Moonshot libera os pesos do Kimi K3.1 Pro enquanto Huawei e Alibaba ampliam o suporte à implantação

Um modelo de 2,8 trilhões de parâmetros vai além da API

A Moonshot AI publicou os pesos completos do Kimi K3.1 Pro no Hugging Face, oferecendo a desenvolvedores e empresas uma forma de executar seu principal modelo multimodal em sua própria infraestrutura computacional. O anúncio foi feito ao amanhecer em Pequim, em 5 de novembro, após a apresentação do modelo em 24 de outubro de 2026, quando ele foi disponibilizado pelos produtos Kimi e por sua interface de programação de aplicações, ou API.

O K3.1 Pro contém 2,8 trilhões de parâmetros, os ajustes numéricos que armazenam o que um modelo aprendeu. Seu design de mistura de especialistas ativa aproximadamente 104 bilhões de parâmetros a cada etapa de inferência, em vez de usar todo o modelo de uma só vez. Ele oferece contexto de cerca de um milhão de tokens e consegue compreender informações visuais junto com texto.

A Huawei Ascend e a Alibaba Cloud anunciaram suporte no mesmo dia da publicação dos pesos. Suas implantações usam os frameworks de inferência vLLM e SGLang, softwares que gerenciam como modelos treinados processam solicitações. Para empresas que consideram uma implantação local, a publicação oferece tanto pesos para download quanto caminhos iniciais para executá-los em sistemas de aceleradores chineses.

O anúncio de lançamento do modelo da Moonshot, atualizado em 24 de outubro, dizia que os pesos completos seriam publicados até 4 de novembro; o anúncio da publicação pública veio em 5 de novembro. A empresa já havia liberado o acesso pelo kimi.com, Kimi App, Kimi Work, Kimi Code e Kimi API.

A mudança prática é o controle sobre onde o modelo é executado. Um cliente de API envia solicitações ao serviço de um provedor. Uma organização que implanta os pesos pode operar o modelo em uma infraestrutura que administra, sujeita à licença da Moonshot e ao hardware considerável necessário para executá-lo.

A Moonshot também apresentou o Kimi Hosted Agents, um serviço gerenciado para manter agentes de IA em funcionamento durante tarefas longas. Juntos, os anúncios oferecem às empresas duas opções diferentes: administrar o modelo por conta própria ou deixar mais do trabalho operacional a cargo da Kimi.

O que há de novo e o que vem do K3?

O Kimi K3.1 Pro se baseia na versão inicial do K3 por meio de treinamento adicional, em vez de partir de uma nova base treinada. A Moonshot afirma ter aumentado substancialmente os recursos computacionais destinados ao aprendizado por reforço, um processo que recompensa ações bem-sucedidas e ajuda um modelo a melhorar por meio de tentativas repetidas.

A Moonshot aplicou esse treinamento em centenas de áreas de tarefas, com atenção especial a programação, criação 3D, pesquisa financeira e agentes que realizam trabalhos em várias etapas. As mudanças de engenharia abrangeram o software de treinamento, o processamento de contexto longo, o agendamento e ambientes isolados nos quais o código gerado pode ser executado.

A janela de contexto de aproximadamente um milhão de tokens foi mantida do K3. Tokens são as unidades em que um modelo divide textos e outras entradas. Uma janela de contexto maior permite que mais documentos, instruções e trechos anteriores da conversa permaneçam disponíveis durante uma solicitação.

A sequência de lançamento separa o acesso ao serviço do acesso ao próprio modelo:

• 16 de julho de 2026: o Kimi K3 foi apresentado, segundo a comparação de modelos publicada.
• 24 de outubro de 2026: a Moonshot apresentou o K3.1 Pro por meio de seus produtos e API, com os pesos previstos para publicação até 4 de novembro.
• 5 de novembro: a Moonshot anunciou a publicação dos pesos e o Kimi Hosted Agents; Huawei e Alibaba anunciaram suporte à implantação.

Pesos abertos vêm com condições de operação e licença

Os pesos permitem que organizações com capacidade computacional suficiente baixem e executem o K3.1 Pro de forma independente. As empresas podem configurar seus próprios sistemas de execução, conectar ferramentas internas e desenvolver adaptações especializadas, nos termos da licença aplicável.

A Moonshot usa uma licença própria que rege o uso comercial. A publicação abrange os pesos do modelo, enquanto o código de treinamento e os conjuntos de dados originais usados no treinamento não foram publicados. Assim, os desenvolvedores recebem o modelo treinado, com permissões definidas pelos termos da Moonshot, e não um pacote completo de treinamento nos moldes da definição da Open Source Initiative.

O tamanho do modelo continua sendo um fator operacional importante. Embora apenas parte da rede de mistura de especialistas fique ativa a cada etapa, a implantação ainda precisa ter acesso ao conjunto completo de pesos. Solicitações longas também geram grandes quantidades de dados temporários de atenção, que precisam ser armazenados enquanto o modelo trabalha.

Huawei distribui a carga de memória entre sistemas Ascend

A Huawei afirma que sua equipe Ascend concluiu a adaptação no dia em que os pesos do K3.1 Pro foram disponibilizados, permitindo validar a implantação imediatamente. O suporte abrange os sistemas Atlas 800 A3, Atlas 900 A3 SuperPod e Ascend 950 supernode por meio do vLLM Ascend e do SGLang.

A adaptação contempla a arquitetura híbrida de atenção do modelo, incluindo atenção esparsa e processamento multimodal. Atenção é o mecanismo que ajuda um modelo a decidir quais partes de sua entrada são relevantes para a próxima etapa. A atenção esparsa limita algumas dessas conexões para reduzir o trabalho necessário no processamento de entradas muito longas.

O Ascend usa cache distribuído para repartir dados temporários do modelo entre várias unidades de processamento neural, ou NPUs, reduzindo a pressão sobre a memória de cada acelerador. A Huawei também descreve mudanças em operações matemáticas fundamentais que reduzem cópias e cálculos desnecessários.

Quem faz a implantação pode carregar os pesos originais ou usar menor precisão de bits em diferentes componentes do modelo, além de quantizar o cache de atenção. A quantização armazena números com menos bits, reduzindo as necessidades de memória. A Huawei afirma que a implementação mantém o cache de prefixo, que reutiliza entradas repetidas; o prefill em blocos, que processa prompts longos por partes; e a inferência especulativa, que acelera a geração ao verificar grupos de tokens propostos.

Alibaba oferece outro caminho por meio de sua plataforma SuperPoD

A Alibaba Cloud afirma que seu Lingjun Zhenwu M890 SuperPoD concluiu a adaptação e a validação em toda a pilha de software com vLLM e SGLang. O suporte também abrange configurações Zhenwu 810E, oferecendo outra opção de implantação do modelo em aceleradores chineses.

A Alibaba Cloud, a T-Head e a equipe Kimi trabalharam na pilha de software T-Head SAIL, incluindo FlashMLA, operações de mistura de especialistas do DeepGEMM, MegaMoE e MoonEP. Esses componentes executam cálculos de atenção e distribuem o trabalho entre especialistas e aceleradores. Os clientes podem implantar o modelo em instâncias SuperPoD dedicadas de bare metal ou pelo serviço REIN da Alibaba; o acesso à API também está disponível pela plataforma de IA Qwen.

A Alibaba abriu testes por convite para uma região SuperPoD em Zhongwei, Ningxia, além de instâncias de lançamento em Zhongwei e Ulanqab. A configuração de Zhongwei acrescenta a placa de rede Panmai 920, da T-Head, que, segundo a Alibaba, oferece suporte a PCIe 5.0, Ethernet 112G PAM4, vazão de até 400 gigabits por segundo e 400 milhões de pacotes por segundo.

Esses detalhes de rede são importantes porque um modelo desse porte precisa transferir informações rapidamente entre processadores. A Alibaba afirma que o switch PCIe integrado da placa pode reduzir o custo do sistema em cerca de 30%. A empresa também diz que o M890 SuperPoD atende mais de 100 grandes clientes e prevê um desempenho cerca de três vezes superior ao da geração atual para seu sucessor V900, ainda planejado; esse número é uma estimativa da empresa.

Resultados em programação mostram avanços em execução prolongada

A Moonshot informa uma pontuação de 65,7% no Terminal-Bench 4.0, que avalia agentes em tarefas de terminal em ambientes computacionais reais, com limites de recursos. A comparação publicada pela empresa registra 58,2% para o GPT-6 Astra e 66,4% para o Claude Opus 5.5, deixando o K3.1 Pro 0,7 ponto percentual atrás deste último nessa configuração.

A pontuação interna do Kimi Code Bench 3.0 Long-horizon da empresa subiu de 55,95% para o K3 para 61,2% para o K3.1 Pro, uma melhora de 5,25 pontos percentuais. Esse teste se concentra em planejamento, uso de ferramentas e conclusão de problemas de engenharia em várias etapas.

Avaliações independentes oferecem outra perspectiva. A Artificial Analysis registrou um aumento no Intelligence Index, de 44 para 55, e resultados no Terminal-Bench de aproximadamente 67% para o K3.1 Pro, contra 13% para o K3. Sua avaliação de terminal usou um framework de agente diferente do da Moonshot, portanto as pontuações descrevem configurações operacionais distintas.

As demonstrações da Moonshot destacam tanto a persistência quanto a geração de código. Em um exercício interno, o modelo trabalhou em uma simulação de caminhada construída com 296 componentes esqueléticos e 402 componentes musculares. Ao longo de 167 tarefas e 420 avaliações independentes, ele aumentou para 11,2 segundos o tempo de caminhada contínua do corpo simulado e corrigiu 36 erros nos cálculos dos músculos dos ombros, segundo a empresa.

Uma avaliação separada do Plotly registrou 42 respostas corretas em 43 para o K3.1 Pro, contra 35 para o K3, além de custo mais alto e maior tempo mediano de conclusão. Assim, a geração mais rápida de tokens e respostas melhores podem coexistir com uma espera mais longa pela conclusão de uma tarefa.

Criação 3D e finanças recebem melhorias direcionadas

O K3.1 Pro obteve 92,7% com ferramentas no BenchCAD, segundo a Moonshot. O benchmark pede que um modelo reconstrua objetos 3D a partir de imagens de diferentes ângulos, gerando código de desenho assistido por computador. A comparação da empresa lista 96,2% para o Claude Opus 5.5 e 95,9% para o GPT-6 Astra.

A Moonshot afirma que o modelo consegue escrever e executar scripts para ferramentas profissionais de modelagem, incluindo Blender e softwares CAD. Entre seus exemplos estão um motor turbofan no FreeCAD com 2.100 objetos sólidos e uma luminária projetada em cinco peças para impressão 3D. O site e o aplicativo Kimi também oferecem o 3D Make, para visualizar, editar e exportar modelos.

O trabalho financeiro é outro foco central. A Moonshot informa uma pontuação de 64,4 no OfficeQA Pro v2, que avalia a análise de documentos financeiros reais por meio de recuperação de informações, verificações entre documentos e raciocínio numérico. As avaliações internas da empresa mostram uma melhora de 14% em modelagem financeira, de 20% em pesquisa financeira e resultados em operações empresariais simuladas cerca de 4,2 vezes superiores aos do K3.

A comparação publicada apresenta os números subjacentes a dois desses testes: a Pesquisa Financeira subiu de 58,8 para 70,4, enquanto Operações Empresariais passou de 8,9 para 37,0. Para quem usa a ferramenta em uma empresa, o benefício esperado é um modelo capaz de levar uma tarefa da busca por informações até os cálculos e a produção de uma planilha ou resultado de pesquisa finalizado.

Moonshot publica dois resultados diferentes sobre erros factuais

O anúncio de lançamento da Moonshot diz que a taxa de erro em afirmações factuais individuais no Kimi Hallu Bench Hard caiu de 23,4% para o K3 para 8,3% para o K3.1 Pro; o guia da API apresenta um resultado diferente em um teste de estresse, com queda de 23,35% para 6,85% em conversas anonimizadas que usuários haviam sinalizado por conter erros factuais.

As duas páginas também apresentam números diferentes para respostas completas. O anúncio de lançamento diz que a proporção de respostas com pelo menos um erro factual foi de cerca de 42,4% da taxa do K3, enquanto o guia da API informa cerca de 46,4%. A Moonshot não explicou a relação entre essas avaliações.

Ambas as descrições se referem a exemplos difíceis, selecionados porque os modelos tendem a cometer erros neles. Para implantações financeiras e empresariais, continua sendo necessário verificar cálculos, citações e afirmações factuais com base nos registros originais antes de agir com base nos resultados.

A comparação independente também registrou uma pequena queda em um teste de contexto longo: o AA-LCR v1.1 caiu de 88,7% para o K3 para 86,3% para o K3.1 Pro. Organizações que processam documentos extensos precisarão considerar a precisão da recuperação de informações junto com a capacidade de contexto inalterada do modelo.

Agentes hospedados e acesso à API oferecem diferentes vantagens e limitações

O Kimi Hosted Agents fornece a estrutura operacional, muitas vezes chamada de harness, que envolve um modelo de IA. Essa estrutura gerencia ferramentas, execução de código, contexto, permissões e recuperação quando uma tarefa é interrompida. A Moonshot afirma que o serviço oferece suporte a funcionamento contínuo, tarefas longas e colaboração entre vários agentes.

A Moonshot aponta o monitoramento interno e a resposta operacional como possíveis aplicações, além de assistentes de pesquisa voltados a clientes e serviços de suporte. Empresas que usam o serviço gerenciado definem tarefas e conectam ferramentas, enquanto a Kimi mantém o ambiente de execução subjacente. As empresas que executam os pesos assumem a responsabilidade por sua própria estrutura de execução e operação.

Para clientes de API, o guia de início rápido da API da Moonshot exige uma recarga mínima de 10 yuans para liberar o K3.1 Pro. O bônus de 15 yuans para novos usuários cadastrados não pode ser usado nesse modelo. O guia oferece configurações de raciocínio baixa, alta e máxima, com a máxima como padrão, além de opções de retenção de cache de cinco minutos ou uma hora.

A Moonshot também oferece o K3.1 Pro Highspeed, que, segundo a empresa, mantém o mesmo nível de inteligência com velocidade de saída aproximadamente duas a três vezes maior. A comparação publicada lista tarifas padrão de entrada e saída de US$ 2 e US$ 10 por milhão de tokens, abaixo dos US$ 3 e US$ 15 cobrados pelo K3, uma redução de um terço antes das cobranças de cache e de outras tarifas aplicáveis. O gasto total ainda depende da quantidade de tokens e interações com ferramentas consumidas por uma tarefa.

Desenvolvedores precisam atender a alguns requisitos específicos de integração: mensagens completas do assistente devem ser preservadas durante chamadas de ferramentas; entradas visuais precisam usar dados em base64 ou identificadores de arquivos enviados, em vez de URLs públicas de imagens; e o guia recomenda não usar a ferramenta de busca na web em produção enquanto ela estiver sendo atualizada.

Principais pontos

• A Moonshot anunciou os pesos do Kimi K3.1 Pro em 5 de novembro, após disponibilizá-lo anteriormente por meio de seus produtos e da API.
• O modelo tem 2,8 trilhões de parâmetros no total, aproximadamente 104 bilhões de parâmetros ativos por etapa de inferência e contexto de cerca de um milhão de tokens.
• A Huawei Ascend e a Alibaba Cloud anunciaram suporte à implantação por meio do vLLM e do SGLang.
• A Moonshot informa avanços em programação, modelagem 3D e finanças, com resultados que variam de acordo com a tarefa e a configuração de avaliação.
• A implantação independente exige recursos computacionais substanciais e conformidade com a licença própria da Moonshot.
• O Kimi Hosted Agents oferece uma alternativa gerenciada para executar tarefas longas e coordenar vários agentes.