Kimi K3 vs Fable 5, GPT-5.6 & Opus 4.8: Testamos o Hype

Kimi K3 é o novo carro-chefe da Moonshot AI, e por alguns dias em julho de 2026 foi o modelo mais testado na internet. Ele surgiu primeiro no site de avaliação Arena como um modelo misterioso com o codinome "Kivine" — autodescrito como "dos laboratórios Moonshot" com um corte de conhecimento em janeiro de 2025 — antes da Moonshot anunciá-lo oficialmente em 16 de julho de 2026, com pesos abertos prometidos antes de 27 de julho. O principal destaque recorrente dos testadores: Kimi K3 fica em algum lugar perto de Claude Fable 5, e frequentemente à frente do GPT-5.6 em trabalhos criativos e 3D. Esta análise de primeiras impressões reúne as especificações, a espinha dorsal dos benchmarks e uma dúzia de testes da comunidade em um só lugar.

Uma nota para construtores: estes são testes comunitários iniciais e não controlados, portanto, trate-os como indicativos, não como notas. OrcaRouter coloca modelos disponíveis por API atrás de um endpoint compatível com OpenAI, então, assim que a Kimi K3API estiver ativa, você pode testá-lo contra o Fable 5 e o GPT-5.6 sem precisar configurar vários SDKs.

Veredito TL;DR. Kimi K3 é o primeiro modelo de pesos abertos a alcançar de forma credível o intervalo Fable 5 em frontend, 3D e one-shots criativos — lidera o ranking de frontend da Arena e está em #4 no Artificial Analysis Index. Mas é verboso e lento (uma compilação frontend demorou 35 minutos), fica atrás da Fable em codificação agentiva, e os vereditos 'venceu' são impressões iniciais da Arena, não benchmarks auditados. Impressionante, não definitivo.

Principais conclusões

• Kimi K3 é um MoE de 2,8T parâmetros, posicionado como o maior modelo de pesos abertos até hoje, com pesos abertos previstos para antes de 27 de julho.

• Em avaliações neutras de terceiros, ele fica em #4 de 189 no AA Intelligence Index (57) e #1 no quadro de frontend da Arena (1679), acima do 1631 do Fable 5.

• Preço de $3 / $15 por 1M tokens — o modelo mais caro da Moonshot até agora, mas ainda aproximadamente um terço do preço do Fable 5: $10 / $50.

• Os testadores repetidamente o chamam de "nível Fable"; os céticos dizem que os confrontos diretos são selecionados a dedo e ele ainda fica atrás em tarefas agentivas de múltiplas etapas.

•  Observe as ressalvas: saída verbosa (~2x tokens mediana dos pares), ~34s de latência do primeiro token, e ainda está atrás do Fable no FrontierSWE e DeepSWE.

A espinha dorsal das especificações e benchmarks

Aqui estão os dados concretos, cada número atribuído à sua fonte.

•  Arquitetura — Kimi K3: 2.8T MoE (896 especialistas, 16 ativos), Kimi Delta Attention, contexto de 1M, visão nativa; Ponto de comparação: Maior modelo de peso aberto até o momento (Moonshot, informado pelo fornecedor)

•  Variantes — Kimi K3: K3 Max (chat/agente), K3 Swarm Max (paralelo); Ponto de comparação: —

• Preço (entrada/saída) — Kimi K3: $3 / $15 por 1M; acerto de cache ~$0,30; Ponto de comparação: Fable 5 a $10 / $50 (~3,3x mais)

• AA Intelligence Index — Kimi K3: 57 — #4 de 189; Ponto de comparação: Atrás de duas configurações do Fable 5 + GPT-5.6 Sol; acima de Opus 4.8, Sonnet 5, GLM-5.2 (Artificial Analysis)

•  Arena frontend-code — Kimi K3: #1 at 1679, venceu 6 de 7 categorias; Ponto de comparação: Acima do 1631 do Fable 5; subiu do #18 do K2.6 (Arena / LMArena)

•  GDPval-AA v2 / AA-Briefcase — Kimi K3: 1687 (#3) / 1527 (#2); Ponto de comparação: Artificial Analysis

•  GPQA Diamond — Kimi K3: 93.5% (modelo aberto mais forte); Ponto de comparação: Relatado pelo fornecedor

•  BrowseComp / HLE com ferramentas — Kimi K3: 91.2% / 56.0%; Ponto de comparação: Relatado pelo fornecedor

•  Agentic SWE — Kimi K3: FrontierSWE 81.2, DeepSWE 67.5; Ponto de comparação: atrás de 86.6 / 70.0 do Fable 5

• Terminal-Bench 2.1 — Kimi K3: 88.3; Ponto de comparação: Acima do 84.6 do Fable 5 (ressalva sobre mistura de harness abaixo)

Duas coisas atenuam as vitórias. Primeiro, a vantagem de preço é parcialmente consumida por verbosidade — K3 emite cerca do dobro de tokens de saída da mediana dos pares em tarefas comparáveis — além de uma latência de primeiro token de ~34 segundos. Em segundo lugar, a vantagem do Terminal-Bench vem com um aviso de @ChrissGPT: os benchmarks da Moonshot "costumam usar o Terminal 2 em vez do 2.1", portanto, trate as comparações entre harnesses com cuidado. Independentemente, antes da queda do índice oficial, @teortaxesTex estimou "~55ish AA… por volta de Opus 4.8 ou GPT 5.5."

Resumo de testes da comunidade

A evidência que transformou Kimi K3 em uma história é a enxurrada de one-shots da Arena. Aqui está uma amostra representativa — testador, tarefa e veredito, cada um vinculado à postagem original.

•  @synthwavedd — Tarefa: Teste de estresse geral; Veredito: "Outro momento DeepSeek R1… muitas vezes nível Fable, talvez um pouco pior, mas consistentemente melhor que 5.6. Uma fera."

•  @chetaslua — Tarefa: Codificação, confronto direto vs Fable; Veredito: "Supera todos os modelos de código aberto… ao nível do Fable, às vezes de melhor qualidade"

•  @Gc_qube — Tarefa: 3D / jogos vs Fable 5; Veredito: "Kimi K3 venceu… o primeiro modelo que alcançou a Fable"

• @abhinavflac — Tarefa: renderização de bonsai sakura; Veredito: "Superou Claude Fable — acertou em cheio no tronco retorcido e na copa em camadas"

• @testingcatalog — Tarefa: Universe-sim vs Fable 5; Veredito: "Fable terminou mais rápido com UX mais robusta; K3 muito mais complexo e visualmente atraente… muito próximo"

• @israfill — Tarefa: Mesmo prompt de simulação de universo; Veredito: "K3 vence na saída criativa densa e momentos 'como ele construiu aquilo'… surpreso como isso está próximo"

•  @mirochill — Tarefa: Frontend one-shot (Francês); Veredito: "Igual ao 5.6 Pro, melhor que o Fable 5, em uma única tentativa" (problemas de iluminação observados)

•  @jun_song — Tarefa: Flappy Bird vs Opus 4.8; Veredito: "Significativamente melhor que Opus… nível Opus-5"

• @JustinGorya — Tarefa: Minecraft HTML em arquivo único; Veredito: "Um novo marco… incrível em 3D e front-end" (resposta: "Isso é de uma só vez. Loucuraaaa")

•  @redkendl — Tarefa: jogo de avião de papel 3D; Veredito: "Acertou de primeira… saída de nível Fable 5 / GPT-5.6. Os laboratórios chineses não estão mais 8 meses atrás"

•  @noctus91 — Tarefa: Experiências 3D interativas; Veredito: "O nível de detalhe, acabamento e qualidade geral é realmente impressionante"

• @Lentils80 — Tarefa: página frontend; Veredito: "MUITO lento — levou 35 minutos — mas um dos melhores resultados que já vi deste prompt"

Entusiastas vs céticos

O caso do bull é direto: um modelo de pesos abertos que iguala um carro-chefe de fronteira fechado em trabalho criativo e de frontend, a um terço do preço, é genuinamente novo. @notjazii chamou uma saída inicial de "um novo modelo SOTA sendo lançado hoje, moonshot cooked," e @chetaslua enquadrou como "um momento deepseek novamente para OSS."

Os céticos reagem com força, e suas objeções são sempre as mesmas três:

• Demonstrações selecionadas a dedo. No teste de bonsai, @Heeseon respondeu "qualquer um pode ver que Fable 5 venceu," e @sebuzdugan observou "uma amostra de bonsai mostra controle de estilo, não confiabilidade entre sementes."

• Fable é simplesmente melhor. No tópico de Gc_qube, @victor_vibing disse categoricamente: \"Fable é muito melhor. Incomparavelmente melhor.\"

• Mesma estética, não é uma gama real.@_everythingism argumentou que as saídas "todas têm a 'estética Claude'… gerando um tipo específico de design repetidamente," e em testes do Opus @MCharles10581 simplesmente disse "parece que opus é melhor."

O frame mais útil vem de @teortaxesTex, que nem sequer tinha testado o K3 ele mesmo. O ponto dele é sobre uma lacuna de esforço/gosto, não uma parede de capacidade: "até Fable e Sol fazem tanto SLOP… Kimi não falha tanto nas coisas como faz coisas menos interessantes e detalhadas, não vai além." Para codificação agentiva humano-no-loop em tarefas objetivas, ele espera que K3 "deveria chegar irracionalmente perto." E o chute estratégico: "todo modelo chinês que meramente *mantém* a lacuna… é um feito heroico." Essa é a leitura honesta — K3 fecha a distância em tarefas mensuráveis e perde um pouco no gosto, que é exatamente o que seus benchmarks mostram.

Perguntas Frequentes

O Kimi K3 é tão bom quanto o Fable 5?

Em frontend e one-shots 3D, os testadores dizem sim — lidera o painel frontend da Arena (1679 vs 1631) e múltiplos confrontos diretos consideraram vitória ou empate. Em codificação agentiva ainda fica atrás (FrontierSWE 81,2 vs 86,6), e os céticos argumentam que a Fable mantém vantagem em polimento e confiabilidade entre as sementes.

O Kimi K3 é de código aberto?

É de peso aberto: Moonshot prometeu liberar os pesos antes de 27 de julho de 2026. No lançamento, era apenas API/web. Como o maior modelo de peso aberto até hoje (2,8T MoE), esse lançamento é o evento principal.

Quanto custa o Kimi K3?

$3 / $15 por 1M de tokens de entrada/saída, com acertos de cache por volta de $0,30. Esse é o modelo mais caro da Moonshot até agora (K2.6 era $0,95/$4), mas ainda cerca de um terço do Fable 5's $10 / $50 — embora a saída verbosa reduza a diferença no mundo real.

O Kimi K3 é melhor do que o GPT-5.6?

Os testadores tendem a aprovar o trabalho criativo e 3D — @synthwavedd o chamou de "consistentemente melhor que o 5.6" e @mirochill o colocou no mesmo nível que o 5.6 Pro. Mas no AA Index, o GPT-5.6 Sol ainda está acima do K3, e o Fable 5 e o 5.6 Sol lideram no Terminal 2.1.

Quando foi lançado o Kimi K3?

Anunciado oficialmente em 16 de julho de 2026, após surgir na Arena como "Kivine" por volta de 14 de julho. Open weights foram prometidos antes de 27 de julho de 2026.

Conclusão

Kimi K3 é a impressão inicial mais forte que um modelo de pesos abertos já causou desde o momento DeepSeek original: saída criativa e de frontend na faixa do Fable-5, topo do quadro de frontend da Arena, a aproximadamente um terço do preço do Fable. Apenas mantenha o entusiasmo como "direcional" — é prolixo, lento, ainda atrás na codificação agentiva, e cada "vitória" acima é uma impressão inicial da Arena, não um benchmark auditado. Quando os pesos forem lançados antes de 27 de julho, os testes controlados nos dirão se o hype se confirmou.