A startup chinesa de IA Moonshot AI, criadora do popular chatbot Kimi, lançou esta semana um grande modelo de linguagem de código aberto, o Kimi K2. Ele desafia os modelos de última geração da OpenAI e da Anthropic ao oferecer níveis particularmente altos de desempenho na codificação e execução de tarefas para agentes autônomos de IA.
Fonte da imagem: Moonshot AI
O modelo de linguagem Kimi K2, com 1 trilhão de parâmetros, dos quais 32 bilhões são ativos, é construído com base na abordagem Mixture of Experts. Isso significa que, ao processar uma solicitação, apenas uma parte do modelo geral é iniciada, o que aumenta a velocidade e a eficiência do algoritmo. A startup lançou duas versões do modelo de IA simultaneamente: uma versão básica para pesquisadores e desenvolvedores e uma versão personalizável do Kimi K2-Instruct, otimizada para chatbots e agentes autônomos.
A característica distintiva do novo modelo é a sua otimização para as capacidades dos agentes de IA: a capacidade de usar ferramentas de forma autônoma, escrever e executar código de software e realizar tarefas complexas em várias etapas sem intervenção humana. Durante os testes de benchmark, o Kimi K2 alcançou uma precisão de 65,8% no teste de desenvolvimento de software SWE-bench Verified. Isso é melhor do que o resultado da maioria das alternativas de código aberto e comparável ao desempenho de modelos proprietários.
As métricas de desempenho do Kimi K2 sugerem que a OpenAI e a Anthropic devem prestar atenção ao algoritmo. Isso porque o Kimi K2-Instruct não só compete com os modelos de IA de grandes empresas, como também as supera sistematicamente em tarefas relevantes para clientes corporativos.
Em um dos testes de codificação mais relevantes, o LiveCodeBench, o Kimi K2 alcançou uma precisão de 53,7%, significativamente melhor que o DeepSeek–V3 (46,9%) e o GPT-4.1 (44,7%). O que é ainda mais impressionante é seu resultado no teste MATH-500, onde o Kimi K2 obteve 97,4%, enquanto o GPT-4.1 obteve apenas 92,4%. Isso pode indicar que a Moonshot AI fez um avanço fundamental no raciocínio matemático que escapou de seus concorrentes maiores e mais bem financiados.
Vale a pena considerar que a Moonshot está alcançando esses resultados impressionantes com significativamente menos recursos e recursos do que empresas maiores. Por exemplo, a OpenAI investe centenas de milhões de dólares para aprimorar gradualmente seus modelos de IA. Parece que a Moonshot encontrou uma abordagem mais eficiente para alcançar o mesmo resultado. As implicações disso podem ir muito além da mera ostentação. Clientes corporativos há muito esperam por sistemas de IA que possam realmente executar cargas de trabalho complexas, em vez de apenas criar demonstrações chamativas. Os resultados dos testes da Kimi K2 sugerem que isso pode acontecer em breve.
Há um detalhe na documentação técnica do Moonshot que pode ser mais importante do que os resultados dos testes do novo algoritmo: o otimizador MuonClip, que permitiu que o processo de treinamento de um modelo de IA com um trilhão de parâmetros fosse realizado sem nenhuma falha.
Isto não é apenas uma conquista da engenharia, mas talvez uma mudança de paradigma. A instabilidade da aprendizagem tornou-se um obstáculo oculto no desenvolvimento de grandes modelos de linguagem. As empresas são forçadas a realizar retreinamentos dispendiosos, implementar medidas de segurança e tolerar desempenho abaixo do ideal para tornar o processo de aprendizagem mais estável.
As implicações econômicas podem ser igualmente impressionantes. Se o MuonClip se provar universal, o método da empresa para treinar modelos de IA poderá reduzir drasticamente o custo do poder computacional. Em um setor onde os custos de treinamento chegam a dezenas de milhões de dólares, mesmo ganhos modestos de eficiência podem proporcionar uma vantagem competitiva muito necessária.
Vale ressaltar que a decisão da Moonshot de tornar o Kimi K2 de código aberto, ao mesmo tempo em que oferece acesso à API do algoritmo a um preço competitivo, demonstra um profundo conhecimento da dinâmica do mercado. O preço da Moonshot, de US$ 0,15 por milhão de tokens inseridos e US$ 2,50 por milhão de tokens gerados, é significativamente menor do que o da OpenAI e da Anthropic, enquanto o modelo de IA da startup chinesa oferece desempenho comparável e, em alguns casos, superior. Uma importante mudança estratégica é a dupla disponibilidade: clientes corporativos podem usar a API para implementar o serviço imediatamente e, em seguida, migrar para algoritmos autônomos para otimizar custos ou melhorar a conformidade.
Isso poderia criar problemas para grandes empresas de IA. Se elas igualarem os preços da Moonshot, seus lucros cairão. Caso contrário, correm o risco de perder clientes que desejam migrar para um modelo de IA mais barato, mas com desempenho igualmente bom. Nesse caso, o status de código aberto do modelo não é uma espécie de caridade; é uma iniciativa consciente para atrair clientes. Todo desenvolvedor que baixa o Kimi K2 e experimenta o algoritmo se torna um potencial cliente corporativo da Moonshot. Ao mesmo tempo, cada melhoria feita pela comunidade reduz os custos de desenvolvimento da empresa.
As demonstrações da Moonshot mostram que a IA está se tornando gradualmente mais útil. Por exemplo, ao analisar os salários de Kimi, a K2 não apenas respondeu a perguntas sobre os dados, mas também realizou de forma autônoma 16 operações para realizar análises estatísticas e gerar visualizações interativas. A demonstração de planejamento de shows em Londres exigiu o uso de 17 ferramentas em diversas plataformas – busca, calendário, e-mail, voos, hospedagem e reservas em restaurantes. E não se tratava de apresentações preparadas por gerentes, mas de demonstrações reais de IA executando tarefas complexas e multietapas de forma autônoma.
Isso é diferente de como os assistentes de IA atuais trabalham, que se destacam em conversas, mas têm dificuldade para executar tarefas. Enquanto os concorrentes trabalham para tornar seus chatbots mais humanos, a Moonshot prioriza tornar os algoritmos mais úteis. Isso é importante porque o que as empresas desejam não é uma IA que passe no Teste de Turing, mas uma IA que execute tarefas produtivas com eficiência.
O verdadeiro avanço não está em uma única capacidade, mas no trabalho coordenado de muitas ferramentas e serviços. Versões anteriores de agentes de IA exigiam design cuidadoso, planejamento de fluxo de trabalho e supervisão humana constante. O Kimi K2 parece ser capaz de lidar de forma autônoma com as cargas cognitivas associadas à divisão de tarefas, à escolha de ferramentas para resolvê-las e à correção de erros.
Ao contrário dos “matadores de GPT” anteriores, que tiveram sucesso em áreas restritas, mas careciam de aplicação prática, o Kimi K2 demonstra alta competência em uma ampla gama de tarefas. O algoritmo pode escrever código de programa, resolver problemas matemáticos, usar diversas ferramentas e executar tarefas de trabalho complexas. Ao mesmo tempo, o algoritmo está disponível para modificação e experimentação, o que permite que seu desenvolvimento seja mais rápido.