Kimi K3 Release: specs, preço, API e quando usar

Ontem você ainda lia teaser e tabela de boato “2.5T / 1M”. Hoje o seletor de modelos tem botão de verdade: o Kimi K3 está na Kimi API Platform.

Se você está olhando esse botão pensando eu jogo tudo pro K3 antes do almoço? — resposta curta: não. Use o K3 quando o trabalho for difícil e longo. Mantenha o K2.7 Code no dia a dia de shipar na IDE, e o K2.6 quando quiser um agente longo mais barato e já testado em produção.

O recado do dia do lançamento, em uma respiração:

• Trabalho multi-domínio pesado + você bate no teto de 256K → experimente kimi-k3
• Escrever/refatorar software no Kimi Code, Claude Code, Cline, RooCode → fique no kimi-k2.7-code primeiro
• Tarefas autônomas longas que já rodam bem no K2.6 → não “upgrade” só por causa do logo

Este site é independente da Moonshot. Specs e preços abaixo seguem a doc oficial; os julgamentos (quem deve migrar, como a conta se comporta, o que o barulho pré-lançamento errou) são nossos. Confira de novo em platform.kimi.ai antes de gastar dinheiro de verdade.

O que de fato entrou no ar (em português claro)

O card público da Moonshot posiciona o K3 como o flagship mais capaz até agora: cerca de 2,8 trilhões de parâmetros, janela de contexto de 1M tokens (quanto texto/código ele segura de uma vez — pense monorepo multi-pacote e pacote gordo de pesquisa, não uma bolha de chat), visão nativa (imagem e vídeo na API) e thinking sempre ligado.

O nome de API que você vai plugar é kimi-k3. A doc coloca no caminho OpenAI-compatível de sempre (https://api.moonshot.ai/v1) com MOONSHOT_API_KEY.

Dois nomes de arquitetura aparecem: Kimi Delta Attention e Attention Residuals. Você não precisa implementar nenhum dos dois. Leia como sinal de produto: a Moonshot está vendendo um salto de geração pensado para sessões longas, não “K2.x mais três pontinhos de benchmark”. Pesquisa anterior (Kimi Linear / KDA) falava em servir contexto longo com mais eficiência; no dia do lançamento, a promessa de usuário é simplesmente 1M feito para ser usável, mais raciocínio sempre ativo.

Fatos rápidos (para escanear depois)

Ainda magro no card público: parâmetros ativos (roteados) por token, história completa de licença open-weight, e leaderboard independente na mesma página. Não invente esses números; espere technical report se você precisa de conta de serving.

Como isso atualiza a história da semana passada

Se você leu nosso briefing da véspera ou o guia de qual modelo usar, algumas linhas pedem um patch mental:

Ou seja: o trailer virou ingresso. Não virou, automaticamente, o único filme que você deveria assistir.

Por que o K3 não é “delete o K2.7 Code”

A Moonshot está empurrando um portfólio, não uma escada em que o SKU mais novo ganha todo clique.

• K2.7 Code continua sendo o especialista em código — loops pesados de instrução em IDE/CLI, Kimi Code, agentes de coding, variante highspeed quando latência importa. Contexto fica na classe 256K. Thinking fica ligado, mas a história de produto é “fecha o PR.”
• K2.6 continua sendo o agente longo geral que já passou meses em narrativas de produção: ferramentas multi-etapa, tarefas amplas, trabalho multimodal geral numa faixa de preço de lista mais baixa que o K3.
• K3 é o tier de inteligência geral flagship: memória maior, raciocínio sempre no máximo (por enquanto), preço premium, pensado para misturas frontier-ish de engenharia + conhecimento + raciocínio fundo.

Nossa leitura: K3 é modelo de supervisor / problema difícil, não upgrade grátis de autocomplete. Se a sua dor é “o modelo perde o repo depois de 200k tokens de log,” o K3 é o botão interessante. Se a dor é “faz esse TypeScript compilar no Claude Code,” o K2.7 Code ainda é a resposta chata e certa.

O que o preço está dizendo de verdade

Lista oficial em USD (por 1M tokens):

Três julgamentos que importam mais que a tabela em si:

1. Output custa 5× o input em cache miss. Thinking sempre ligado significa que você paga pelo “pensar em voz alta” e pela resposta final. Trate o K3 como orçamento de projeto, não como aba aberta para conversa fiada.
2. Cache hit é 10× mais barato que miss no input. Reusar o mesmo system prompt / digest do repo não é “nice to have” — é a diferença entre “flagship que a gente aguenta” e “por que a fatura está pegando fogo.”
3. Sem faixas por tamanho, mas token ainda escala. Prompt de 50K e de 500K compartilham a mesma taxa unitária; a janela de 1M não significa “1M de graça.”

Sanidade de portfólio (preços de lista mudam; isto é orientação, não contrato): K2.6 / K2.7 Code têm ficado numa faixa bem mais baixa na mesma plataforma (ordem de ~$1 input / ~$4 output). O $3 / $15 do K3 é premium de propósito. Você deveria sentir motivo de capacidade ou de contexto antes de torná-lo o default.

Capacidades que mudam o jeito de trabalhar (não o jeito de recitar a doc)

Memória de 1M para sessões de verdade. Útil quando uma thread precisa segurar fatia de monorepo, pacote de políticas ou estado de agente de várias horas. A maioria dos usuários de chat nunca enche um milhão de tokens — e tudo bem. O recurso é para quem já estourava os 256K.

Thinking sempre ligado. Não mande o objeto antigo thinking do K2.x. Use no topo reasoning_effort: "max" (único nível hoje). Em multi-turn e loops de ferramenta, devolva a mensagem completa do assistant, incluindo reasoning e tool calls — cortar só o content vai te morder.

Visão no mesmo loop que o código. Screenshot, gravação de UI, diagrama — mesma sessão que tools e contexto longo. URL pública de imagem não é o caminho documentado; planeje base64 ou arquivos ms:// enviados.

Superfície de agente. Tools, tool_choice, carregamento dinâmico de ferramentas, JSON Schema estruturado, continuações parciais, tools oficiais Formula. A plataforma avisa que a busca web está sendo atualizada — não aposte um workflow de produção nela nesta semana.

Formato mínimo de chamada:

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["MOONSHOT_API_KEY"],
    base_url="https://api.moonshot.ai/v1",
)

completion = client.chat.completions.create(
    model="kimi-k3",
    reasoning_effort="max",
    messages=[{"role": "user", "content": "Summarize the risk of migrating our default model to K3."}],
)
print(completion.choices[0].message.content)

Knobs de sampling como temperature / top_p estão documentados como fixos — omita em vez de brigar com a API.

O que fazer nesta semana?

Erros comuns

• “Flagship mais novo = melhor em tudo.” Pensamento de SKU errado. Profundidade de flagship ≠ melhor latência ou melhor UX de agente de código.
• “1M significa que eu devo colar a empresa inteira.” Você paga por isso; comece com o menor contexto que ainda funciona e cresça.
• “Thinking off pra rascunho barato.” No K3, hoje, não dá — só "max".
• “Troca o K2.7 Code no Kimi Code amanhã.” As linhas de produto ainda divergem; espere o default oficial do Kimi Code antes de forçar o ID.
• Ignorar cache. Mesmo prefixo de repo em todo turno sem prefixos estáveis é o jeito caro de rodar flagship.

FAQ (curto)

Já saiu de verdade? Sim — listado, documentado, precificado, chamável como kimi-k3.

Open weights? Não tratamos blurb de terceiros como promessa da Moonshot. Confira os canais oficiais de research / HF da Moonshot antes de planejar self-host.

Substitui o K2.7 Code? Não. Portfólio: flagship geral vs especialista em código.

Resumo final

O K3 passa na barra que colocamos na véspera: nome real de API, janela real de 1M, preço real. O movimento inteligente não é “todo mundo pro K3,” é colocar o K3 nos jobs que justificam raciocínio premium e memória enorme, manter o K2.7 Code para shipar PR, e manter o K2.6 onde um agente longo mais barato já entrega.

Próximas leituras: status do K3 · o que achávamos antes do GA · seletor de modelos (patch mental para o GA) · K2.7 Code · K2.6.