Na noite de 27 de julho, a Moonshot AI disponibilizou os pesos completos do Kimi K3 no Hugging Face — licença MIT modificada, 2,8 trilhões de parâmetros. Em 30 minutos: mais de 4.000 likes e a primeira posição nos trending. Clem Delangue, CEO e cofundador do Hugging Face, classificou como o lançamento de crescimento mais rápido da história da plataforma.
Menos de um mês antes, o mesmo modelo havia sobrecarregado o próprio cluster de consumo da Moonshot, forçando uma pausa nas novas assinaturas. Depois, eles entregaram gratuitamente os maiores pesos abertos do mundo. Os dois movimentos parecem contraditórios. São duas linhas de negócio completamente diferentes.
Um terremoto no Vale do Silício
A reação em cadeia foi muito além de um lançamento de modelo. Guillermo Rauch, CEO da Vercel, chamou o K3 de “o modelo open weight mais forte do mundo, ponto final”. A vLLM lançou suporte no mesmo dia em que os pesos foram disponibilizados; Fireworks AI, Together AI e Modal anunciaram integrações no Day-0, uma após a outra.
Mas o que realmente detonou no Vale do Silício não foi o modelo — foi a rachadura que ele abriu. NVIDIA e Anthropic tomaram lados opostos publicamente.
Em 22 de julho, Jensen Huang disse à Axios que os modelos abertos chineses são “excelentes” e que as empresas americanas “absolutamente deveriam poder usá-los”. Ele mirou diretamente na Anthropic: restringir o Claude Mythos por risco de cibersegurança é a decisão errada — modelos poderosos devem ser testados, os problemas encontrados e as correções entregues. Dois dias depois, 25 instituições, incluindo NVIDIA, Microsoft, Meta, Hugging Face e AMD, publicaram a carta aberta “Open Weights and American AI Leadership”; Google e OpenAI aderiram depois, elevando o número de assinaturas para 77.
A Anthropic foi o único laboratório de fronteira dos EUA ausente. Sob pressão, o CEO Dario Amodei publicou uma longa resposta no mesmo dia, insistindo que “a Anthropic nunca defendeu a proibição de modelos open weight”. Mas, lendo com atenção, as posições centrais não mudaram: nenhum chip de ponta para a China, repressão à destilação em escala industrial, testes de segurança para todos os modelos fortes. Em outras palavras: a jogada open source da China está destruindo nosso modelo de negócio, e estamos perdendo clientes.
A NVIDIA então formou uma “Open Safe AI Alliance” com Microsoft, IBM, Hugging Face e SpaceXAI — desta vez sem OpenAI e Google. Todos estão defendendo a versão de “aberto” que se encaixa em sua posição na cadeia de valor.
Três marteladas dos modelos abertos chineses
O K3 não foi um evento isolado. Foi o terceiro golpe em três meses:
Primeira martelada — DeepSeek V4 preview (24 de abril). 1,6T de parâmetros, 49B ativos, contexto de um milhão de tokens. Desempenho próximo ao Claude Opus por um preço que não admite comparação: US$ 0,87 por milhão de tokens de saída, cerca de 1/29 do Claude Opus 5.
Segunda martelada — GLM-5.2 (16 de junho). Licença MIT, contexto de um milhão de tokens, feita para trabalhos de longa duração — ler grandes bases de código, encadear ferramentas ao longo de centenas de turnos. Terminal-Bench 2.1: 82,7%, aproximando-se dos 83,4% do GPT-5.5.
Terceira martelada — Kimi K3 (27 de julho). O primeiro modelo aberto na escala de 3 trilhões: 2,8T no total, 104B ativos por token, entrada de imagem e vídeo, contexto de um milhão de tokens. Terminal-Bench 2.1: 88,3%, superando os 88,0% do Claude Fable 5 e a 0,5 ponto dos 88,8% do GPT-5.6 Sol. No SWE-Marathon, o K3 pontuou 42 — acima dos 39 do GPT-5.6 Sol e dos 40 do Claude Opus 4.8.
As três marteladas atingiram, respectivamente, preço, capacidade em tarefas longas e escala — cada uma derrubando um exclusivo dos modelos fechados.
Quem não pode rodá-lo são os verdadeiros compradores
Ao abrir a página do K3 no Hugging Face, lá está um arquivo de pesos de 594GB. A maioria das pessoas fecha a aba silenciosamente — e com razão. Após a quantização MXFP4, o modelo precisa de 8× H100 80GB só para carregar; implantações em produção normalmente exigem supernós com 64+ aceleradores, uma conta de hardware que começa em milhões de dólares. Uma única RTX 4090 não comporta nem um dos módulos especialistas do K3. A AMD validou uma configuração de 8× MI355X em torno de 1,7–2,4 milhões de RMB pela máquina — e isso é “carregar”, não “servir”. Com 896 especialistas e 16 ativados por token, o overhead de comunicação entre placas é brutal. A orientação oficial da Kimi de 64+ placas coloca implantações comerciais reais na faixa de dez milhões de RMB.
E, no entanto, quem não pode rodá-lo são os compradores finais. No dia do lançamento, Tencent Cloud ADP, Alibaba Cloud Bailian, TokenHub e o portal nacional de supercomputação abriram endpoints do K3. Sem comprar H100, sem data center — basta chamar a API e usar uma fundação de 2,8T. Pequenas empresas passaram de “não podemos pagar GPUs” para “qual nuvem devemos escolher?” — e poder de negociação surgiu. Anteriormente, apenas a Moonshot servia a API do K3, com o poder de precificação inteiramente nas mãos do fornecedor; com múltiplas nuvens hospedando simultaneamente, o preço de longo prazo não pode ser travado por um único jogador.
A licença MIT modificada é a outra chave: uso comercial, modificação e redistribuição são todos permitidos — uma empresa pode construir modelos fechados ajustados por setor sobre o K3 sem expor seu código de negócio. APIs fechadas jamais concederão esse direito. E a esparsidade do MoE esconde um dividendo de destilação: comunidades podem destilar apenas os subconjuntos de especialistas frequentemente ativados em “modelos alunos do K3” que rodam em uma única placa. Espere destilações de 70B e até 7B em poucos meses.
O próximo lance no jogo
A maior mudança trazida pelo K3: a inteligência de fronteira cada vez mais se comporta como um ativo base que pode ser baixado e transferido. À medida que a escassez na camada de modelos cai, o valor não desaparece — ele migra para computação, inferência, frameworks de agentes, dados empresariais, experiência de aplicação e governança de segurança.
Mas a história não terminou. O próprio model card da Moonshot admite que, apesar da paridade nos benchmarks, a experiência geral do usuário do K3 ainda fica visivelmente atrás do Claude Fable 5 e do GPT-5.6 Sol. Empresas que precificam modelos precisam contar o tempo de retrabalho junto com as taxas de API — uma tarefa longa que falha no final custa horas de engenharia que rapidamente consomem a economia. Essa é a última barreira que o lançamento oficial do DeepSeek V4 precisa quebrar: chamadas de ferramentas, contexto longo e edições em múltiplas rodadas que permaneçam estáveis ao longo de execuções repetidas, para que desenvolvedores arrisquem entregar grandes bases de código e longas tarefas de agentes a modelos abertos.
Enquanto isso, Washington se move: OpenAI e Anthropic estão pressionando por investigações sobre destilação, discutindo sanções e controles de acesso. Mas, uma vez que os pesos são baixados e implantados em escala, as restrições perdem a maior parte de seu efeito. A corrida agora é simplesmente quem chega primeiro — o DeepSeek V4 oficial, ou as restrições de Washington.
O que fazer com isso
1. A escolha de modelos está se ampliando. Os fornecedores fechados costumavam segurar o modelo com uma mão e a etiqueta de preço com a outra, sem lugar à mesa para você. O K3 colocou o direito de modificação sobre a mesa — e mesmo que você não possa rodá-lo localmente, as APIs em nuvem estão prontas.
2. Não se deixe hipnotizar pela contagem de parâmetros. 2,8T é manchete; a economia de implantação é a decisão. Acompanhe o custo de inferência, as taxas de acerto de cache e a estabilidade em produção, em vez do número de trilhões.
3. Observe o ecossistema, não o modelo. O valor real do K3 será decidido se a comunidade destilar modelos alunos utilizáveis nos próximos meses, se os preços hospedados continuarem caindo e se a licença permanecer permissiva. Qualquer um desses fatores se restringindo, e as opções das pequenas empresas encolhem rápido.
Os modelos abertos podem não acabar com os modelos fechados — mas estão forçando os fechados a cortar custos. De qualquer forma, para desenvolvedores e usuários, isso é uma boa notícia.
Referências: 36Kr/APPSO, Zimu AI, AI Changfandiao, QbitAI
