Moonshot AI lança o Kimi K3 na Amazon Bedrock. O modelo oferece contexto de 1 milhão de tokens e 2,8 trilhões de parâmetros.
A nova versão usa arquiteturas como Kimi Delta Attention e Stable LatentMoE. O modelo é oferecido via console e APIs da Amazon Bedrock. Disponível nos EUA e global, o Kimi K3 é o primeiro modelo aberto no Amazon Bedrock a suportar cache de prompt explícito.
A eficiência escalonada do modelo é 2,5x maior do que a do Kimi K2. O Kimi K3 está disponível no Brasil, conforme mencionado em fontes em português. A nova opção de código e trabalho de conhecimento é parte de uma linha de modelos de alta eficiência e escala.
A disponibilidade global e os recursos técnicos reforçam a posição do modelo no mercado de inteligência artificial. A versão brasileira está disponível com os mesmos planos de preços dos EUA, segundo fontes locais. A combinação de eficiência e escala reforça a posição do Kimi K3 como uma alternativa relevante no ecossistema de IA da Amazon.
O Kimi K3 da Moonshot AI roda com 2,8 trilhões de parâmetros, o que significa mais capacidade para entender e gerar texto complexo. A eficiência escalonada de 2,5x em comparação ao K2 faz com que o modelo processe mais dados com menos recursos. O contexto de 1 milhão de tokens permite que o modelo leia e responda com base em textos longos, com foco em tarefas que exigem atenção detalhada.
Essa quantidade de tokens é suficiente para abordar perguntas técnicas, relatórios extensos ou conversas que envolvem múltiplos pontos. A arquitetura Kimi Delta Attention e Stable LatentMoE ajuda a manter a precisão mesmo com grandes volumes de informação. O modelo também oferece cache de prompt explícito, o que facilita a continuidade de conversas sem perder o foco. A disponibilidade no Brasil amplia o acesso a essa tecnologia para usuários locais.
Moonshot AI lança o Kimi K3 na Amazon Bedrock, integrando-se a uma linha de modelos de IA de alta eficiência. Antes, a empresa já havia lançado o Kimi K2.8, que chegou ao mercado com melhorias em codificação e agente, mantendo a mesma identidade de modelo para garantir continuidade. A Amazon Bedrock, plataforma de computação de IA da Amazon, oferece uma alternativa para integradores que buscam flexibilidade e eficiência em soluções de IA.
O Kimi K3 é parte de uma evolução contínua da linha de modelos da Moonshot AI, que já testemunhou o lançamento do Kimi K2.8. Esse modelo anterior trouxe melhorias em codificação e capacidade de agente, mas o K3 eleva a escala com 2,8 trilhões de parâmetros. A disponibilidade no Amazon Bedrock permite que desenvolvedores escolham entre opções gerenciadas ou personalizadas, adaptando a solução às necessidades específicas de cada projeto.
Ficha técnica
| Item | Especificação |
|---|---|
| Eficiência escalonada | 2,5x em comparação ao Kimi K2 |
Preço e disponibilidade
| Versão | Preço | Mercado | Disponibilidade |
|---|---|---|---|
| Kimi K3 | US$ 3,00 por milhão de tokens de entrada | EUA | disponível |
| Kimi K3 | US$ 15,00 por saída | EUA | disponível |
Kimi K3 aumenta capacidade de processamento e eficiência
O Kimi K3 amplia a capacidade de processamento com 1 milhão de tokens de contexto. Isso permite que operações complexas sejam resolvidas com mais precisão. A eficiência escalonada de 2,5x em relação ao K2 reduz o custo computacional.
A arquitetura Delta Attention e LatentMoE melhora a análise de dados. O modelo está disponível no Brasil. Lançado em 18 de setembro de 2026, o Kimi K3 integra-se à Amazon Bedrock.
A disponibilidade global e os perfis de inferência facilitam o uso em diferentes contextos. Isso otimiza a reutilização de informações em conversas longas.
Fontes
- Moonshot ais kimi k3 arrives on amazon bedrock with 1m token contextunite.ai
- Introducing kimi k3 on amazon bedrockaws.amazon.com
- Moonshot ais kimi k3 arrives on amazon bedrock with 1m token contextunite.ai
- Moonshot ai redefine escala global ao lancar o kimi k3 com 28 trilhoes de parametrosbrasilinovador.com.br
- Moonshot kimi k28 preview full rollout kimi codepandaily.com
Produtos relacionados · link de afiliado



