A Face Oculta da Lua acaba de lançar o código-fonte do Kimi K3 e já anuncia: o K4, com mais parâmetros, já está na fila, buscando mais poder de computação

月之暗面剛開源 Kimi K3，這家北京新創已在尋求取得更多 Nvidia Blackwell 晶片，準備訓練規模更大的 K4。
（前情提要：擠爆！Kimi K3 上線 48 小時用量達上限，月之暗面暫停新訂閱）
（背景補充：近 200 家矽谷企業上書白宮：封鎖中國開源模型，死的是美國自己）

月之暗面 (Moonshot AI) em 27 de julho à noite acabou de abrir o código-fonte dos parâmetros do Kimi K3, que totalizam 2,8 trilhões, e ao mesmo tempo lançou os pesos do modelo, o relatório técnico e a infraestrutura essencial. A empresa disse que já está planejando a próxima geração K4, prometendo que o tamanho será “claramente maior” do que o K3 recém-lançado, e afirmou que atualmente precisa com urgência de mais poder de computação.

Uma não dá conta, então pega duas

Atualmente, nenhuma empresa chinesa de nuvem consegue, sozinha, fornecer poder de computação Blackwell suficiente. A estratégia da Moonshot AI é combinar e usar o poder de computação de pelo menos duas empresas de nuvem chinesas, além de fazer com que engenheiros otimizem especificamente a arquitetura de rede entre data centers. Só assim o treinamento — distribuído em diferentes salas de servidores e até em diferentes cidades — consegue rodar, sem que a latência derrube todo o processo de treinamento.

Esse tipo de “montar peça por peça” mostra que, quando um único fornecedor não é suficiente, o controle de exportações acaba forçando um conjunto mais complexo de engenharia de desvio, e também deixa “quem está ajudando quem” em uma névoa.

A situação também está apertada no lado de inferência. Com os chips H20 que podem ser obtidos legalmente sob a regulamentação, os clientes precisam interligar pelo menos 64 chips de servidor para conseguir rodar o Kimi K3. Só colocar 64 chips em cadeia e fazer com que cooperem para operar já é um custo considerável de hardware e rede. É por isso que a Moonshot AI, mesmo correndo risco de violação, quer muito reunir Blackwell: além de economizar em contas de energia e espaço em data center, trata-se de conseguir atender a essa demanda e reter a grande quantidade de usuários que estão chegando.

Treinamento contorna sanções?

Uma semana atrás, o chefe do Escritório de Política de Tecnologia da Casa Branca, Michael Kratsios, acusou no X que o governo dos EUA “tem acesso a informações que indicam” que a Moonshot AI enriqueceu Claude Fable 5 para desenvolver o K3.

Kratsios também acusou que a Moonshot AI construiu uma plataforma interna sofisticada, capaz de alternar rapidamente entre múltiplas formas de acesso para evitar detecção, e já obteve servidores equipados com GB300 na Tailândia. Porém, até agora ele não divulgou evidências técnicas que sustentem essa avaliação; isso continua sendo uma acusação unilateral do governo, não uma conclusão de investigação confirmada. Ainda assim, isso sugere que provedores de nuvem do Sudeste Asiático e operadores de data centers podem acabar assumindo riscos legais inesperados.

Além disso, há especialistas questionando: o Claude Fable 5 só foi publicado em 1º de julho, e a janela de tempo era de apenas três semanas. Assim, seria tecnicamente improvável que o K3 dependesse principalmente de uma destilação dele — nem haveria tempo.

Quanto à posição da Nvidia, como sempre: quanto mais forte o modelo, maior a demanda por inferência; os chips só venderão mais, não menos. Essa frase ajuda o Huang Renxun, mas também pode ser correta: o controle de exportações pode atrasar a saída dos chips, mas não consegue bloquear a demanda em si.