Moonshot disponibiliza os pesos do Kimi K3.1 Pro enquanto Huawei e Alibaba acrescentam suporte à implementação

Um modelo com 2,8 biliões de parâmetros vai além da API

A Moonshot AI disponibilizou no Hugging Face os pesos completos do Kimi K3.1 Pro, permitindo a programadores e empresas executar o seu principal modelo multimodal na própria infraestrutura informática. O anúncio foi feito ao amanhecer, em Pequim, a 5 de novembro, na sequência da apresentação do modelo, a 24 de outubro de 2026, que o tornou acessível através dos produtos Kimi e da sua interface de programação de aplicações, ou API.

O K3.1 Pro contém 2,8 biliões de parâmetros, os valores numéricos que armazenam aquilo que um modelo aprendeu. A sua arquitectura de mistura de especialistas activa cerca de 104 mil milhões de parâmetros em cada passo de inferência, em vez de utilizar todo o modelo de uma só vez. Suporta um contexto de cerca de um milhão de tokens e consegue compreender informação visual além de texto.

A Huawei Ascend e a Alibaba Cloud anunciaram ambas suporte no dia em que os pesos foram disponibilizados. As suas implementações recorrem às frameworks de inferência vLLM e SGLang, software que gere a forma como os modelos treinados processam pedidos. Para as empresas que ponderam uma implementação local, o lançamento disponibiliza tanto os pesos para descarregar como as primeiras opções para os executar em sistemas de aceleradores chineses.

No anúncio de lançamento do modelo, actualizado a 24 de outubro, a Moonshot indicou que os pesos completos seriam disponibilizados até 4 de novembro; o anúncio público da disponibilização surgiu a 5 de novembro. A empresa já tinha aberto o acesso através de kimi.com, da Kimi App, da Kimi Work, da Kimi Code e da Kimi API.

A mudança prática é o controlo sobre o local onde o modelo é executado. Um cliente de API envia pedidos para o serviço de um fornecedor. Uma organização que implemente os pesos pode operar o modelo numa infraestrutura que gere, sujeita à licença da Moonshot e ao considerável equipamento necessário para o executar.

A Moonshot apresentou também o Kimi Hosted Agents, um serviço gerido que mantém agentes de IA em funcionamento durante tarefas prolongadas. Em conjunto, os anúncios oferecem às empresas duas opções distintas: gerir o modelo por conta própria ou delegar à Kimi uma parte maior do trabalho operacional.

O que há de novo e o que transita do K3?

O Kimi K3.1 Pro assenta na base do K3, através de treino adicional, em vez de partir de uma base treinada de raiz. A Moonshot afirma ter aumentado substancialmente os recursos computacionais dedicados à aprendizagem por reforço, um processo que recompensa acções bem-sucedidas e ajuda um modelo a melhorar através de tentativas repetidas.

A Moonshot aplicou esse treino a centenas de áreas de tarefas, com especial atenção à programação, à criação 3D, à investigação financeira e a agentes que executam processos com muitas etapas. As alterações de engenharia abrangeram o software de treino, o processamento de contextos longos, o agendamento e os ambientes de sandbox, onde pode ser executado o código gerado.

A janela de contexto de cerca de um milhão de tokens transita do K3. Os tokens são as unidades em que um modelo divide texto e outras entradas. Uma janela de contexto maior permite manter mais documentos, instruções e partes anteriores da conversa disponíveis durante um pedido.

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

• 16 de julho de 2026: apresentação do Kimi K3, segundo a comparação de modelos publicada.
• 24 de outubro de 2026: a Moonshot apresentou o K3.1 Pro através dos seus produtos e da API, prevendo disponibilizar os pesos até 4 de novembro.
• 5 de novembro: a Moonshot anunciou a disponibilização dos pesos e o Kimi Hosted Agents; a Huawei e a Alibaba anunciaram suporte à implementação.

Os pesos abertos estão sujeitos a condições de operação e licenciamento

Os pesos permitem que organizações com capacidade informática suficiente descarreguem e executem o K3.1 Pro de forma independente. As empresas podem configurar os seus próprios sistemas de serviço, ligá-los a ferramentas internas e desenvolver adaptações especializadas ao abrigo da licença aplicável.

A Moonshot utiliza uma licença própria que regula a utilização comercial. O lançamento abrange os pesos do modelo, mas o código de treino e os conjuntos de dados originais de treino não foram publicados. Os programadores recebem, portanto, o modelo treinado, com permissões definidas pelos termos da Moonshot, e não um pacote de treino completo segundo a definição da Open Source Initiative.

A dimensão do modelo continua a ser uma importante consideração operacional. Embora apenas uma parte da rede de mistura de especialistas esteja activa em cada passo, a implementação continua a precisar de acesso ao conjunto integral de pesos. Os pedidos longos também geram grandes quantidades de dados temporários de atenção, que têm de ser armazenados enquanto o modelo trabalha.

A Huawei distribui a carga de memória pelos sistemas Ascend

A Huawei afirma que a sua equipa Ascend concluiu a adaptação no próprio dia em que os pesos do K3.1 Pro ficaram disponíveis, permitindo validar de imediato a implementação. O suporte abrange os sistemas Atlas 800 A3, Atlas 900 A3 SuperPod e Ascend 950 supernode através do vLLM Ascend e do SGLang.

A adaptação responde à arquitectura híbrida de atenção do modelo, incluindo atenção esparsa e processamento multimodal. A atenção é o mecanismo que ajuda um modelo a determinar que partes da sua entrada são relevantes para o passo seguinte. A atenção esparsa limita algumas dessas ligações para reduzir o trabalho necessário no processamento de entradas muito longas.

A Ascend utiliza armazenamento em cache distribuído para repartir os dados temporários do modelo por várias unidades de processamento neuronal, ou NPU, reduzindo a pressão sobre a memória de cada acelerador. A Huawei descreve também alterações a operações matemáticas fundamentais que reduzem cópias e cálculos desnecessários.

As entidades responsáveis pela implementação podem carregar os pesos originais ou usar menor precisão em bits para diferentes componentes do modelo, além da quantização da cache de atenção. A quantização armazena números com menos bits, reduzindo os requisitos de memória. A Huawei afirma que a implementação mantém a cache de prefixos, que reutiliza entradas repetidas; o prefill por blocos, que processa instruções longas em partes; e a inferência especulativa, que acelera a geração ao verificar grupos de tokens propostos.

A Alibaba acrescenta outra opção através da plataforma SuperPoD

A Alibaba Cloud afirma que o seu Lingjun Zhenwu M890 SuperPoD concluiu a adaptação e validação de toda a pilha de software no vLLM e no SGLang. O suporte abrange também configurações Zhenwu 810E, dando ao modelo outra opção de implementação em aceleradores chineses.

A Alibaba Cloud, a T-Head e a equipa Kimi trabalharam na pilha de software T-Head SAIL, incluindo o FlashMLA, as operações de mistura de especialistas do DeepGEMM, o MegaMoE e o MoonEP. Estes componentes tratam dos cálculos de atenção e da distribuição de trabalho entre especialistas e aceleradores. Os clientes podem implementar o modelo em instâncias SuperPoD dedicadas de servidores bare metal ou através do serviço REIN da Alibaba; o acesso por API também está disponível na plataforma de IA Qwen.

A Alibaba abriu testes por convite numa região SuperPoD em Zhongwei, Ningxia, juntamente com 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, suporta PCIe 5.0, Ethernet 112G PAM4, um débito máximo de 400 gigabits por segundo e 400 milhões de pacotes por segundo.

Estes pormenores de rede são importantes porque um modelo desta dimensão tem de transferir informação rapidamente entre processadores. A Alibaba afirma que o comutador PCIe integrado da placa pode reduzir os custos do sistema em cerca de 30%. Diz também que o M890 SuperPoD serve mais de 100 grandes clientes e prevê que o sucessor V900, planeado, tenha um desempenho cerca de três vezes superior ao da geração actual; trata-se de uma previsão da empresa.

Os resultados de programação revelam melhorias na execução prolongada

A Moonshot indica uma pontuação de 65,7% no Terminal-Bench 4.0, que testa agentes em tarefas de terminal em ambientes informáticos reais, sujeitos a limites de recursos. A comparação publicada atribui 58,2% ao GPT-6 Astra e 66,4% ao Claude Opus 5.5, deixando o K3.1 Pro 0,7 pontos percentuais atrás deste último nesta configuração.

A pontuação interna Kimi Code Bench 3.0 Long-horizon da empresa subiu de 55,95% no K3 para 61,2% no K3.1 Pro, uma melhoria de 5,25 pontos percentuais. Este teste centra-se no planeamento, na utilização de ferramentas e na resolução de problemas de engenharia em várias etapas.

As avaliações independentes oferecem outra perspectiva. A Artificial Analysis registou uma subida do Intelligence Index de 44 para 55 e resultados no Terminal-Bench de cerca de 67% para o K3.1 Pro, contra 13% para o K3. A avaliação de terminal utilizou uma framework de agentes diferente da da Moonshot, pelo que as pontuações correspondem a configurações operacionais distintas.

As demonstrações da Moonshot destacam a persistência, além da geração de código. Num exercício interno, o modelo trabalhou numa simulação de marcha criada a partir de 296 componentes esqueléticos e 402 componentes musculares. Em 167 tarefas e 420 avaliações independentes, melhorou para 11,2 segundos o tempo de marcha contínua do corpo simulado e corrigiu 36 erros nos cálculos dos músculos do ombro, segundo a empresa.

Uma avaliação separada com Plotly registou 42 respostas correctas em 43 para o K3.1 Pro, contra 35 para o K3, juntamente com um custo mais elevado e um tempo mediano de conclusão mais longo. Assim, uma geração de tokens mais rápida e respostas melhores podem coexistir com uma espera maior até à conclusão de uma tarefa.

A criação 3D e as finanças recebem melhorias específicas

O K3.1 Pro obteve 92,7% com ferramentas no BenchCAD, segundo a Moonshot. O benchmark pede ao modelo que reconstrua objectos 3D a partir de várias vistas, gerando código de desenho assistido por computador. A comparação da empresa indica 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 modelação, incluindo o Blender e software CAD. Entre os exemplos da empresa estão um motor turbofan no FreeCAD com 2100 objectos sólidos e um candeeiro concebido em cinco peças para impressão 3D. O site e a aplicação Kimi também disponibilizam o 3D Make para pré-visualizar, editar e exportar modelos.

O trabalho financeiro é outro dos principais alvos. A Moonshot indica uma pontuação de 64,4 no OfficeQA Pro v2, que testa a análise de documentos financeiros reais através de pesquisa de informação, verificações cruzadas entre documentos e raciocínio numérico. As avaliações internas mostram melhorias de 14% na modelação financeira e de 20% na investigação financeira, e uma pontuação nas operações empresariais simuladas cerca de 4,2 vezes superior à do K3.

A comparação publicada apresenta os valores subjacentes de dois desses testes: a Investigação Financeira subiu de 58,8 para 70,4, enquanto as Operações Empresariais aumentaram de 8,9 para 37,0. Para um utilizador empresarial, o benefício pretendido é dispor de um modelo capaz de executar uma tarefa desde a pesquisa de informação e os cálculos até à produção de uma folha de cálculo ou de um relatório de investigação concluído.

A Moonshot publica dois resultados diferentes para erros factuais

No seu anúncio de lançamento, a Moonshot afirma que a taxa de erros em afirmações factuais individuais no Kimi Hallu Bench Hard baixou de 23,4% no K3 para 8,3% no K3.1 Pro; o guia da API apresenta um resultado diferente num teste de esforço, com uma descida de 23,35% para 6,85% em conversas anonimizadas que os utilizadores assinalaram por conterem erros factuais.

As duas páginas apresentam também valores diferentes para as respostas. O anúncio de lançamento afirma que a proporção de respostas com pelo menos um erro factual correspondeu a cerca de 42,4% da taxa do K3, enquanto o guia da API indica cerca de 46,4%. A Moonshot não explicou a relação entre estas avaliações.

Ambas as descrições dizem respeito a exemplos difíceis, seleccionados por serem propícios a erros dos modelos. Nas implementações financeiras e empresariais, continua a ser necessário verificar cálculos, citações e afirmações factuais com base nos registos originais antes de agir com base nos resultados.

A comparação independente registou também uma pequena descida num teste de contexto longo: o AA-LCR v1.1 passou de 88,7% no K3 para 86,3% no K3.1 Pro. As organizações que processem documentos extensos terão de ponderar a precisão da pesquisa de informação, além da capacidade de contexto inalterada do modelo.

Agentes alojados e acesso por API oferecem compromissos diferentes

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

A Moonshot aponta a monitorização interna e a resposta operacional como potenciais utilizações, além de assistentes de investigação e serviços de apoio ao cliente. As empresas que utilizam o serviço gerido definem as tarefas e ligam ferramentas, enquanto a Kimi mantém o ambiente de execução subjacente. As empresas que executam os pesos ficam responsáveis pelas suas próprias operações e configurações de serviço.

Para os clientes da API, o guia de início rápido da API da Moonshot exige um carregamento mínimo de 10 yuan para desbloquear o K3.1 Pro. O vale de 15 yuan atribuído a novos utilizadores registados não pode ser utilizado para este modelo. O guia disponibiliza definições de raciocínio baixa, alta e máxima, sendo a máxima a predefinida, e opções de retenção da cache de cinco minutos ou uma hora.

A Moonshot oferece também o K3.1 Pro Highspeed, que, segundo a empresa, proporciona a mesma capacidade de inteligência com uma velocidade de geração cerca de duas a três vezes superior. A comparação publicada indica preços padrão de 2 dólares por milhão de tokens de entrada e 10 dólares por milhão de tokens de saída, abaixo dos 3 e 15 dólares do K3, respectivamente, uma redução de um terço, antes dos custos de cache e de outras taxas aplicáveis. A despesa total continua a depender do número de tokens e interacções com ferramentas consumidos por cada tarefa.

Os programadores têm de cumprir alguns requisitos específicos de integração: as mensagens completas do assistente têm de ser preservadas durante as chamadas a ferramentas; as entradas visuais exigem dados em base64 ou identificadores de ficheiros carregados, em vez de URLs de imagens públicas; e o guia desaconselha a utilização em produção da ferramenta de pesquisa na Web enquanto esta estiver a ser actualizada.

Principais pontos

• A Moonshot anunciou os pesos do Kimi K3.1 Pro a 5 de novembro, após ter disponibilizado anteriormente o modelo nos seus produtos e na API.
• O modelo tem 2,8 biliões de parâmetros no total, cerca de 104 mil milhões de parâmetros activos por passo de inferência e um contexto de cerca de um milhão de tokens.
• A Huawei Ascend e a Alibaba Cloud anunciaram suporte à implementação através do vLLM e do SGLang.
• A Moonshot indica melhorias na programação, na modelação 3D e nas finanças, com resultados que variam consoante a tarefa e a configuração de avaliação.
• A implementação independente exige recursos informáticos consideráveis e o cumprimento da licença própria da Moonshot.
• O Kimi Hosted Agents oferece uma alternativa gerida para executar tarefas prolongadas e coordenar vários agentes.