O Kimi K2 Thinking da China marca novo ritmo para a IA de código aberto, superando o GPT 5 em testes-chave

Um poderoso modelo aberto desafia a fronteira

A Moonshot AI lançou o Kimi K2 Thinking, um modelo de pesos abertos que mira diretamente o nível mais alto dos sistemas de raciocínio. A empresa afirma que o modelo supera os principais sistemas proprietários numa série de avaliações exigentes que medem o raciocínio passo a passo, agentes de navegação na web e engenharia de software. O K2 Thinking está disponível através da plataforma da Moonshot e do Kimi.com, e os pesos estão publicados em hubs públicos para autoalojamento sob uma Licença MIT Modificada que permite uso comercial com um leve requisito de atribuição para implementações muito grandes.

A conceção do modelo combina escala com eficiência. O K2 Thinking utiliza uma arquitetura Mixture of Experts com um total de um bilião de parâmetros, enquanto apenas cerca de 32 mil milhões de parâmetros são ativados por cada token gerado. Suporta uma janela de contexto de 256.000 tokens e foi treinado para inferência INT4 nativa utilizando quantização aware training. Essa configuração reduz a latência e as necessidades de memória, o que ajuda a explicar o seu preço competitivo. Para além das pontuações brutas, o lançamento empurra os modelos abertos em direção ao comportamento agêntico. O K2 Thinking demonstra planeamento de longo horizonte e uso estruturado de ferramentas ao longo de 200 a 300 chamadas sequenciais, e pode produzir traces de raciocínio transparentes para que os utilizadores possam inspecionar os passos intermédios. Essas capacidades, associadas a custos mais baixos, aumentam a pressão sobre os rivais fechados.

O que é o K2 Thinking e como funciona

O K2 Thinking é construído como um transformer Mixture of Experts. Um grande conjunto de módulos de especialistas especializados situa-se por trás de um router que seleciona um pequeno subconjunto para cada token, o que reduz a computação sem sacrificar capacidade. A Moonshot descreve uma pilha com 61 camadas, 384 especialistas, oito especialistas selecionados por token, 64 cabeças de atenção, uma dimensão oculta de 7168 e um tamanho de vocabulário de 160.000. Apenas cerca de 32 mil milhões de parâmetros estão ativos em qualquer momento, o que mantém a inferência gerenciável enquanto a capacidade total permanece muito elevada. O mecanismo de atenção é descrito como multi head latent attention com ativação SwiGLU. A abordagem concentra o treino e a inferência nos especialistas mais relevantes para o conteúdo em contexto, melhorando tanto o throughput como a precisão.

Especialistas dispersos e eficiência

O Mixture of Experts permite que um modelo escale até um bilião de parâmetros sem forçar todos os parâmetros a executarem para cada token. Na prática, isto significa que o modelo pode exibir raciocínio mais profundo e melhor amplitude de conhecimento, enquanto a pegada de memória e o tempo por passo mantêm-se dentro da gama dos aceleradores atuais. A janela de contexto de 256k permite ao modelo ingerir grandes bases de código ou longos pacotes de investigação, e depois planear ao longo de muitos passos à medida que chama ferramentas. Essa conceção é uma forte adequação para tarefas agênticas, onde um sistema pode pesquisar, ler, escrever e verificar resultados ao longo de dezenas ou centenas de ações.

INT4 nativo e quantização aware training

A Moonshot treinou o K2 Thinking com métodos quantization aware para que possa correr nativamente em INT4 para armazenamento de pesos e inferência. O INT4 usa dois bits por nibble para cada valor de parâmetro em vez de formatos de maior precisão, o que reduz as necessidades de memória e acelera a geração. A empresa reporta cerca de uma melhoria de duas vezes na velocidade de geração com perda mínima de qualidade em comparação com maior precisão, e todos os resultados dos benchmarks foram reportados sob INT4. Isto é relevante para custo e alcance. Testes da comunidade reportam a execução do modelo em sistemas desktop de alto nível, e a Moonshot recomenda motores como vLLM, SGLang e KTransformers. O modelo também suporta APIs compatíveis com OpenAI e Anthropic, o que torna a integração mais simples para equipas que já utilizam esses padrões.

Benchmarks onde o K2 Thinking lidera

Em testes públicos, o modelo apresenta resultados que o colocam entre os melhores sistemas de raciocínio disponíveis, e em vários ocupa o primeiro lugar. Os números reportados incluem 44,9 por cento no Humanity’s Last Exam com ferramentas ativadas, 23,9 por cento numa configuração apenas de texto, e 51,0 por cento numa configuração pesada; 60,2 por cento no BrowseComp para agentes de navegação na web; 71,3 por cento no SWE Bench Verified para correção de bugs de software com ferramentas; 83,1 por cento no LiveCodeBench v6; e 56,3 por cento no Seal 0. Em matemática e ciências, o modelo atinge 94,5 por cento no AIME25 sem ferramentas, 99,1 por cento no AIME25 quando lhe é permitido executar Python, 89,4 por cento no HMMT25 sem ferramentas, e cerca de 85 a 86 por cento no teste de conhecimento científico GPQA Diamond. São também reportadas pontuações de 87,0 no Frames, 47,4 no FinSearchComp T3 e 61,1 no SWE Multilingual. Em muitas destas categorias, o K2 Thinking iguala ou supera o GPT 5, e a pontuação no BrowseComp ultrapassa com folga o Claude Sonnet 4.5.

Tarefas agênticas de pesquisa e navegação

O BrowseComp avalia se um modelo consegue planear, pesquisar na web, seguir ligações, sintetizar descobertas e verificar respostas. A pontuação de 60,2 por cento do K2 Thinking no BrowseComp excede os 54,9 por cento reportados para o GPT 5 e ultrapassa em muito o Claude Sonnet 4.5, com 24,1 por cento. O modelo também apresenta resultados sólidos no Seal 0 e no Frames, que medem a recolha de informação, o planeamento e a consistência sob uso de ferramentas. Estes resultados alinham-se com os objetivos de conceção do modelo. O interleaved thinking permite ao modelo pausar, raciocinar, chamar uma ferramenta e depois atualizar o seu plano. O suporte para 200 a 300 chamadas sequenciais ajuda a manter o estado ao longo de muitos passos, e a grande janela de contexto mantém o conjunto de trabalho em memória.

Coding e engenharia de software

O SWE Bench Verified avalia a capacidade de um modelo de ler issues de repositórios, produzir um patch e passar nos testes. O K2 Thinking reporta uma pontuação de 71,3 por cento com ferramentas, um resultado forte para um sistema de pesos abertos. No LiveCodeBench v6 atinge 83,1 por cento, e no SWE Multilingual marca 61,1 por cento. Demonstrações da comunidade mostram que consegue construir projetos funcionais a partir de um único prompt, incluindo jogos e aplicações web completas, e depois iterar através de correções utilizando tool loops. O contexto longo ajuda na navegação de código, enquanto a inferência INT4 mantém a latência baixa durante sessões de desenvolvimento prolongadas.

Preços, acesso e licença

O K2 Thinking é lançado sob uma Licença MIT Modificada. O uso comercial é permitido, e implementações muito grandes devem incluir uma leve atribuição. O modelo está ativo no Kimi.com para chat, e é acessível por API na Kimi Open Platform. Para autoalojamento, as equipas podem obter os pesos de hubs públicos de modelos como o Hugging Face em huggingface.co/moonshotai/Kimi-K2-Thinking, e a documentação da plataforma está disponível em platform.moonshot.ai.

Os preços estão posicionados para ficarem abaixo das alternativas fechadas. A Moonshot lista cerca de 0,15 dólares por um milhão de tokens para cache hits, cerca de 0,60 dólares por um milhão de tokens para cache misses, e cerca de 2,50 dólares por um milhão de tokens para saída. Isto compara-se com o preço do GPT 5 em torno de 1,25 dólares por um milhão de tokens de entrada e 10 dólares por um milhão de tokens de saída. O suporte INT4 nativo do K2 Thinking reduz os custos de execução, e a configuração Mixture of Experts garante que apenas um subconjunto da rede corre de cada vez. No Kimi.com, o modo de chat standard utiliza um conjunto restrito de ferramentas para uma experiência mais leve, pelo que os resultados no site podem não corresponder aos benchmarks agênticos até a implementação do modo Agent estar concluída.

Porque é isto importante para a corrida da IA

Os modelos abertos estão a reduzir a lacuna com os melhores sistemas fechados. As vitórias em benchmarks do K2 Thinking sinalizam que a investigação aberta já pode competir no segmento alto de raciocínio, coding e tarefas agênticas. Isto exerce pressão sobre os fornecedores proprietários para se diferenciarem em fiabilidade, ferramentas de segurança, suporte empresarial e produtos integrados, e não apenas em pontuações de título. Para as empresas, os pesos abertos trazem controlo sobre dados, conformidade e pegada de implementação. Para os desenvolvedores, oferecem um caminho para experimentar comportamento agêntico avançado sem pagar taxas premium por cada token.

A crescente presença da IA da China

Os laboratórios chineses estão a avançar mais depressa e a ocupar mais espaço na conversa. Nomes como DeepSeek, Qwen, MiniMax e Kimi entraram em cena, com lançamentos que chegam a um ritmo constante. O modelo anterior da MiniMax estabeleceu um ritmo de benchmarks abertos e uma linha de base de custo mais baixa. O K2 Thinking vai agora mais longe no raciocínio de longo horizonte e nas ferramentas agênticas. Analistas apontam que as equipas chinesas estão a encurtar os ciclos de feedback, a apoiar-se no test time scaling e a usar a cadência de lançamentos como uma vantagem, mesmo que algumas tarefas ainda favoreçam os melhores sistemas fechados. A competição está também a deslocar-se do chat para a inteligência agêntica, onde um sistema pode planear, usar ferramentas e concluir objetivos complexos. O K2 Thinking aponta precisamente para essa mudança.

Capacidades e exemplos do mundo real

As demonstrações e testes de utilizadores da Moonshot destacam como o modelo resolve tarefas prolongadas. Numa demonstração, o sistema aborda uma questão de matemática ao nível doutoral percorrendo a leitura de artigos, a extração de fórmulas, a execução de código Python e a verificação de resultados ao longo de mais de vinte passos de raciocínio e ferramentas antes de produzir uma solução final. Outra demonstração mostra o modelo a percorrer pesquisas para identificar o ator Jimmy Gary Jr. e confirmar um papel específico num filme, uma tarefa que exigiu verificação cuidadosa de fontes ao longo de muitas páginas web. Nas sessões de coding, os testes reportam que o K2 Thinking consegue produzir um jogo estilo Space Invaders funcionante numa única passagem, e depois refiná-lo através de chamadas iterativas a ferramentas. Outros mostram-no a montar websites completos, a construir componentes de front-end e mesmo a replicar uma interface estilo desktop para gerir ficheiros e menus.

O que os desenvolvedores estão a ver

Testes independentes em fóruns de desenvolvedores descrevem um equilíbrio entre velocidade e controlo. Um utilizador experiente correu o modelo com hardware acessível ao consumidor e reportou comportamento estável ao longo de longas cadeias de ferramentas e prompts grandes. O revisor acrescentou que o caminho INT4 nativo melhorou a velocidade mantendo a qualidade estável.

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

Esse mesmo teste citou a janela de contexto de 256k que lida com grandes projetos de código, a força em coding multilingue e ganhos práticos em tarefas de front-end. O throughput reportado em máquinas desktop de alto nível chegou a dezenas a centenas de tokens por segundo, dependendo das configurações, o que faz com que os loops agênticos se sintam suficientemente responsivos para trabalho de desenvolvimento.

Perspetiva de especialista

Nathan Lambert, um investigador de IA que acompanha modelos abertos e sistemas agênticos, defende que o K2 Thinking marca um ponto de viragem para os pesos abertos no segmento alto de desempenho. Destaca também o ritmo de lançamentos dos laboratórios sediados na China.

O lançamento é visto como o ponto mais próximo que os modelos abertos chegaram da fronteira fechada em termos de desempenho.

Lambert aponta também para uma vantagem de velocidade no lançamento de novos sistemas e iterações do lado aberto, apesar de algumas áreas onde os modelos fechados ainda lideram.

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

O que o K2 Thinking ainda tem de provar

Liderança em benchmarks não é o mesmo que superioridade generalizada em produção. Alguns utilizadores reportam quedas ocasionais de recall em contextos muito longos, um desafio comum para sistemas de grande contexto. Os benchmarks também diferem nos orçamentos de ferramentas permitidos e nos limites de tokens de raciocínio, pelo que as comparações podem depender de quanto test time scaling cada equipa utiliza. Executar centenas de chamadas a ferramentas numa única sessão também levanta desafios de alojamento, uma vez que os fornecedores precisam de lidar com mais estado, mais chamadas de rede e logs maiores.

As empresas observarão a estabilidade entre versões, a reprodutibilidade dos resultados sob configurações fixas e as ferramentas de segurança que se integram nos fluxos de trabalho existentes. A saída do trace de raciocínio é um passo útil, pois permite às equipas inspecionar os passos intermédios, mas também significa que os operadores têm de decidir quanto raciocínio registar e quando mascarar conteúdo sensível. Por fim, a conceção aberta do modelo convida a uma rápida iteração da comunidade, o que é uma vantagem, e também significa que surgirão muitas variantes com diferentes compromissos entre velocidade, uso de memória e qualidade. Os resultados iniciais são promissores, e testes continuados ao longo de línguas, domínios e hardware dirão aos desenvolvedores onde o K2 Thinking é mais forte.

Em síntese

• A Moonshot AI lançou o Kimi K2 Thinking como pesos abertos com uma Licença MIT Modificada que permite uso comercial.
• O modelo utiliza uma conceção Mixture of Experts com um bilião de parâmetros no total e cerca de 32 mil milhões ativos por token.
• A inferência INT4 nativa de quantização aware training reduz custo e latência mantendo a qualidade.
• O K2 Thinking reporta 44,9 por cento no Humanity’s Last Exam com ferramentas e 60,2 por cento no BrowseComp, vencendo o GPT 5 nesse teste agêntico.
• As pontuações de coding incluem 71,3 por cento no SWE Bench Verified e 83,1 por cento no LiveCodeBench v6.
• O sistema suporta uma janela de contexto de 256k e pode executar 200 a 300 chamadas sequenciais a ferramentas.
• Os preços são de cerca de 0,15 dólares por milhão de tokens para cache hits, 0,60 dólares para cache misses 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 através de hubs públicos como o Hugging Face.
• Modelos abertos da China, incluindo Kimi, DeepSeek, Qwen e MiniMax, estão a impulsionar lançamentos rápidos e pontuações mais elevadas em benchmarks.
• As áreas a acompanhar incluem a fiabilidade de contexto longo, o suporte de alojamento para loops prolongados de ferramentas e o desempenho no mundo real sob restrições de produção.