Moonshot AI suspende novas assinaturas devido à demanda por Kimi K3

Artigo original ↗ Discussão no Hacker News ↗

O novo modelo Kimi K3 da Moonshot AI atraiu tanta demanda que a empresa pausou novas assinaturas para preservar a qualidade do serviço para os usuários existentes, gerando comparações com as estratégias de capacidade da OpenAI, da Anthropic e de outros grandes provedores. Comentadores relatam forte desempenho em programação e em contexto longo, especialmente em fluxos de trabalho multiagente e agentic, mas reclamam da lentidão e dos limites rígidos de uso nos planos mais baratos, que podem consumir as cotas rapidamente. O aumento da demanda também alimenta debates mais amplos sobre modelos de open weights, sustentabilidade de preços, limites de infraestrutura e se modelos de fronteira chineses podem reduzir a vantagem dos incumbentes.

Pico de demanda e pausa nas assinaturas

  • A demanda por Kimi K3 levou a Moonshot AI a ficar perto da capacidade máxima; a empresa suspendeu novas assinaturas para preservar a qualidade para os usuários existentes.
  • Muitos comentadores elogiam isso como algo mais amigável ao cliente do que reduzir silenciosamente os limites, embora alguns observem que também poderiam ter restringido o acesso ao K3 ou ajustado os limites.
  • Alguns assinantes existentes relatam que ainda conseguem fazer upgrade ou estender planos.

Preços, cotas e valor

  • Usuários no plano de cerca de US$20/mês relatam estourar limites diários de 5 horas com apenas algumas tarefas complexas, especialmente com K3 e fluxos de trabalho multiagente.
  • Há confusão em torno de vários tipos de plano (pesquisa vs. programação, nomes antigos vs. novos), prioridades e cotas sobrepostas (5 horas, semanais, mensais).
  • Várias pessoas acham que os níveis mais baixos têm pouco valor para o K3 e recomendam níveis mais altos ou uso por medição.
  • Alguns acham que o K3 está subprecificado dada a demanda; outros o comparam de forma desfavorável com modelos mais baratos como DeepSeek para algumas cargas de trabalho.

Desempenho, velocidade e fluxos de trabalho

  • Muitos estão impressionados com a qualidade do K3, especialmente para revisão de código, revisão de PR e relatórios de pesquisa complexos (por exemplo, execuções de várias horas gerando saídas do tamanho de um livro).
  • Uma grande reclamação é a lentidão sob carga, especialmente por meio dos harnesses oficiais; alguns acham que o gargalo é mais o harness ou as cotas do que o modelo bruto.
  • Usuários descrevem práticas muito diferentes: alguns deixam agentes rodarem por 30+ minutos ou até horas sem supervisão, enquanto outros acham que execuções longas degradam a qualidade e preferem sessões curtas e bem delimitadas.

Comportamento do modelo, segurança e “slop”

  • O K3 é descrito como aproximadamente capaz no nível do Opus para algumas tarefas de programação e menos “sloppy” na formulação, mas as opiniões divergem sobre se ele justifica custos mais altos em comparação com concorrentes.
  • Alguns dizem que o K3 é menos censurado que os modelos da Anthropic; outros dizem que ele ficou mais censurado do que versões anteriores do Kimi e “soa como o Claude”.

Arquitetura e implicações de open weights

  • Comentadores tecnicamente inclinados destacam o uso intenso de camadas no estilo RNN/atenção linear no K3 (delta attention), relacionando-o conceitualmente a xLSTM, Mamba-like e arquiteturas no estilo Qwen.
  • Há discussão de que os transformers foram concebidos para substituir RNNs não paralelizáveis, mas novas técnicas permitem variantes de RNN paralelizáveis.
  • Open weights são vistos como cruciais: uma vez lançados, provedores de inferência de terceiros e self-hosting podem aliviar gargalos de capacidade e distribuir o compute.

Mercado e geopolítica

  • Alguns especulam que os laboratórios dos EUA mantêm vantagem principalmente em escala, confiabilidade e contratos com hyperscalers, enquanto modelos chineses de open weights pressionam por preço e abertura.
  • Há frustração de que a Europa não tenha financiado projetos de xLSTM em grande escala ou computação dedicada para IA, com sugestões detalhadas de chips e infraestrutura apoiados pela UE; a viabilidade é debatida.