Nota prévia
Entre as diversas guerras com que agridem atualmente o mundo como um todo e cada um de nós singularmente, há uma guerra surda, mas muito violenta que está sempre presente, a luta pela supremacia na IA e onde os Estados Unidos não estão a ganhar a batalha. E são centemas de milhares de milhões que estão em jogo.
Depois de publicado ontem um curto texto da Axios – “A corrida à IA divide‑se agora em duas à medida que a China trava uma ofensiva de modelo de código aberto” –, hoje deixo-vos um texto de Alberto Romero, intitulado O projeto Moonshot é chinês, mas os seus modelos de IA são de outro planeta.
Júlio Mota, 24/07/2026
Seleção e tradução de Júlio Marques Mota
12 min de leitura
O projeto Moonshot é chinês, mas os seus modelos de IA são de outro planeta
OpenAI, Anthropic e os Estados Unidos estão em sérios apuros
Publicado por 
Estou de férias esta semana, mas reservei um tempo para escrever esta análise detalhada sobre o Kimi K3 da Moonshot, o primeiro modelo de IA chinês no nível dos modelos de ponta americanos. E é de código aberto.
O Kimi K3 da Moonshot é o primeiro modelo chinês de código aberto a atingir o nível dos melhores modelos de ponta americanos. Em algumas áreas, ele equipara-se ao Mythos/Fable da Anthropic e ao GPT-5.6 da OpenAI. Para aqueles que se lembram da ascensão meteórica do DeepSeek em janeiro de 2025, este é o “momento DeepSeek” da Moonshot, só que mais impactante: especialistas costumavam calcular que a China estava apenas de seis a nove meses atrás dos principais modelos de IA ocidentais.
Bem, agora são zero meses, zero semanas e zero dias.
O projeto DeepSeek provou que a China consegue criar um modelo aberto muito mais eficiente do que os laboratórios de IA americanos, sem grande perda de desempenho, mesmo sob severas restrições de hardware. O projeto Moonshot baseia-se nisso para demonstrar que a China pode explorar esses ganhos de eficiência sob restrições para criar um modelo aberto com o mesmo nível de inteligência dos melhores laboratórios de IA americanos. Como principal consequência, espera-se que o discurso geopolítico em torno da IA aumente em intensidade e urgência (pelo menos após a publicação dos pesos do modelo pelo Moonshot em 27 de julho). Se o governo dos EUA considerou o Mythos perigoso o suficiente para se retirar dos aliados ocidentais, o que pensará da China possuir um equivalente no mesmo nível? Uma má decisão regulatória poderia colocar o mundo inteiro à frente dos EUA.
Mas antes de entrarmos na análise interessante, vamos fazer uma rápida revisão objetiva das capacidades do modelo e a sua posição relativa dentro do ecossistema de IA de ponta: Por que está a causar tanto alvoroço? Será este um novo “momento DeepSeek”? É realmente tão bom quanto os melhores modelos americanos em geral ou apenas em benchmarks menos relevantes? Todas essas perguntas podem ser resumidas nesta: Quão bom é o Kimi K3?
I. Quão bom é o Kimi K3 ?
O primeiro lugar que devemos analisar são, naturalmente, as pontuações de desempenho autodeclaradas.
Fonte: Moonshot
Fonte: Moonshot
Em termos de capacidade, o K3 fica em primeiro, segundo ou terceiro lugar em todos os benchmarks e apresenta uma relação custo-benefício superior tanto em avaliações de codificação quanto de comportamento de agentes. Ele está essencialmente um nível acima do Opus-4.8 e do GPT-5.5, e quase no mesmo nível do Mythos/Fable e do GPT-5.6. Isso significa que um único erro da Anthropic ou da OpenAI pode levar a China a tornar-se a principal superpotência de IA do mundo (exceto por uma clara inferioridade em termos de chips e fábricas, que são a base de hardware dos modelos de IA; falaremos mais sobre isso mais adiante).
É isso que a própria Moonshot afirma, o que obviamente a incentiva a inflar os seus números. No entanto, analistas independentes concordam na sua maioria. Não se trata apenas da Moonshot a distorcer o seu próprio modelo, mas sim do sentimento geral. Aqui está uma breve compilação de momentos em que Kimi K3 se mostrou realmente bom.
A Artificial Analysis, uma empresa de avaliação comparativa, compara o desempenho do Kimi K3 com os melhores modelos da Anthropic e da OpenAI (azul, marrom e preto, respetivamente):
Fonte: Análise Artificial
Fonte: Análise Artificial
O salto em capacidades e inteligência do Kimi K2.6 para o K3 é enorme. O K3 fica apenas um pouco atrás do Fable e do GPT-5.6, ambos lançados recentemente — e na mesma faixa de preço do GPT (Claude é mais caro): “O custo por tarefa (US$ 0,94) é semelhante ao do GPT-5.6 Sol (US$ 1,04), cerca de metade do preço do Opus 4.8 (US$ 1,80)”. O Kimi K3 é um modelo atraente para utilizadores de APIs, de acordo com os índices da Artificial Analysis (é o único modelo na vanguarda das capacidades que se enquadra no “quadrante mais atraente” da Artificial Analysis).
Em suma, o K3 será um compromisso interessante no setor empresarial, pois situa-se confortavelmente entre o baixo custo dos modelos abertos de qualidade inferior e o alto custo dos modelos fechados na mesma faixa de preço.
Fonte: Análise Artificial
Fonte: Análise Artificial
A Arena, outra empresa de benchmarks, relata que o Kimi K3 é consideravelmente melhor que o Fable em programação front-end. Este foi o primeiro resultado a tornar-se viral sobre as capacidades do K3, mas acredito que foi extremamente exagerado, visto que um único benchmark da Arena não significa praticamente nada. Ele soma-se a todos os outros benchmarks que colocam o K3 num nível realmente muito bom — a questão é que “muito melhor que o Fable” é um exagero irrealista. (O eixo x no gráfico abaixo, que se tornou viral, está truncado em 1.450 para que a diferença pareça maior.)
Quer dizer, podemos ficar entusiasmados com a competição tecnológica ou preocupados com a China “a ultrapassar-nos”, mas depois de observar a quantidade de verde no gráfico abaixo sobre a “vantagem dos EUA em relação à China”, o leitor acalmar-se-á. Não deixemos que a empolgação turve o nosso raciocínio e nos leve a uma análise equivocada.
Fonte: Arena
De facto, o K3 fica consideravelmente abaixo no ranking geral de aplicativos de texto da Arena.
Fonte: Arena
Mais resultados ótimos do K3 aqui. Ele também é o número 1 em escrita criativa, o número 1 no benchmark agentivo Next.js da Vercel e o número 3 no deepSWE, um benchmark de engenharia de software de longo prazo.
Fonte: Rumo à IA
Fonte: Vercel
A impressão geral que tenho dos benchmarks — bem como das análises que li, é que, embora anedóticas, contribuem para essa perceção — é que a descrição do modelo feita pela Moonshot é precisa. É evidentemente um modelo de ponta; não há como negar isso, e a China alcançou os EUA, mas os principais laboratórios — Anthropic e OpenAI — ainda estão ligeiramente à frente. A conclusão é que não existe mais aquela confortável vantagem que os laboratórios americanos tinham entre o seu modelo de ponta e a China.
A pergunta “quão bom é o Kimi K3?”, à qual acabamos de responder com um sonoro “muito bom”, leva-nos diretamente à nossa segunda pergunta: Como é que o Kimi K3 é tão bom?
II. Porque é que o Kimi K3 é tão bom ?
Essa é a pergunta de um milhão de dólares. Como é possível que um laboratório chinês de código aberto, menor e com recursos limitados, tenha conseguido competir de igual para igual com os laboratórios americanos extremamente ricos, extremamente bem equipados e extremamente privilegiados pelo governo? Para responder a essa pergunta aparentemente muito mais complexa e inesperada, precisamos considerar diversos fatores: tamanho, eficiência de treino, avanços algorítmicos e limitações de hardware. Há também algumas possibilidades bem menos agradáveis: quando se trata de IA chinesa, ao contrário dos EUA, todos são considerados culpados até que se prove o contrário. Será que a Moonshot se inspirou em modelos americanos já existentes? Será que manipularam os benchmarks ou levaram os modelos ao limite? Será que segredos da indústria deram origem a fugas ou foram divulgados?
Vamos dar uma olhadela a isso.
Uma prévia da resposta positiva, que se resume a “A Moonshot, assim como a DeepSeek antes dela, parece ser claramente de uma estirpe diferente”, pode ser resumida da seguinte forma: as limitações geram criatividade. Ao contrário do que possa parecer, o K3 é excelente justamente por causa das limitações da Moonshot como um pequeno laboratório chinês, e não apesar delas.
Há muitos detalhes técnicos na postagem do blog sobre o Kimi K3 (obrigado, código aberto!). Não quero incomodá-lo com muitos termos técnicos, mas um pouco deles é sempre necessário para entender o que está a acontecer. O primeiro detalhe, e um tanto surpreendente, é que o K3 é enorme. O hábito de usar a contagem de parâmetros como indicador da capacidade do modelo desapareceu com a crescente proximidade entre os principais laboratórios nos últimos anos. (O leitor lembra-se da imagem viral do círculo do GPT-4 versus o círculo do GPT-3?) Mas modelos abertos não têm tempo para segredos, apenas para progresso e transparência. Então, sabemos que o K3 tem 2,8 trilhões de parâmetros. De acordo com o Moonshot, é o primeiro modelo aberto do mundo na faixa de 3 milhões de milhões. (Acredita-se que os principais modelos da OpenAI e da Anthropic estejam nessa faixa ou um pouco acima.)
Aqui está um gráfico do aumento de tamanho dos modelos abertos ao longo do tempo e uma comparação entre o K3 e o modelo de código aberto da OpenAI (todo mundo ficou louco com a ideia da OpenAI abrir um modelo, o que por si só já é engraçado quando escrito, e fica ainda mais engraçado quando se olha para a comparação de tamanho):
Fonte: Moonshot
Fonte: Semianálise
Um dos motivos para não se empolgar demais com o número em si é que tamanho não é, ao mesmo tempo, um indicador de capacidade. Você pode ter um modelo menor que seja melhor que um maior, sem problema algum. Mas, se bem feito, um pré-treino grande será naturalmente melhor que um pequeno. Portanto, embora seja um fator significativo na capacidade, dependendo de quem diz “o meu é maior”, o leitor pode ou não confiar nele como uma heurística confiável para qualidade. (Não vou dizer aqui em quem confio e em quem não confio, mas a minha classificação de confiabilidade é bastante… ampla.)
Outro motivo é a escassez.
O Kimi K3 é extremamente esparso, o que significa que, mesmo que o modelo possua 2,8 milhões de milhões s de parâmetros, os parâmetros ativos num dado momento representam uma fração ínfima desse total. Para ser preciso, o K3 é uma mistura de especialistas com quase 900 especialistas (grupos especializados de parâmetros que são acionados somente quando úteis para a tarefa em questão). Apenas 16 estão ativos por cada vez, o que permite que o modelo utilize um vasto conjunto de capacidades sem precisar de utilizar todas elas para cada requisição.
Combinando alterações personalizadas adicionais na forma como os dados se movem pelo modelo (Kimi Delta Attention e Attention Residuals —o leitor não precisa de saber o que são, exceto pelo facto de que possibilitam ganhos de eficiência de dois dígitos com aumentos de custo insignificantes), bem como melhorias no processo de treino (quantização nativa INT4), inferência (paralelismo especializado) e qualidade dos dados, o Kimi K3 é aproximadamente 2,5 vezes mais eficiente em termos de escala — eficiente em transformar energia em inteligência — do que o Kimi K2. Em resumo: os engenheiros da Moonshot são mestres em transformar sucata em ouro.
Caso tenha interesse, aqui está um resumo da arquitetura do Kimi K3:
Fonte: Moonshot
Há um ponto em comum que não deve aqui passar desapercebido. Moonshot e DeepSeek são semelhantes na mesma medida em que os laboratórios americanos são semelhantes entre si, mas não pelas mesmas razões.
A razão pela qual a Anthropic e a OpenAI têm procurado alcançar os mesmos objetivos (por exemplo, o aperfeiçoamento recursivo) e mantêm um ritmo de progresso semelhante, apesar dos avanços algorítmicos e das melhorias de eficiência serem, muitas vezes, momentos de descoberta inesperados, é que os talentos da área de IA circulam bastante no Vale do Silício. Todos se conhecem e, naturalmente, os segredos de um laboratório são passados para o outro sem sequer a possibilidade de impor acordos de confidencialidade ou reivindicações de propriedade intelectual. Os segredos comerciais da indústria de IA são mantidos longe do mundo, mas não entre si.
No entanto, a razão pela qual Moonshot e DeepSeek são semelhantes é que nasceram do mesmo ecossistema — um ecossistema aberto e severamente limitado que precisa crescer em torno da escassez, não da abundância. A escassez de hardware incentiva-os fortemente a manter tudo aberto para se beneficiarem das descobertas de outros laboratórios e crescerem juntos, além de manterem o centro de interesse na busca de caminhos alternativos que levem em conta as limitações de recursos. Isso significa que eles não precisam de compartilhar o mesmo DNA, como OpenAI e Anthropic, mas sim uma visão: fazer mais com menos.
A ideia de que “restrições geram criatividade” é, em grande parte, um slogan, mas também foi seriamente estudada. Uma revisão integradora interdisciplinar descobriu que a criatividade responde a uma relação em forma de U com as restrições. Poucas restrições e uma pessoa perde-se. Muitas restrições e estagna-se. Na minha opinião, a OpenAI e a Anthropic estão num dos extremos do U, sendo ricas demais para se preocuparem muito com eficiência e outras questões, exceto quando as pressões comerciais exigem (em vez disso, elas redefinem os limites como se isso fosse equivalente a tornar o modelo o mais barato possível). A xAI é talvez o exemplo mais claro disso no ecossistema de IA americano: enormes centros de dados, foco zero.
As startups chinesas, por outro lado, ocupam uma posição intermediária: com recursos de hardware limitados, mas capazes de compensar essa deficiência com proeza técnica e equipas incrivelmente talentosas que jamais escalarão um modelo pela força bruta, mas sim garantindo, em primeiro lugar, que os ganhos de eficiência correspondentes estejam em vigor. (Não me interpretem mal: os laboratórios americanos também possuem equipas incrivelmente talentosas, mas talvez não estejam tão motivadas a direcionar todo esse talento para superar limitações inexistentes.)
Como disse Anika, investigadora do Google DeepMind: “O projeto Moonshot demonstra que ‘o treino pode ser comprimido em termos de eficiência… um pequeno laboratório com bom gosto pode comprimir o poder computacional necessário para criar um modelo de ponta, mesmo que não tenha recursos para implementá-lo. A vanguarda não é mais algo que o dinheiro possa comprar’.”
Mas ser criativo também significa usar truques.
Existem muitos truques baratos que uma pequena equipe de IA pode usar para se beneficiar dos avanços tecnológicos já consolidados. Esse caminho alternativo para a excelência leva-me a reavaliar as capacidades do Kimi K3: todos esses avanços em eficiência e inteligência são legítimos, ou a China copiou os Estados Unidos mais uma vez?
Essa tem sido a explicação usual para a pergunta “como é que a China alcançou os esforços americanos em IA tão rapidamente?”. O CEO da Anthropic, Dario Amodei, afirmou que a empresa detetou diversas “campanhas em escala industrial” de agentes chineses — incluindo, mas não se limitando à Moonshot — que utilizam modelos Claude. Embora a postura agressiva de Amodei em relação à China seja frequentemente alvo de chacotas, essa não é uma questão menor. Citando a postagem do blog da Anthropic em fevereiro:
Os ataques de destilação [n.t. ataques de extração de modelo] prejudicam os controles [de exportação de chips] ao permitirem que laboratórios estrangeiros, incluindo aqueles sujeitos ao controle do Partido Comunista Chinês, eliminem a vantagem competitiva que os controles de exportação visam preservar por outros meios.
O primeiro problema é de natureza comercial. Os laboratórios que realizam a destilação podem obter ganhos de capacidade enormes para os seus próprios modelos numa fração do tempo e do custo. O segundo problema é geopolítico. Isso torna as medidas de controle de exportação irrelevantes. Na medida em que a Nvidia vende os seus chips para laboratórios americanos, dos quais as capacidades correspondentes são posteriormente destiladas, os laboratórios chineses não precisam desses chips.
Para realizar um ataque de destilação, laboratórios externos criam contas fraudulentas e serviços de proxy para gerar um enormíssimo número de interações com os melhores modelos, a fim de obter informações de bate-papo — e até mesmo extrair os rastros de raciocínio — e usá-las para treinar modelos inferiores, elevando-os a um desempenho superior em benchmarks. Uma espécie de relação simbiótica entre professor e aluno (bastante parasitária neste caso, pois a Anthropic não sai beneficiada). Foi isso que a Anthropic disse especificamente sobre o Moonshot, cujo ataque é estimado em 3,4 milhões de interações, abrangendo tarefas de agentes, código e uso de computadores:
A Moonshot (modelos Kimi) utilizou centenas de contas fraudulentas abrangendo múltiplas vias de acesso. A variedade de tipos de conta dificultou a deteção da campanha como uma operação coordenada. Atribuímos a campanha por meio de metadados de requisições, que coincidiram com os perfis públicos de funcionários seniores da Moonshot. Numa fase posterior, a Moonshot adotou uma abordagem mais direcionada, tentando extrair e reconstruir os rastos de raciocínio de Claude.
Considerando que isso foi publicado em fevereiro, é perfeitamente possível que essa campanha específica tenha sido usada para o pós-treino do Kimi K2.6 (lançado em abril de 2026) e até mesmo do Kimi K3.
Considero essa explicação para a rápida melhoria da China geralmente plausível, mas insuficiente para explicar cada aumento de desempenho individual de um modelo chinês. No caso do Kimi K3, as evidências sugerem o contrário (ou, pelo menos, são insuficientes para explicar todo o aumento de capacidade): em diversos benchmarks, o K3 supera os melhores modelos públicos da Anthropic e da OpenAI; dificilmente se pode afirmar que um modelo “professor” se torna um “aluno” superior.
Análises do ecossistema ocidental concordam amplamente com essa visão. Aqui está um pesquisador da OpenAI:
Aqui está outro pesquisador da OpenAI:
O autor: Alberto Romero é analista na empresa Cambrian AI.