A chinesa Moonshot AI liberou o Kimi K2.7 Code, um modelo de inteligência artificial de código aberto voltado para programação, no mesmo 12 de junho em que o governo dos Estados Unidos obrigou a Anthropic a desligar seus modelos mais potentes. A coincidência de datas escancarou a diferença de fundo entre os dois mundos da IA: o modelo fechado pode ser tirado do ar por decisão de um governo; o aberto, uma vez publicado, qualquer um baixa, roda e mantém.
Disponibilizado na plataforma Hugging Face, o K2.7 Code chega com números que explicam por que laboratórios chineses viraram o centro do movimento de IA aberta — e por que isso assusta o Vale do Silício, que aposta no modelo fechado e pago.
Quem é a Moonshot, a chinesa por trás do Kimi
Fundada em março de 2023 por Yang Zhilin, Zhou Xinyu e Wu Yuxin — três ex-colegas da Universidade Tsinghua —, a Moonshot AI é uma das estrelas da nova geração de IA chinesa. Yang, o rosto da empresa, é ex-professor de Tsinghua e já trabalhou em projetos de inteligência artificial no Google e na Meta antes de montar a própria companhia.
A trajetória financeira impressiona: a Moonshot saltou de uma avaliação de cerca de US$ 4,3 bilhões no fim de 2024 para US$ 10 bilhões no início de 2026 e, em seguida, para mais de US$ 20 bilhões — com investidores de peso como Alibaba, Tencent, Meituan e a China Mobile. A receita recorrente anual cruzou os US$ 100 milhões em março de 2026 e dobrou para mais de US$ 200 milhões já em abril. O Kimi, seu assistente de IA, é um dos que mais crescem na China.
O que é o K2.7 Code, em termos técnicos
O modelo usa uma arquitetura de “mistura de especialistas” (MoE, na sigla em inglês). Na prática: ele tem 1 trilhão de parâmetros no total, mas ativa apenas 32 bilhões por vez — para cada trecho de texto, o sistema seleciona 8 entre 384 “especialistas” internos. É esse desenho que permite um modelo gigante rodar com custo de um modelo bem menor, porque só uma fração dele trabalha a cada passo.
A janela de contexto é de 256 mil tokens (o equivalente a um livro inteiro de uma vez), e a Moonshot afirma que o K2.7 gasta cerca de 30% menos “tokens de raciocínio” que a geração anterior, o K2.6 — ou seja, chega à resposta pensando menos e custando menos. O ponto que muda o jogo, porém, é a licença: o modelo foi publicado sob uma Modified MIT License, permissiva o bastante para que empresas baixem, usem comercialmente, modifiquem e façam ajustes do modelo na própria infraestrutura.
Mais barato e compatível com o que o mercado já usa
Pela API oficial, o preço é de US$ 0,95 por milhão de tokens de entrada e US$ 4,00 por milhão de tokens de saída — cerca de cinco vezes mais barato que o Claude Opus 4.8 (US$ 5 / US$ 25), da Anthropic. Além disso, a Moonshot oferece compatibilidade com as APIs nos padrões OpenAI e Anthropic, o que significa que quem já desenvolveu em cima dessas ferramentas consegue migrar com pouco esforço de adaptação.
Forte — mas sem “destronar” os líderes
Aqui é preciso cuidado com a propaganda. Pelos próprios números divulgados pela Moonshot, o K2.7 Code fica atrás do GPT-5.5 (OpenAI) e do Claude Opus 4.8 (Anthropic) na maioria dos testes que a empresa escolheu publicar:
| Benchmark (dados da Moonshot) | Kimi K2.7 Code | GPT-5.5 | Claude Opus 4.8 |
|---|---|---|---|
| Kimi Code Bench v2 | 62.0 | 69.0 | 67.4 |
| Program Bench | 53.6 | 69.1 | 63.8 |
| MLS Bench Lite | 35.1 | 35.5 | 42.8 |
| Kimi Claw 24/7 | 46.9 | 52.8 | 50.4 |
| MCP Atlas | 76.0 | 79.4 | 81.3 |
| MCP Mark Verified | 81.1 | 92.9 | 76.4 |
A única linha em que o K2.7 supera o Opus 4.8 é a de uso de ferramentas (MCP Mark Verified) — e, mesmo nessa, perde com folga para o GPT-5.5. As manchetes que circularam dizendo que o modelo “bate o Opus” pegaram justamente esse único resultado e o trataram como se valesse para tudo. Não é o caso.
Há ainda uma ressalva decisiva: todos esses números são auto-reportados pela Moonshot. Até o momento não há resultados de benchmarks independentes consagrados — como o SWE-bench Verified medido por terceiros — para confirmar de forma neutra o desempenho do modelo. Em um setor onde cada laboratório escolhe os testes em que se sai melhor, qualquer comparação antes da verificação externa é provisória.
No código aberto, a briga é com o DeepSeek V4
O principal rival do Kimi K2.7 não é um modelo fechado, e sim outro chinês de código aberto: o DeepSeek V4. Pelos dados disponíveis — também auto-reportados —, o K2.7 leva uma vantagem estreita em programação e em uso de ferramentas, enquanto o DeepSeek V4 ganha em janela de contexto (1 milhão de tokens, contra 256 mil) e em eficiência de inferência, graças a uma técnica de atenção esparsa que barateia o processamento em larga escala.
Na prática, os dois brigam de igual no topo do mundo aberto e ficam logo atrás dos modelos fechados de ponta. Para quem desenvolve, a escolha vira questão de uso: K2.7 para código e tarefas de agente; DeepSeek V4 para contextos enormes e operação barata em escala. A geração anterior do Kimi, o K2.6, já empatava com o DeepSeek V4 — sinal de que a disputa entre os abertos chineses está acirrada.
Por que um modelo aberto não pode ser “desligado”
É no contraste com o caso da Anthropic que o lançamento ganha peso político. O Fable 5 saiu do ar porque, sendo um serviço fechado e centralizado, bastou uma ordem do governo americano para que o acesso fosse cortado mundo afora. Já o Kimi K2.7 tem os pesos abertos: o arquivo do modelo está publicado na Hugging Face e já foi baixado por milhares de pessoas. Uma vez distribuído, não há botão de desligar — nenhum governo consegue “recolher” um arquivo que já está em incontáveis servidores pelo mundo.
Esse é o argumento central de quem defende o código aberto: soberania. Um modelo aberto “bom o suficiente” para a maioria das tarefas, mesmo sem liderar os rankings, pode ser mais útil na prática do que o melhor modelo do mundo que você não tem garantia de que estará disponível amanhã.
É uma resposta à Anthropic? Não há indício disso
A proximidade das datas alimentou a leitura de que a Moonshot teria lançado o K2.7 como reação ao tropeço da concorrente americana. Não há evidência que sustente isso — e um modelo de 1 trilhão de parâmetros não se treina em poucas horas para servir de resposta. O que os dois fatos no mesmo dia revelam é menos uma rivalidade direta e mais um contraste de modelos de negócio: de um lado, o software fechado e dependente de autorização; de outro, o código aberto que, depois de publicado, não tem como ser desligado.
Por que isso importa para o Brasil
Para desenvolvedores, startups e empresas brasileiras, a combinação de código aberto, custo menor e possibilidade de rodar o modelo localmente reduz a dependência de plataformas estrangeiras — exatamente o tipo de dependência que ficou exposta quando o acesso ao Fable 5 foi cortado para estrangeiros da noite para o dia. Em um país que importa quase toda a sua infraestrutura de IA, ter alternativas abertas e baratas deixou de ser preferência técnica para virar questão de previsibilidade do negócio.
Leia também:
- Governo dos EUA manda a Anthropic desligar sua IA mais potente; brasileiros perdem acesso 3 dias após o lançamento
- CEO da Leapmotor afirma que inteligência artificial superará preço como diferencial de chinesas
- Google fecha acordo para fornecer inteligência artificial ao Pentágono para operações sigilosas
