Kimi-K3 finalmente no HuggingFace — o modelo open-weights chinês que promete
O Kimi-K3, modelo de 2.8T parâmetros da Moonshot AI, já está disponível no HuggingFace. 1374 pontos no HN e 544 comentários mostram o interesse que gerou.
Ando há meses a seguir os modelos chineses com um misto de curiosidade e ceticismo. O Kimi K2 já era bom — usei-o algumas vezes via OpenRouter e a qualidade era surpreendente para um modelo open-weight. Mas faltava qualquer coisa. Faltava o salto para a liga dos modelos de topo.
No final de julho de 2026, a Moonshot AI — a startup de Pequim apoiada pela Alibaba — publicou os weights do Kimi K3 no HuggingFace. O interesse foi enorme: é o primeiro modelo open-weight da classe dos 3 triliões de parâmetros.
O que está dentro do K3
O Kimi K3 é um modelo de 2.8 triliões de parâmetros com arquitetura Mixture-of-Experts (MoE). Ativa 104 mil milhões por token, usando 16 dos 896 experts disponíveis. Tem uma janela de contexto de 1 milhão de tokens. É multimodal nativo — texto, imagem e vídeo no mesmo modelo.
A arquitetura usa duas inovações internas: Kimi Delta Attention (KDA) e Attention Residuals (AttnRes). O MoE é gerido por um Stable LatentMoE que, segundo a Moonshot, melhora a eficiência de scaling em 2.5x face ao K2. Tem 93 camadas, das quais 69 são KDA e 24 são Gated MLA. O vision encoder (MoonViT-V2) tem 401M de parâmetros próprios.
A licença é a Kimi K3 License — não é MIT, mas permite investigação, deployment e fine-tuning. Os weights estão disponíveis no HuggingFace em moonshotai/Kimi-K3.
Para que serve
A Moonshot desenhou o K3 para três cenários principais. Primeiro, coding de longa duração — sessões de engenharia que duram horas, com navegação em repositórios enormes e orquestração de ferramentas de terminal. Segundo, trabalho de conhecimento agentivo — pesquisa profunda com visualizações interativas, dashboards e edição de vídeo. Terceiro, raciocínio multimodal — o modelo processa texto, imagens e vídeo no mesmo forward pass.
O que me interessa mais é o primeiro caso. Um modelo open-weight que consegue manter coerência em sessões de coding de várias horas é exatamente o que falta no ecossistema self-hosted. O DeepSeek V4 é bom mas fecha-se em licenças estranhas. O Qwen3-Coder é interessante mas mais pequeno. O K3 parece preencher o espaço entre modelos abertos médios e os frontier models fechados.
O contexto geopolítico
O timing não é inocente. Há relatos de que os EUA estão a considerar banir o uso de modelos open-weight chineses por empresas americanas. A Moonshot publicar o K3 no HuggingFace neste momento é um statement. É também soft power.
O Dario Amodei (CEO da Anthropic) já veio dizer que não apoia bans protecionistas (posição por confirmar). A posição dele é que o verdadeiro risco não são os modelos open-weight usados por empresas, mas sim modelos treinados em segredo e entregues ao exército chinês. Concordo com a primeira parte. A segunda é wishful thinking — se o K3 já faz o que faz, um modelo treinado em segredo para fins militares ainda fará mais.
Vale a pena?
Para já, o K3 está no topo do leaderboard de coding da Design Arena e consistentemente no top 3 do Artificial Analysis. Os números de benchmarks são sólidos. Mas benchmarks não substituem experiência real.
O que me deixa otimista é que este é o primeiro modelo verdadeiramente grande que posso descarregar e correr (com hardware suficiente) sem depender de uma API. Isso muda o cálculo para empresas que lidam com dados sensíveis ou que não querem ficar reféns de um fornecedor.
Recursos adicionais
Partilhar
Comentários 0
Ainda sem comentários — sê o primeiro.