaling
Para entender o K3, é preciso voltar a 2024, quando Yang Zhilin compartilhou internamente o modelo K0-Math e defendeu uma tese: a próxima lei de escalabilidade é a RL (Reinforcement Learning) Scaling. A antiga lei de escala era a memorização mecânica — alimentar o modelo com um oceano de dados para que ele montasse, na hora do teste, a resposta mais plausível (predição do próximo token). O RL Scaling muda a tarefa: não memorize respostas; aprenda a treinar, dar notas a si mesmo, descobrir onde errou, corrigir, repetir até acertar — e então registrar o processo como experiência. O K0-Math usou exatamente essa lógica para superar o OpenAI o1 em matemática. O K3 é a primeira extensão em larga escala do RL Scaling do raciocínio matemático para todos os cenários.
O “Vision in the Loop” do relatório técnico é essa extensão aplicada a trabalhos visualmente verificáveis: o modelo escreve código, olha o resultado, corrige o que está errado, olha de novo — um fluxo completo de gerar → inspecionar → iterar. As demonstrações confirmaram: um jogo 3D de mundo aberto escrito do zero (Three.js mais WebGPU) e um trailer de lançamento com precisão de frame, editado pelo próprio modelo a partir de 56 clipes-fonte — com as transições caindo exatamente no frame em que a batida do tambor atinge o ponto mais forte.
Os números concretos
O K3 é o primeiro modelo open-source de classe 3 trilhões do mundo, com 2,8T de parâmetros totais. Sua atenção híbrida linear KDA (Kimi Delta Attention) acelera a decodificação de um milhão de tokens em 6,3×, e os Attention Residuals adicionam cerca de 25% de eficiência de treino a menos de 2% de custo extra. A Artificial Analysis dá ao K3 nota 57 em seu Intelligence Index — terceiro lugar global, atrás de Claude Fable 5 (60) e GPT-5.6 Sol (59), à frente de Claude Opus 4.8 (56), GPT-5.5 e GLM-5.2. Em custo-benefício: US$ 0,94 por tarefa, próximo dos US$ 1,04 do GPT-5.6 Sol e metade dos US$ 1,80 do Claude Opus 4.8.
As quatro ondas de choque do K3
Onda um — usuários: o pico de carga revelou demanda real
Em 48 horas, as requisições superaram em muito as previsões e levaram o cluster ao limite — evidência de que a demanda por modelos de alta qualidade e baixo custo foi massivamente subestimada. A Kimi dividiu sua assinatura em benefícios Kimi e benefícios Kimi Code para alocar a computação com mais precisão. Enquanto isso, a imprensa estrangeira relatou que a Kimi circulou uma resolução para acionistas buscando aprovação para um IPO em Hong Kong em até seis meses, com avaliação possivelmente acima de US$ 30 bilhões. O ARR saltou de US$ 100 milhões em março para quase US$ 300 milhões em junho — triplicando em um trimestre e crescendo várias vezes novamente após o K3 — com o negócio de API já respondendo por mais de 70% da receita. A estrutura de receita girou completamente para B2B.
Onda dois — mercados: o frio do DeepSeek 2.0
A perda de US$ 111 bilhões da NVIDIA em um único dia rima exatamente com o choque do DeepSeek, em janeiro de 2025. Não é coincidência: os mercados estão repricing o poder destrutivo da combinação “IA open-source chinesa mais computação eficiente”. Quando um modelo aberto entrega desempenho próximo ao dos modelos fechados por um décimo do custo, as expectativas estruturais sobre a demanda por computação de base se racham.
Onda três — concorrentes: a virada noturna da Anthropic
A Anthropic planejava retirar o Fable 5 das assinaturas; um dia após o lançamento do K3, comprometeu-se a manter o Fable 5 nas assinaturas permanentemente. Uma resposta defensiva — quando os usuários descobrem que o K3 resolve a maioria das tarefas do Fable 5 por uma fração do preço, a única jogada restante é baixar a barra de entrada para preservar o ecossistema.
Onda quatro — percepção da indústria: a lacuna do open-source encolhe de 6 meses para 2-3
O professor de Berkeley e cofundador da Databricks, Ion Stoica, colocou um número na questão: “Costumávamos dizer que os modelos abertos, especialmente os chineses, ficavam seis a nove meses atrás da fronteira. Agora a diferença é talvez de dois a três meses.” Esse julgamento pesa mais do que qualquer benchmark. Os produtores de modelos fechados não detêm mais um prêmio de tempo — e quando qualquer pessoa consegue hoje realizar quase todas as tarefas de IA, de graça, com pesos abertos, a proposta de valor do modelo fechado precisa de uma nova definição.
Onde estão os limites do K3
O K3 não é impecável. O Intelligence Index é um índice composto; desmontando-o, lacunas reais aparecem. No DeepSWE — engenharia de longo prazo em bases de código reais — o GPT-5.6 Sol pontua 73,0 e o Fable 5, 70,0, contra 67,5 do K3: em engenharia longa, multietapa e de alta complexidade, o K3 fica atrás de ambos. No raciocínio visual difícil do Zerobench, o Fable 5 pontua 46,0 contra 41,0 do K3 — o Fable 5 consegue reconstruir o código-fonte completo de um web app a partir de um screenshot e extrair dados precisos de gráficos científicos densos, ainda à frente em profundidade e precisão visual.
Duas falhas em nível de deployment também importam: dependência de harness — o K3 mantém todo o histórico de raciocínio, e se quem chama não repassa o raciocínio anterior ou a sessão migra de outro modelo para o K3, a qualidade da saída cai sensivelmente; e excesso de iniciativa — em tarefas ambíguas, ele prefere decidir pelo usuário a confirmar a intenção, um trunfo em trabalhos criativos rápidos e um passivo em fluxos de engenharia de precisão. E mais um: as taxas de alucinação subiram em vez de cair — fatal para um modelo posicionado para “codificação de longo prazo e trabalho de conhecimento”, em que um único ponto de decisão alucinado no meio de uma tarefa de 12 horas derruba toda a cadeia. O Constitutional AI do Fable 5 o mantém mais cauteloso — dizendo “não tenho certeza” quando está inseguro — o que reduz substancialmente as alucinações.
De volta ao início: por que Yang escolheu esse caminho
Um detalhe da 36Kr fecha a história: após o lançamento do K3, o orientador de Yang Zhilin na CMU, Ruslan Salakhutdinov, publicou congratulações — e acidentalmente inflamou um debate sobre por que a América não conseguiu reter Yang Zhilin. Ruslan esclareceu: “Se ele quisesse ficar nos EUA, tinha muitas oportunidades. Mas Yang estava firmemente decidido a voltar e fundar uma empresa. Ele me disse que, se ao menos não tentasse fundar a própria empresa, se arrependeria para sempre.” A visão de Yang: cientistas dos grandes laboratórios, por mais capazes que sejam, raramente conseguem os recursos e a autoridade para lançar produtos. “Víamos nossos mentores ocuparem cargos na indústria, mas, essencialmente, ainda faziam pesquisa. A pesquisa fundamental importa, mas não quebra o muro entre a academia e a indústria.” Da Recurrent AI, fundada em seu ano de doutorado, em 2016, à Moonshot, em 2023, o caminho nunca mudou. O K3 é o RL Scaling validado do laboratório ao produto — e a empresa é a convicção dele de que tecnologia deve virar produto, tornada realidade.
O que as 48 horas do K3 realmente revelaram
Quatro mudanças estruturais: Primeira, o RL Scaling é o novo terreno alto. Com os retornos marginais do pré-treinamento diminuindo, fazer os modelos aprenderem a pensar via RL é o novo diferencial — o loop visual do K3 é uma direção, não o fim; quem industrializar o RL Scaling mais longe domina a próxima iteração. Segunda, a velocidade de recuperação dos modelos abertos foi subestimada. Uma diferença de 2-3 meses significa que o fosso do modelo fechado está se preenchendo rápido; o valor do fechado repousa cada vez mais em tarefas extremas de longo prazo, confiabilidade e salvaguardas de segurança — o que a maioria das aplicações não precisa. Terceira, a infraestrutura de computação é o novo gargalo. A suspensão das assinaturas do K3 diz que bons modelos não faltam usuários — falta GPU, o que tensiona simultaneamente o design dos modelos, o agendamento e o preço. Quando a capacidade transborda, o gargalo migra do algoritmo para a física. Quarta, a lógica da competição global está mudando — de “quem construiu o maior modelo” para “quem constrói o modelo mais eficiente, com melhor custo-benefício e mais acessível”. Um modelo chinês aberto movimentando o valor de mercado da NVIDIA e a estratégia de preços da Anthropic não é acidente; é o primeiro ensaio público da nova lógica.
Para quem trabalha na prática
-
Se seu trabalho envolve codificação de longo prazo, o K3 merece uma avaliação séria — a proposta de valor é real.
-
Observe a consistência do harness em deployment; trocar para o K3 no meio da sessão, vindo de outros modelos, degrada a saída.
-
O K3 brilha em geração criativa (jogos, conteúdo); combine-o com mecanismos de verificação onde a confiabilidade é crítica.
-
Acompanhe o RL Scaling. O K3 é o primeiro deploy escalado dessa rota — as gerações dois e três vão divergir muito mais.
Referências: 36Kr, “48 horas após o lançamento do K3: servidores lotados, NVIDIA em queda, Anthropic muda assinaturas da noite para o dia” · Kimi K3 Technical Report · Benchmarks da Artificial Analysis
