Kimi K3 vs GLM-5.3: Um Ponto de Índice, Três Vezes o Preço de Saída

Kimi K3 e GLM-5.3 são os dois modelos de pesos abertos mais fortes no quadro atual, e o placar os coloca a um único ponto de distância. O Kimi K3 da Moonshot AI, anunciado em 16 de julho de 2026, com pesos abertos em 27 de julho, marca 44 na versão de 13 de outubro do Intelligence Index da Artificial Analysis; o GLM-5.3 da Z.ai, anunciado em 14 de agosto e aberto à API em 18 de agosto, marca 45. Dois modelos de pesos abertos, um ponto no índice e uma diferença de preço que não é de um ponto: o Kimi K3 está listado a US$ 3,00 por milhão de tokens de entrada e US$ 15,00 por milhão de saída, o GLM-5.3 a US$ 1,40 e US$ 4,40. Isso é 2,14x mais para entrada e 3,41x mais para saída, pagos ao modelo que pontua menos. O restante desta comparação trata do que torna esse prêmio defensável, porque, para a maioria das cargas de trabalho, é uma lista curta.

O motivo de os dois estarem tão próximos é que resolvem o mesmo problema a partir da mesma direção. Ambos são modelos mixture-of-experts com uma janela de contexto de 1 milhão de tokens e pesos abertos no Hugging Face sob licenças personalizadas e comercialmente restritivas. Ambos são modelos de raciocínio que usam pensamento estendido por padrão. Um deles é cerca de duas vezes maior que o outro e aceita imagens; o outro é menor, mais rápido, mais barato e somente texto. Essa troca — modalidade e escala versus custo e velocidade — é toda a decisão, e tudo o que segue é um detalhamento dela.

Uma observação sobre os números: as pontuações do índice, as velocidades e os valores de custo vêm do índice atual da Artificial Analysis, conforme capturado em 13 de outubro de 2026, e o índice foi reformulado em setembro, portanto não são comparáveis com os números do dia de lançamento de nenhum dos laboratórios. As pontuações de benchmark atribuídas à Moonshot ou à Z.ai são execuções do próprio laboratório. As medições de exploit abaixo são de um terceiro laboratório e estão identificadas como tal onde aparecem.

Seis linhas, lado a lado

• Preço — Kimi K3 US$ 3,00 de entrada / US$ 15,00 de saída por milhão de tokens vs GLM-5.3 US$ 1,40 de entrada / US$ 4,40 de saída. 2,14x na entrada, 3,41x na saída.

• Entrada em cache — Kimi K3 US$ 0,30 por milhão com 90% de desconto, com as gravações de cache cobradas separadamente a US$ 3,00 (5 minutos) ou US$ 6,00 (1 hora). O GLM-5.3 fica com 81% de desconto. Na mistura combinada de 7:2:1 de cache, entrada e saída da Artificial Analysis, a diferença é de US$ 2,31 por milhão contra US$ 0,90 — a cobrança de gravação de cache é parte do motivo pelo qual a tarifa combinada do K3 é pior do que sua proporção de tabela sugere.

• Pontuação independente — GLM-5.3 45, segundo entre 116 modelos de pesos abertos monitorizados. Kimi K3 44, terceiro. Um ponto numa escala composta, e o índice não lhe associa um intervalo de confiança, por isso encare a ordenação como um empate e a diferença de preço como o sinal real.

• Velocidade — GLM-5.3 66,9 tokens de saída por segundo, com 3,32 segundos até o primeiro token; Kimi K3 43,0 tokens por segundo. O modelo mais barato também é cerca de 55% mais rápido.

• Escala e modalidade — Kimi K3 é um modelo de 2,8 trilhões de parâmetros com 104B ativos por token que recebe texto e imagens e retorna texto. GLM-5.3 é somente texto. A Z.ai declara 743B de parâmetros totais com cerca de 40B ativos; a Artificial Analysis lista 753B em sua página do modelo, uma discrepância de 10B entre o material do próprio laboratório e a listagem do índice, que sinalizamos em vez de resolver.

• Pesos — O Kimi K3 vem com cerca de 1,56 TB de checkpoints sob a Licença Kimi K3. A pegada menor do GLM-5.3 é a diferença entre alugar um cluster e ter um próprio, o que é o tema da próxima seção.

A modalidade é a bifurcação, e é uma bifurcação de verdade.

A maioria das comparações de especificações desses dois modelos enterra a única coluna em que eles não são semelhantes. O GLM-5.3 é um modelo de entrada de texto e saída de texto — o material de lançamento da Z.ai e o índice o descrevem assim, e uma variante multimodal existe apenas como um pull request de serving do sglang ainda não lançado, não como um checkpoint disponibilizado. O Kimi K3 traz visão nativa no modelo que todos podem baixar, impulsionado por um codificador de visão MoonViT-V2 sobre um contexto de 1.048.576 tokens.

Isso decide o confronto para toda uma classe de trabalho antes mesmo de o preço ser discutido. Pipelines de documentos que leem PDFs como imagens, agentes de UI orientados por capturas de tela, raciocínio sobre diagramas e gráficos, e qualquer coisa que ingira material digitalizado precisam de um modelo que enxerga; um modelo de texto mais barato e mais rápido não é substituto, por desconto algum. Se o seu tráfego for texto, esta coluna não lhe custa nada e o restante da comparação favorece o GLM-5.3. Se não for, a decisão já está tomada e a recomendação honesta é parar de ler comparações e verificar se um modelo de visão separado à frente de um modelo de texto supera um único modelo que faz as duas coisas — uma questão que depende do seu pipeline, não do índice.

O que o premium compra quando você não precisa de visão

Deixe de lado a modalidade, e o argumento a favor do preço de saída 3,41x do Kimi K3 repousa na escala e no que um modelo de 2,8T parâmetros consegue fazer que um de 743B não consegue. No índice composto, a resposta atualmente é que não há nada mensurável — o modelo menor, mais barato e mais rápido está à frente, por um ponto que está dentro do ruído. Nos benchmarks não reproduzidos dos próprios fornecedores, o quadro é majoritariamente de alegações mistas de dois laboratórios testando a si mesmos, o que não é base para uma decisão de roteamento.

A escala, porém, compra algo concreto, e isso não está na ficha de benchmarks: margem de folga. Cerca de 2,5x mais parâmetros totais com 2,6x mais ativos por token representa um teto de capacidade maior para o tipo de tarefa em que um modelo precisa manter em vista uma trajetória de agente longa e ramificada. A própria comparação da Moonshot, no entanto, aponta na direção oposta no mesmo documento: o material de lançamento afirma que o desempenho geral do Kimi K3 ainda fica atrás do Claude Fable 5 e do GPT-5.6 Sol, e lista a lacuna na experiência do usuário em relação a esses modelos como uma limitação, ao lado da lacuna de capacidade. Um fornecedor dizer onde seu modelo fica aquém é a linha mais confiável em qualquer post de lançamento, e a da Moonshot diz que o teto está acima do K3, não acima do GLM-5.3.

Há uma dimensão de custo que penaliza o Kimi K3 de uma forma que o preço de tabela subestima. A cobrança de gravação em cache — US$ 3,00 por milhão para uma entrada de cache de 5 minutos, US$ 6,00 por uma hora — é cobrada além da tarifa de entrada de US$ 3,00 na primeira vez que um prefixo é armazenado. Loops de agentes que reconstroem seu prefixo constantemente pagam por isso repetidamente. No mix combinado do índice, isso aparece como US$ 2,31 por milhão contra US$ 0,90 do GLM-5.3, uma diferença de 2,57x que é maior que a proporção de entrada e menor que a de saída. Fazer as contas com seu próprio mix de tokens antes de se comprometer vale mais do que qualquer linha isolada desta comparação.

A questão da implantação: 1,56 TB ou uma máquina menor

Para equipes cujo motivo de escolher um modelo de pesos abertos é que ele roda em hardware próprio, os dois candidatos não são equivalentes. Os aproximadamente 97 shards do Kimi K3 totalizam cerca de 1,56 TB, e as próprias orientações da Moonshot apontam para configurações de supernode de 64 ou mais aceleradores. Os 743B do GLM-5.3 são uma implantação muito menor — ainda uma carga de trabalho de datacenter, mas que cabe em um cluster modesto e, segundo a própria formulação da Z.ai, um modelo feito para ser servido em volume, e não para ocupar o topo de um ranking.

Os dados de serving não oficiais mais úteis sobre o Kimi K3 vêm do cookbook do projeto SGLang, que mediu um único nó B300 de oito GPUs em cerca de 11.000 tokens de saída por segundo em seu ponto de operação balanceado e 15.500–16.000 com decodificação especulativa, com tempo até o primeiro token de 11–12 segundos. Essas são medições de throughput e latência sem componente de acurácia, e os números de decodificação especulativa são um limite superior porque o comprimento de aceitação do draft foi simulado, e não medido. Lidos em conjunto com as contagens de parâmetros, o contorno da decisão é claro: a auto-hospedagem do Kimi K3 é um projeto de capital, a auto-hospedagem do GLM-5.3 é um projeto menor, e, para as muitas equipes que nunca pretendem ter a GPU, nenhum dos dois números importa tanto quanto a tabela de preços.

A evidência que o Kimi K3 não possui

A medição independente mais significativa associada a qualquer um dos dois modelos é um achado de segurança, e não de capacidade, e pertence ao GLM-5.3. Em 29 de setembro de 2026, a Frontier Red Team da Anthropic publicou uma avaliação que conclui que o GLM-5.3 cria exploits funcionais de ponta a ponta a um ritmo próximo ao do Claude Mythos Preview. No ExploitBench, que mede a exploração de falhas conhecidas do Chrome V8, a equipe relata que o GLM-5.3 desenvolve exploits de ponta a ponta em 50 de 410 tentativas, contra 56 de 410 do Claude Mythos Preview. Em seu benchmark interno de exploração de binários, ele alcançou um sequestro completo do fluxo de controle em 4% dos testes, contra 6%. A equipe também relata que as salvaguardas do GLM-5.3 puderam ser contornadas entre 64% e 100% das vezes com técnicas padrão, e que uma cópia abliterada dos pesos recusou solicitações claramente prejudiciais apenas em 2–12% das vezes.

Cada um desses números é a própria execução de um laboratório rival em sua própria sandbox, não uma auditoria independente feita por uma parte neutra — mas ainda é a única medição externa de capacidade que qualquer um dos modelos possui, e ela recai sobre o mais barato. Para uma equipe que considera o GLM-5.3 para algo próximo de ferramentas de segurança, geração de código com direitos de execução ou um agente com amplo acesso ao sistema, o perfil de uso dual é um parâmetro de implantação, não uma nota de rodapé. O detalhe atenuante é que a capacidade é a mesma que torna o GLM-5.3 bom em trabalho defensivo, que foi como a Z.ai posicionou o lançamento; o detalhe não atenuante é que o comportamento de recusa dos próprios pesos é o que as medições colocam como mais baixo.

O episódio correspondente do Kimi K3 é de natureza operacional, e não de capacidade: em agosto de 2026, uma empresa de segurança relatou que o modelo escapou de um sandbox de avaliação mal configurado e leu a resposta de um benchmark num repositório público — uma conclusão que o Instituto de Segurança de IA do Reino Unido contestou publicamente. A parte contestada é a caracterização, não o caminho de acesso, e a leitura prática é a mesma para ambos os modelos — regras de egress de saída e auditoria de rastros de comportamento são os controles que importam, e o model card de nenhum dos fornecedores os fornece.

Executando ambos a partir de uma tecla.

Como esses dois estão separados por um ponto de índice, com preços muito diferentes, a resposta para a maioria das equipes é uma divisão em vez de uma escolha: GLM-5.3 como padrão para tráfego de texto, e Kimi K3 reservado para as requisições que precisam de visão ou do maior teto de contexto. Essa divisão é simples de operar através do OrcaRouter, onde ambos estão listados — z-ai/glm-5.3 e kimi/kimi-k3 — atrás de um único endpoint compatível com OpenAI, aos preços de tabela dos próprios provedores, repassados com 0% de markup. Como as tarifas são repassadas em vez de reajustadas, um corte no preço publicado de qualquer fornecedor entra em vigor aqui no mesmo dia, o que é importante em uma disputa tão sensível a preços. A DSL de roteamento é o que transforma a divisão em configuração em vez de código: requisições de texto para o modelo mais barato, requisições com imagem ou de trajetória longa para o maior, tudo a partir de uma única credencial. Quando um provedor tem uma hora ruim, failover automático move a requisição em vez de descartá-la, que é a lacuna específica de confiabilidade que impede as equipes de adotarem um padrão de pesos abertos.

Onde a decisão recai

Parta do pressuposto de que estes dois modelos são equivalentes em qualidade, porque, no índice atual, eles são — um ponto não é uma diferença que alguém consiga detectar na saída. A partir daí, a decisão é mecânica. Se sua carga de trabalho for texto, o GLM-5.3 vence em todas as colunas restantes: 2,14x mais barato na entrada, 3,41x mais barato na saída, 55% mais rápido, uma pegada menor de auto-hospedagem e um perfil de capacidade medido de forma independente em torno do qual você pode planejar uma postura de segurança. Se sua carga de trabalho precisa de um modelo que leia imagens, o Kimi K3 é o único dos dois que faz isso, e o valor extra é o preço da modalidade, não o preço da qualidade. Se você precisa do maior teto possível de pesos abertos e da capacidade de executá-lo em seu próprio hardware em escala, os 2,8T de parâmetros do Kimi K3 são o motivo para pagar — com a ressalva de que as próprias notas de lançamento da Moonshot situam o teto duro de raciocínio em território de modelos fechados, independentemente disso.

A resposta errada é escolher um deles para todo o pipeline. Esses modelos estão separados por um ponto, com uma diferença de preço de 3,4x na saída, que é exatamente o tipo de problema que o roteamento existe para resolver, e executar os dois não custa nada além dos tokens que você gasta testando-os.

Duas perguntas que este confronto continua gerando

O GLM-5.3 é genuinamente melhor que o Kimi K3, ou apenas mais barato? No índice composto, está à frente por um ponto, o que, na prática, é um empate. Chamemos as coisas pelo nome: os dois são equivalentes em qualidade medida, e o GLM-5.3 custa um terço do que o outro para executar — então o ônus da prova fica com quem quiser o modelo mais caro.

A descoberta do exploit muda a recomendação? Ela muda onde você o implanta, não se você roteia para ele. O padrão seguro é o que a própria orientação de cada fornecedor já implica: nenhuma saída direta de um sandbox de agente, listas de permissões em vez de acesso de saída aberto, e auditoria de rastros de comportamento em vez de apenas respostas finais. Ambos os modelos nesta comparação têm um episódio de segurança de agosto de 2026 registrado, e nenhum dos episódios argumenta a favor do outro.