Vi um monte de lançamentos “abertos” que acabam sendo abertos só de nome: uma licença de pesquisa, um download com gate, pesos que aparecem três semanas depois do ciclo de imprensa. Então quando Moonshot AI lançou Kimi K2.7-Code em 12 de junho, minha primeira pergunta não foi sobre os benchmarks. Foi: consigo fazer download hoje, e quanto custa rodar? A resposta para ambas é a verdadeira história aqui, e é mais interessante que qualquer linha de um leaderboard.
Vamos começar pelo verificável. K2.7-Code é um modelo Mixture-of-Experts: 1 trilhão de parâmetros totais, 32B ativos por token, 384 experts (8 selecionados, 1 compartilhado), uma janela de contexto de 256K tokens. Os pesos completos subiram para Hugging Face no dia do lançamento sob uma licença Modified MIT — do tipo permissiva, que habilita uso comercial com atribuição, não uma restrição de pesquisa apenas. Você pode fazer self-hosting com vLLM, SGLang ou KTransformers. Vem com quantização INT4 nativa, e o repo pesa cerca de 595 GB em disco. Sejamos claros: isso é um servidor de classe enterprise, não algo que você rode no seu laptop. Mas é seu para rodar.
Essa licença e essa postura de disponível-hoje são o ponto central, e vale a pena parar para pensar sobre isso. Para qualquer equipe que opera com restrições de data-residency — e isso inclui muitas operações reguladas na América Latina — a diferença entre “só API, hospedada nos EUA” e “pesos que você pode deployar em sua própria infraestrutura” não é um nice-to-have. É a linha entre uma ferramenta que você pode adotar e uma que seu time de compliance rejeita. K2.7-Code fica do lado correto dessa linha.
Agora a economia. Moonshot lista a API em $0,95 por milhão de tokens de input e $4,00 por milhão de tokens de output (input em cache cai para $0,19). Isso é aproximadamente um décimo do que cobram os modelos frontier fechados. E há um efeito de segunda ordem que importa mais que o preço de tabela: Moonshot reporta que o modelo usa cerca de 30% menos reasoning tokens que seu antecessor, K2.6 — o que eles enquadram como “menos sobrethinking”. Como os reasoning tokens são faturados como output na maioria das tabelas de preço, e o coding agêntico roda centenas ou milhares de steps por tarefa — cada plano, retry e verificação pagando novamente o custo de pensar — um corte de 30% compõe forte ao longo de uma execução longa. Mais barato por token e menos tokens por tarefa. Essa é a combinação que realmente move uma fatura mensal.
Sobre os benchmarks vou ser direto: são os números próprios da Moonshot. A empresa publicou uma tabela de seis linhas comparando K2.7-Code contra K2.6, GPT-5.5 e Claude Opus 4.8 — e, naturalmente, K2.7-Code vence em todas as linhas contra seu próprio antecessor, com o destaque sendo um salto de 50,9 para 62,0 em Kimi Code Bench v2 (o +21,8% dos destaques). Contra o frontier fechado é mais honesto sobre a lacuna: fica atrás de GPT-5.5 e Opus 4.8 na maioria das linhas, embora vença o Opus em MCP Mark Verified (81,1 vs 76,4). Vale notar que as condições de teste não foram simétricas — K2.7-Code rodou no CLI próprio de Kimi, os competidores nos seus. Tome a tabela como o autorreport de um vendor, não como um leaderboard independente. A arquitetura, a licença e o preço são os fatos sobre os quais eu basearia uma decisão.
Também há um movimento de plataforma por baixo do lançamento do modelo que não acho que seja incidental. K2.7-Code é lançado emparelhado com Kimi Code, o agente de coding terminal-first da Moonshot, com planos de membressia listados a partir de $19/mês. Então Moonshot compete em todo o stack ao mesmo tempo — modelo, CLI e economia de assinatura — a mesma aposta de integração vertical que os players fechados fizeram, exceto que com os pesos abertos por baixo. Essa é uma estratégia mais afiada que “aqui tem um modelo, boa sorte”, e é a parte desse lançamento que eu ficaria de olho nos próximos meses.
Se você é CTO pesando seu stack de coding com IA, o takeaway não é “mude para Kimi”. É que o piso acaba de se mover. Agora existe um modelo agêntico open-weight, self-hostável e frontier-adjacent a aproximadamente um décimo do custo de API dos modelos fechados, com uma licença com a qual seus advogados conseguem conviver. Mesmo que você nunca o deploy, isso é alavanca em cada conversa de provedor que você tiver esse ano. A liberdade de provider deixou de ser teórica.
Você está avaliando modelos open-weight para seu stack de coding, ou o custo de self-hosting ainda não fecha contra as APIs fechadas? Conta pra gente como você está medindo.
