Na noite de 17 de julho, a Kimi lançou o K3 — 2,8 trilhões de parâmetros, contexto de um milhão de tokens, o primeiro modelo open-source de classe 3T do mundo.
Sem surpresa, a mídia em inglês e chinês recorreu às mesmas molduras narrativas: “modelo doméstico persegue os gigantes fechados”, “mais um momento DeepSeek”, “K3 lidera a Arena, ultrapassa o Fable 5”.
As reportagens não estão erradas. Elas perdem o que realmente importa. Se o Kimi K3 fosse uma atualização rotineira de parâmetros, esta análise não existiria. O K3 é outra coisa: sob as classificações de benchmarks há uma mudança estrutural — a competição de capacidades de IA está migrando de “o que um modelo consegue responder” para “o que um modelo consegue executar”. Este não é um lançamento de modelo. É uma encruzilhada.
Parâmetros São a Taxa de Entrada, e os Rankings de Benchmarks Estão Perdendo o Sentido
Comecemos pelo fato mais facilmente ignorado: os 2,8T de parâmetros do K3 não são a história. A corrida aberta de parâmetros já dura mais de um ano — de 1T no K2 a 2,8T no K3 — e a indústria está anestesiada à inflação de parâmetros. O que importa é quais inovações arquiteturais tornaram essa escala utilizável. Duas merecem atenção: Kimi Delta Attention (KDA) e Attention Residuals (AttnRes). A KDA permite que a informação flua através de sequências longas e pilhas profundas; a AttnRes corrige a degradação de informação da atenção em redes profundas. Com o framework Stable LatentMoE, o K3 ativa 16 de 896 especialistas e melhora a eficiência de escalonamento em cerca de 2,5× em relação ao K2.
Em termos simples: eles encontraram o método de engenharia para crescer o modelo sem explodir o custo de inferência. Isso importa muito mais do que rankings, porque responde uma pergunta aberta que a comunidade havia deixado no ar — os modelos abertos devem aceitar ficar sempre uma geração atrás? A resposta do K3: não, desde que você inove pesadamente na arquitetura em vez de simplesmente empilhar computação.
Os benchmarks confirmam isso com uma nuance que as manchetes nivelaram: o K3 superou o Fable 5 no teste de codificação frontend da Arena, marcou 74,7 no índice composto da Vals AI (atrás apenas do Fable 5, à frente do GPT-5.6), e ficou em primeiro nas tarefas de codificação ultralongas do SWE Marathon e na pesquisa web profunda do BrowseComp. Mas o próprio site da Kimi admite que o K3 ainda perde para o Fable 5 e o GPT-5.6 Sol em trabalho administrativo geral próximo dos fluxos reais de escritório. Ou seja, o K3 não é um aluno nota dez — ele prova que modelos abertos podem alcançar nível mundial em domínios específicos de alto valor. Esse “sucesso parcial” é mais informativo do que a paridade: a competição entre modelos está se tornando multidimensional e baseada em cenários, não unidimensional.
O Que o K3 Realmente Mudou: De Capaz de Conversar a Capaz de Trabalhar
Se você só ler parâmetros e rankings, perderá a parte mais interessante. A Kimi demonstrou o K3 produzindo autonomamente um site de pesquisa de 42 anos sobre a indústria de ASICs: não um artigo, não uma resposta — mais de 120 iterações autônomas, mais de 2.800 buscas e extrações na web, mais de 1.100 extrações de dados via terminal, processando 87 relatórios trimestrais e 99 PDFs brutos em uma narrativa de pesquisa com gráficos customizados, animações e visualizações interativas. Repetindo: nenhum humano conduziu isso.
Outro caso: em uma execução contínua de agente por 48 horas, o K3 completou de forma independente a construção, otimização e verificação de um chip usando ferramentas EDA open-source e uma biblioteca de 45nm. E houve o simulador da oficina de da Vinci que impressionou desenvolvedores no exterior — o K3 gerou não apenas o estilo visual, mas compreendeu a história das máquinas de asas batentes, seus materiais e aerodinâmica, tecendo tudo isso na experiência interativa.
O fio condutor: não é que o K3 saiba mais — é que o K3 consegue fazer mais. As avaliações tradicionais de LLMs (MMLU, HumanEval, GSM8K) medem o que um modelo sabe. Os casos do K3 medem o que ele completa — uma dimensão completamente diferente: reserva de conhecimento versus capacidade de execução. O K3 sustenta essas tarefas porque foi projetado para execução estilo agente de longo horizonte — encadeando programação, compreensão visual, chamadas de ferramentas e trabalho de conhecimento em fluxos completos, em vez de rodadas únicas de pergunta e resposta. Uma única tarefa pode abranger centenas de iterações com despacho entre ferramentas e autocorreção. É por isso que o K3 perde em alguns benchmarks clássicos para o Fable 5, mas compete na execução de tarefas complexas: os benchmarks existentes simplesmente não testam conclusão ponta a ponta.
Um Modelo de Duas Camadas para Ler o Mapa de Capacidades da IA
A lição do K3 é que precisamos de uma nova moldura para a evolução de capacidades — chamemos de modelo de duas camadas da capacidade de IA.
Camada um: inteligência conversacional. O foco dos últimos três anos. Métricas: reserva de conhecimento, precisão de raciocínio, fluência verbal; avaliada por perguntas e respostas, múltipla escolha, geração de código. O teto da camada: responder corretamente a uma pergunta difícil — unidirecional, passiva, de turno único.
Camada dois: inteligência de execução. A dimensão que o K3 está definindo. Métricas: planejamento autônomo, robustez de execução em múltiplas etapas, precisão de chamadas de ferramentas, recuperação de erros, completude das entregas. O teto: partindo de um objetivo vago, completar autonomamente uma tarefa ponta a ponta — multiturno, proativa, entregando trabalho acabado.
As camadas se empilham, não se substituem. A camada um é a fundação — você não pode bem executar o que não conhece. Mas a excelência na camada um não garante a camada dois; na verdade, muitas estrelas do MMLU desabam abruptamente em tarefas de agente com mais de dez passos. A moldura explica com precisão a posição única do K3: ainda atrás do Fable 5 e do GPT-5.6 Sol em inteligência conversacional, já de nível mundial em inteligência de execução — liderando em alguns cenários como pesquisa web profunda e codificação de longo horizonte.
Também explica o preço: 20 yuan por milhão de tokens de entrada e 100 por milhão de saída — acima do 6,5/27 do K2.6, muito abaixo do US$ 10/US$ 50 do Fable 5 (cerca de 68/339 yuan). A Kimi está reprecificando das “tarifas de conversa” para as “tarifas de trabalho”: um modelo que executa tarefas complexas ocupa uma dimensão de valor diferente.
O Que a Moldura Prevê
O modelo de duas camadas vai além do K3: Por que a Anthropic lançou o Cowork? Porque a inteligência conversacional do Claude se aproxima de seu teto; o crescimento está no mercado de execução. O Cowork é o primeiro movimento de produto da Anthropic em direção à camada dois. Por que a OpenAI lançou o Operator e o Codex Agent? A mesma lógica — a conversa do GPT-5.6 já é boa o suficiente; a margem está a jusante, na execução. Por que modelos abertos podem vencer os fechados em cenários específicos de execução? Porque a inteligência de execução otimiza para objetivos diferentes. Uma equipe obcecada por “manter o modelo rodando em um terminal por 48 horas sem travar” pode executar mais que uma equipe otimizando a qualidade da conversa, mesmo com um chat um pouco mais fraco. A arquitetura KDA do K3 foi construída exatamente para isso: sequências longas, múltiplas etapas, execução sustentável. Por que a competição entre Cursor, Windsurf e similares se intensifica? Elas são pontes da inteligência conversacional para a de execução — e quanto mais nativa se torna a execução dos modelos mais fortes, menos ponte as ferramentas precisam construir, mudando o paradigma competitivo dessas ferramentas.
A moldura também lê a tendência de preços: se a inteligência conversacional é um bem de informação e a inteligência de execução é um bem de serviço, a primeira segue correndo rumo ao zero sob pressão do open-source, enquanto a última se estratifica pelo valor entregue. O preço do K3 já dá pistas disso.
O Que Cada Papel Deve Fazer
Desenvolvedores e líderes técnicos: comecem a testar o modo agente do K3 agora, especialmente codificação de longo horizonte e operações de terminal. Seus resultados no SWE Marathon e no Terminal Bench sugerem que ele pode superar sua configuração atual em cargas de trabalho do tipo “deixe rodando o dia todo” — e após o lançamento open-source de 27 de julho, implantação privada e fine-tuning passam a valer o esforço.
Product managers e fundadores: reavaliem a arquitetura de seus produtos. Se seu fosso competitivo é “o modelo responde perguntas”, a inteligência de execução de classe K3 permite “o produto completa tarefas autonomamente”. Não é um incremento — é uma possibilidade de categoria. Perguntem-se quais fluxos de trabalho com mais de dez passos no seu mercado — pesquisa de mercado, análise competitiva, auditoria de código — acabaram de se tornar totalmente automatizáveis.
Pesquisadores e engenheiros de modelos: estudem KDA, AttnRes e Stable LatentMoE. O gargalo do open-source nunca foi a contagem de parâmetros — é a eficiência de inferência em escala, e o K3 demonstra o caminho arquitetural para contorná-la.
Usuários avançados do dia a dia: deem ao K3 um objetivo vago em vez de uma pergunta específica. Não peçam para ele “explicar transformers” — peçam para ele “construir uma página web interativa explicando como transformers funcionam”. A primeira é inteligência conversacional. A segunda é inteligência de execução. A força do K3 é a segunda.
Tese central: o valor do Kimi K3 não está na escala de parâmetros nem no ranking de benchmarks, mas em mostrar, pela primeira vez, o caminho de um modelo aberto da inteligência conversacional à inteligência de execução. O primeiro tempo da corrida de parâmetros acabou. O segundo tempo — execução de tarefas — começou.
