Kimi K2 Thinking, da China, acelera o ritmo da IA de código aberto e supera o GPT 5 em testes importantes

Um poderoso modelo aberto desafia a fronteira

A Moonshot AI lançou o Kimi K2 Thinking, um modelo de pesos abertos que mira diretamente o mais alto nível dos sistemas de raciocínio. A empresa afirma que o modelo supera os principais sistemas proprietários em uma série de avaliações exigentes que medem raciocínio passo a passo, agentes de navegação na web e engenharia de software. O K2 Thinking está disponível na plataforma da Moonshot e no Kimi.com, e seus pesos foram publicados em repositórios públicos para hospedagem própria sob uma Licença MIT Modificada, que permite uso comercial com uma exigência simples de atribuição para implantações de grande porte.

O projeto do modelo combina escala e eficiência. O K2 Thinking usa uma arquitetura de Mistura de Especialistas (Mixture of Experts), com um total declarado de um trilhão de parâmetros, dos quais apenas cerca de 32 bilhões são ativados para cada token gerado. Ele oferece uma janela de contexto de 256.000 tokens e foi treinado para inferência nativa em INT4 usando treinamento ciente de quantização. Essa configuração reduz a latência e a necessidade de memória, o que ajuda a explicar seus preços competitivos. Além das pontuações brutas, o lançamento leva os modelos abertos em direção ao comportamento de agente. O K2 Thinking demonstra planejamento de longo horizonte e uso estruturado de ferramentas ao longo de 200 a 300 chamadas sequenciais, e pode gerar rastros transparentes de raciocínio para que os usuários inspecionem as etapas intermediárias. Essas capacidades, combinadas com custos menores, elevam a pressão sobre os concorrentes fechados.

O que é o K2 Thinking e como funciona

O K2 Thinking foi desenvolvido como um transformador de Mistura de Especialistas. Um grande conjunto de módulos especializados fica por trás de um roteador que seleciona um pequeno grupo para cada token, reduzindo o processamento necessário sem sacrificar a capacidade. A Moonshot descreve uma arquitetura com 61 camadas, 384 especialistas, oito especialistas selecionados por token, 64 cabeças de atenção, dimensão oculta de 7168 e vocabulário de 160.000 palavras. Apenas cerca de 32 bilhões de parâmetros ficam ativos a cada momento, o que mantém a inferência administrável mesmo com uma capacidade total muito alta. O mecanismo de atenção é descrito como atenção latente multi-head com ativação SwiGLU. A abordagem concentra o treinamento e a inferência nos especialistas mais relevantes para o conteúdo em contexto, aumentando tanto o rendimento quanto a precisão.

Especialistas esparsos e eficiência

A Mistura de Especialistas permite que um modelo alcance um trilhão de parâmetros sem exigir que todos sejam executados para cada token. Na prática, isso significa que o modelo pode apresentar raciocínio mais profundo e maior abrangência de conhecimento, mantendo o uso de memória e o tempo de processamento dentro dos limites dos aceleradores atuais. A janela de contexto de 256 mil tokens permite que o modelo processe grandes bases de código ou extensos conjuntos de pesquisas e, em seguida, planeje muitas etapas enquanto usa ferramentas. Esse projeto é especialmente adequado para tarefas de agente, nas quais um sistema pode pesquisar, ler, escrever e verificar resultados ao longo de dezenas ou centenas de ações.

INT4 nativo e treinamento ciente de quantização

A Moonshot treinou o K2 Thinking com métodos cientes de quantização para que ele possa operar nativamente em INT4 no armazenamento dos pesos e na inferência. O INT4 usa dois bits por nibble para cada valor de parâmetro, em vez de formatos de maior precisão, reduzindo a necessidade de memória e acelerando a geração. A empresa relata uma melhoria de cerca de duas vezes na velocidade de geração, com perda mínima de qualidade em comparação com formatos de maior precisão, e afirma que todas as pontuações de benchmark foram obtidas em INT4. Isso é importante para o custo e o alcance. Testadores da comunidade relatam executar o modelo em computadores desktop de alto desempenho, e a Moonshot recomenda mecanismos como vLLM, SGLang e KTransformers. O modelo também oferece suporte a APIs compatíveis com OpenAI e Anthropic, o que facilita a integração para equipes que já usam esses padrões.

Benchmarks em que o K2 Thinking lidera

Em testes públicos, o modelo apresenta resultados que o colocam entre os melhores sistemas de raciocínio disponíveis e, em vários deles, alcança o primeiro lugar. Os números divulgados incluem 44,9% no Humanity’s Last Exam com ferramentas ativadas, 23,9% em uma configuração apenas de texto e 51,0% em uma configuração pesada; 60,2% no BrowseComp para agentes de navegação na web; 71,3% no SWE Bench Verified para correção de bugs de software com ferramentas; 83,1% no LiveCodeBench v6; e 56,3% no Seal 0. Em matemática e ciências, o modelo chega a 94,5% no AIME25 sem ferramentas, 99,1% no AIME25 com permissão para executar Python, 89,4% no HMMT25 sem ferramentas e cerca de 85% a 86% no teste de conhecimento científico GPQA Diamond. Também foram divulgadas pontuações de 87,0 no Frames, 47,4 no FinSearchComp T3 e 61,1 no SWE Multilingual. Em muitas dessas categorias, o K2 Thinking iguala ou supera o GPT 5, e sua pontuação no BrowseComp abre uma ampla vantagem sobre o Claude Sonnet 4.5.

Tarefas de busca e navegação com agentes

O BrowseComp avalia se um modelo consegue planejar, pesquisar na web, seguir links, sintetizar informações e verificar respostas. A pontuação de 60,2% do K2 Thinking supera os 54,9% atribuídos ao GPT 5 e fica muito acima dos 24,1% do Claude Sonnet 4.5. O modelo também apresenta resultados fortes no Seal 0 e no Frames, que medem coleta de informações, planejamento e consistência no uso de ferramentas. Esses resultados estão de acordo com os objetivos do projeto. O raciocínio intercalado permite que o modelo faça uma pausa, raciocine, chame uma ferramenta e atualize seu plano. O suporte a 200 a 300 chamadas sequenciais ajuda a manter o estado ao longo de muitas etapas, enquanto a ampla janela de contexto mantém as informações de trabalho na memória.

Programação e engenharia de software

O SWE Bench Verified avalia a capacidade de um modelo de ler problemas em repositórios, produzir uma correção e passar nos testes. O K2 Thinking registra 71,3% com ferramentas, um resultado expressivo para um sistema de pesos abertos. No LiveCodeBench v6, alcança 83,1%, e no SWE Multilingual, 61,1%. Demonstrações da comunidade mostram que ele consegue criar projetos funcionais a partir de um único comando, incluindo jogos e aplicações web completas, e depois aprimorá-los com correções em ciclos de uso de ferramentas. O contexto longo ajuda na navegação pelo código, enquanto a inferência em INT4 reduz a latência durante sessões prolongadas de desenvolvimento.

Preços, acesso e licença

O K2 Thinking foi lançado sob uma Licença MIT Modificada. O uso comercial é permitido, e implantações de grande porte devem incluir uma atribuição simples. O modelo está disponível no Kimi.com para conversas e pode ser acessado por API na Kimi Open Platform. Para hospedagem própria, as equipes podem obter os pesos em repositórios públicos de modelos, como o Hugging Face, em huggingface.co/moonshotai/Kimi-K2-Thinking, e consultar a documentação da plataforma em platform.moonshot.ai.

Os preços foram definidos para ficar abaixo dos concorrentes fechados. A Moonshot lista cerca de 0,15 dólar por um milhão de tokens para acertos de cache, cerca de 0,60 dólar por um milhão de tokens para falhas de cache e cerca de 2,50 dólares por um milhão de tokens de saída. Em comparação, os preços do GPT 5 ficam em torno de 1,25 dólar por um milhão de tokens de entrada e 10 dólares por um milhão de tokens de saída. O suporte nativo a INT4 do K2 Thinking reduz os custos de execução, e a arquitetura de Mistura de Especialistas garante que apenas uma parte da rede seja executada por vez. No Kimi.com, o modo de conversa padrão usa um conjunto restrito de ferramentas para oferecer uma experiência mais leve. Por isso, os resultados no site podem não corresponder aos benchmarks de agentes até que a implementação do modo Agent seja concluída.

Por que isso importa na corrida da IA

Os modelos abertos estão reduzindo a distância em relação aos melhores sistemas fechados. As vitórias do K2 Thinking em benchmarks sinalizam que a pesquisa aberta já pode competir no mais alto nível em raciocínio, programação e tarefas de agente. Isso pressiona os fornecedores proprietários a se diferenciarem pela confiabilidade, pelas ferramentas de segurança, pelo suporte empresarial e por produtos integrados, em vez de apenas pelas pontuações de destaque. Para as empresas, os pesos abertos oferecem controle sobre dados, conformidade e infraestrutura de implantação. Para desenvolvedores, abrem caminho para experimentar comportamentos avançados de agente sem pagar tarifas premium por cada token.

A crescente presença da China na IA

Os laboratórios da China estão avançando mais rapidamente e ocupando espaço crescente no debate. Nomes como DeepSeek, Qwen, MiniMax e Kimi ganharam visibilidade, com lançamentos em ritmo constante. O modelo anterior da MiniMax estabeleceu um novo ritmo para os benchmarks abertos e uma referência de custos mais baixos. Agora, o K2 Thinking avança ainda mais no raciocínio de longo horizonte e no uso de ferramentas por agentes. Analistas apontam que as equipes chinesas estão acelerando os ciclos de feedback, apostando no aumento da computação durante a inferência e usando a frequência dos lançamentos como vantagem, embora alguns testes ainda favoreçam os melhores sistemas fechados. A competição também está deixando de se concentrar apenas em conversas e passando para a inteligência de agentes, capaz de planejar, usar ferramentas e cumprir objetivos complexos. O K2 Thinking foi desenvolvido justamente para essa mudança.

Capacidades e exemplos do mundo real

As demonstrações da Moonshot e os testes de usuários destacam como o modelo resolve tarefas prolongadas. Em uma demonstração, o sistema enfrenta uma questão de matemática em nível de doutorado, lendo artigos, extraindo fórmulas, executando código Python e verificando resultados em mais de vinte etapas de raciocínio e uso de ferramentas antes de apresentar uma solução final. Outra demonstração mostra o modelo realizando buscas sucessivas para identificar o ator Jimmy Gary Jr. e confirmar um papel específico em um filme, tarefa que exigiu uma verificação cuidadosa das fontes em várias páginas da web. Em sessões de programação, testadores relatam que o K2 Thinking consegue criar de uma só vez um jogo funcional no estilo Space Invaders e, depois, aprimorá-lo por meio de chamadas iterativas a ferramentas. Outros exemplos mostram o modelo criando sites completos, desenvolvendo componentes de front-end e até reproduzindo uma interface no estilo desktop para lidar com arquivos e menus.

O que os desenvolvedores estão observando

Testadores independentes em fóruns de desenvolvedores descrevem um equilíbrio entre velocidade e controle. Um usuário experiente executou o modelo em hardware acessível ao consumidor e relatou um comportamento estável ao longo de cadeias extensas de uso de ferramentas e comandos longos. O avaliador acrescentou que o caminho nativo em INT4 aumentou a velocidade sem comprometer a qualidade.

Nos meus testes, ele lidou com até 300 chamadas sequenciais a ferramentas sem perder coerência, uma grande melhora em relação aos modelos anteriores.

O mesmo testador destacou uma janela de contexto de 256 mil tokens capaz de lidar com grandes projetos de código, bom desempenho em programação multilíngue e ganhos práticos em tarefas de front-end. Em computadores desktop de alto desempenho, o rendimento relatado chegou a dezenas ou centenas de tokens por segundo, dependendo das configurações, tornando os ciclos de agentes responsivos o suficiente para o trabalho de desenvolvimento.

Perspectiva de especialistas

Nathan Lambert, pesquisador de IA que acompanha modelos abertos e sistemas de agentes, afirma que o K2 Thinking marca uma virada para os modelos de pesos abertos no topo do desempenho. Ele também destaca a velocidade dos lançamentos de laboratórios sediados na China.

O lançamento é visto como o mais próximo que os modelos abertos já chegaram da fronteira dos sistemas fechados em termos de desempenho.

Lambert também aponta uma vantagem de velocidade no lançamento de novos sistemas e atualizações por parte dos modelos abertos, apesar de os modelos fechados ainda liderarem em algumas áreas.

Os modelos abertos são lançados mais rapidamente. Os laboratórios chineses lançam seus modelos muito mais depressa que os ocidentais.

O que o K2 Thinking ainda precisa provar

Liderar benchmarks não significa ser superior em todos os aspectos na produção. Alguns usuários relatam quedas ocasionais na recuperação de informações em contextos muito longos, um desafio comum em sistemas com janelas de contexto amplas. Os benchmarks também variam quanto ao orçamento permitido para ferramentas e aos limites de tokens de raciocínio, então as comparações podem depender de quanto cada equipe aumenta a computação durante a inferência. Executar centenas de chamadas a ferramentas em uma única sessão também traz desafios de hospedagem, pois os provedores precisam lidar com mais estado, mais chamadas de rede e registros maiores.

As empresas acompanharão a estabilidade entre versões, a reprodutibilidade dos resultados com configurações fixas e as ferramentas de segurança compatíveis com os fluxos de trabalho existentes. A geração de rastros de raciocínio é um avanço útil, pois permite que as equipes inspecionem as etapas intermediárias, mas também exige que os operadores decidam quanto do raciocínio registrar e quando ocultar conteúdo sensível. Por fim, o projeto aberto do modelo permite uma rápida evolução impulsionada pela comunidade, o que é uma vantagem, mas também fará surgir muitas variantes, com diferentes compromissos entre velocidade, uso de memória e qualidade. Os primeiros resultados são promissores, e testes contínuos em diferentes idiomas, domínios e equipamentos mostrarão em que o K2 Thinking se destaca.

Em resumo

• A Moonshot AI lançou o Kimi K2 Thinking como um modelo de pesos abertos sob uma Licença MIT Modificada que permite uso comercial.
• O modelo usa uma arquitetura de Mistura de Especialistas, com um trilhão de parâmetros no total e cerca de 32 bilhões ativos por token.
• A inferência nativa em INT4, viabilizada pelo treinamento ciente de quantização, reduz custos e latência sem comprometer a qualidade.
• O K2 Thinking registra 44,9% no Humanity’s Last Exam com ferramentas e 60,2% no BrowseComp, superando o GPT 5 nesse teste de agente.
• Entre os resultados de programação estão 71,3% no SWE Bench Verified e 83,1% no LiveCodeBench v6.
• O sistema oferece uma janela de contexto de 256 mil tokens e pode executar de 200 a 300 chamadas sequenciais a ferramentas.
• Os preços ficam em cerca de 0,15 dólar por milhão de tokens para acertos de cache, 0,60 dólar para falhas de cache e 2,50 dólares para saída, bem abaixo das tarifas do GPT 5.
• O acesso está disponível no Kimi.com, por API na Kimi Open Platform e em repositórios públicos como o Hugging Face.
• Modelos abertos da China, incluindo Kimi, DeepSeek, Qwen e MiniMax, estão acelerando os lançamentos e elevando as pontuações em benchmarks.
• Entre os pontos a acompanhar estão a confiabilidade em contextos longos, o suporte de hospedagem para ciclos prolongados de uso de ferramentas e o desempenho em condições reais de produção.