Kimi K3 entra no ar com 2,8 trilhões de parâmetros: Moonshot lança a maior aposta de fronteira de peso aberto até agora

Moonshot lança o Kimi K3 em GA com um número que impressiona: 2,8 trilhões de parâmetros, a maior arquitetura de código aberto anunciada até hoje.

Em termos simples. Moonshot AI lançou o Kimi K3 da fase preview para live, com um número exibido de 2,8 trilhões de parâmetros. No papel, é a maior arquitetura open-weight até hoje. Resta ver o que isso vale fora dos benchmarks internos.

Contexto

O tópico foi aberto no início do mês: Moonshot inundou o Weibo e o HN com vídeos de benchmarks antes mesmo da disponibilização (tópico kimi-k3-launch, publicação #1164), e depois passou para GA em 16 de julho de 2026 no kimi.com/en com documentação de código. A Techinasia repercutiu no dia 17 de julho o número oficial: 2,8T de parâmetros, sem mais detalhes sobre ativação por token ou sobre a taxa de esparsidade, que é a questão que importa para um MoE desse tamanho.

Os dados

• Tamanho anunciado: 2,8 trilhões de parâmetros (fonte: Techinasia, 17 de julho de 2026). Isso é ~2× o GPT-4 segundo vazamentos comumente citados, e claramente acima das variantes públicas do DeepSeek (671B para o V3).
• Disponibilidade: GA via kimi.com/en e API documentada.
• Ecossistema: retomada de anúncios coordenados no HN, Weibo, canais de desenvolvedores — o que confirma a estratégia "inundar então lançar" descrita na #1164.

Análise

Duas coisas a separar. O número: 2,8T é tanto um sinal de marketing quanto arquitetural. Em MoE, o que importa é o número de parâmetros ativados por token, a topologia de especialistas e o custo efetivo de inferência. Enquanto Moonshot não publicar essas métricas, "2,8T" continua sendo propaganda. A disponibilidade: passar para GA poucos dias após a preview é um ritmo propositalmente agressivo — visa capturar a janela de atenção antes que os benchmarks de terceiros (LMArena, SWE-bench, MMLU-Pro) deem seu veredito.

Por baixo do capô

O que deve ser observado nos próximos dias:

1. Parâmetros ativos por token — sem esse número, "2,8T no total" não diz nada sobre o custo de inferência.
2. Preço da API vs Claude/GPT em tarefas longas (contexto, tool-calling).
3. Reprodutibilidade dos benchmarks internos no SWE-bench Verified e LiveCodeBench.
4. Latência no uso de ferramentas — o tamanho bruto penaliza se a orquestração não for cuidadosa.

Então, o que isso significa?

Se o número se sustentar (ativação razoável, preço competitivo, benchmarks de terceiros coerentes), a Moonshot assina o primeiro modelo open-weight que se compara frontalmente à geração GPT-5/Claude 4.7 — e o faz desde a China, apesar da limitação de recursos computacionais. Se o número for apenas um disfarce de marketing em um MoE pouco ativado, o K3 se junta à longa lista de "maiores modelos do mundo" esquecidos em três semanas. Saberemos até o final de julho.