Databricks Adiciona Kimi K3: O Modelo Open-Weight que Rivais IA Proprietária de Fronteira com Metade do Custo

Especificações do modelo

O Kimi K3 é um modelo esparso Mixture-of-Experts (MoE) com as seguintes especificações confirmadas :

• Parâmetros totais: 2,8 trilhões
• Parâmetros ativos: 104 bilhões ativados por token
• Arquitetura: MoE esparsa com 896 especialistas, 16 ativos por token, mais 2 especialistas compartilhados
• Janela de contexto: 1.048.576 tokens (1 milhão)
• Modalidades: Texto e visão nativa (imagens e vídeo)
• Inovações arquitetônicas: Kimi Delta Attention (KDA), Attention Residuals (AttnRes) e Stable LatentMoE

A Moonshot chama o K3 de "o primeiro modelo aberto da classe 3T do mundo" . Os pesos abertos foram lançados em 27 de julho de 2026, sob uma licença MIT modificada .

Ranking no Artificial Analysis Intelligence Index

No índice independente Artificial Analysis Intelligence Index (v4.1), o Kimi K3 pontua 57 em sua configuração padrão e 60 na configuração "max" . Seu ranking é :

• #3 ou #4 geral entre todos os modelos testados, dependendo da configuração
• Primeiro entre os modelos open-weight (o próximo mais próximo: GLM-5.2 com 51)
• Atrás de: Claude Fable 5 (~60) e GPT-5.6 Sol (~59)
• À frente de: Claude Opus 4.8 (~56), GPT-5.5, DeepSeek V4 Pro (44) e GLM-5.2 (51)

O índice combina nove avaliações, incluindo GDPval-AA v2, Terminal-Bench 2.1, SciCode, Humanity's Last Exam, GPQA Diamond e raciocínio de contexto longo . Em benchmarks específicos, o Kimi K3 alcançou o #1 no ranking Frontend Code Arena e #2 no AA-Briefcase (trabalho de conhecimento agentivo), atrás apenas do Fable 5 .

Comparação de custos com modelos proprietários

O Kimi K3 oferece uma vantagem de custo significativa sobre os rivais proprietários :

• Custo por Tarefa no Intelligence Index: Aproximadamente US$ 0,94
• Roughly metade do custo do Claude Opus 4.8 (raciocínio máximo, US$ 1,80)
• Custo semelhante ao GPT-5.6 Sol (max, US$ 1,04)
• A Databricks relata 50% a 72% menos custo por tarefa em comparação com os líderes proprietários
• Preços da API: ~US$ 3,00 por milhão de tokens de entrada e ~US$ 15,00 por milhão de tokens de saída

Como disse o CEO da Databricks, Ali Ghodsi, à CNBC, a combinação de desempenho em benchmarks e eficiência de custos do K3 torna workloads agentivas antes proibitivas — como agentes de codificação contínua ou processamento de documentos em larga escala — economicamente viáveis para empresas .

Governança empresarial e controles de custos com Unity AI Gateway

O Unity AI Gateway fornece um painel de controle unificado para equipes de plataforma que gerenciam IA em toda a empresa. Os principais recursos aplicáveis ao Kimi K3 incluem :

• Permissões de acesso granulares e barreiras de segurança aplicadas nas entradas e saídas do modelo
• Trilhas de auditoria completas e observabilidade em tempo de execução para todas as chamadas de modelo
• Controles de gastos com IA — alertas orçamentários proativos entre usuários, workspaces, casos de uso e contas inteiras, combinados com tabelas do sistema Unity Catalog e orçamentos do Databricks
• Limitação de taxa e roteamento de tráfego entre modelos, agentes e servidores MCP
• Limites máximos de gastos que interrompem as solicitações quando um orçamento é atingido
• Zero Data Retention (ZDR) para Kimi K3 no Databricks
• Governança unificada entre modelos open-weight e proprietários através da mesma estrutura de políticas

Durante a mesma semana, o Unity AI Gateway atingiu a Disponibilidade Geral, unificando gerenciamento de gastos, limitação de taxa e controle de acesso em LLMs empresariais, servidores MCP e agentes de codificação .

Tendência maior: a lacuna open-weight está se fechando rapidamente

A Databricks enquadra a integração do Kimi K3 como evidência de que a lacuna entre modelos open-weight e proprietários de IA está se fechando rapidamente . A empresa observa que, há um ano, os melhores modelos open-weight ficavam muito atrás de seus equivalentes proprietários — mas hoje, modelos open-weight como o Kimi K3 rivalizam com os líderes proprietários em desempenho de benchmark, oferecendo custos drasticamente mais baixos e maior flexibilidade .

De acordo com a Databricks, essa mudança permite que as empresas adotem estratégias de IA híbrida, misturando modelos open-weight e proprietários em uma única plataforma governada. A empresa enfatiza que as empresas agora têm escolha genuína — com a capacidade de rotear workloads para o modelo mais econômico para cada tarefa, sem sacrificar desempenho ou governança .