O que a mídia não viu: Kimi K3 criou um compilador e um chip e quase ninguém discutiu isso · HerbertGeorgeWells

Nos últimos dias, os portais de tecnologia e as redes sociais foram tomados por um número: 2,8 trilhões de parâmetros. O Kimi K3, novo modelo aberto da equipe Kimi, foi apresentado como um gigante, e, de fato, é. Mas há algo profundamente errado na forma como esse lançamento está sendo coberto.

Li o paper técnico na íntegra. E, confesso, fiquei indignado. Não porque os números estejam errados, estão corretos, mas porque o que realmente merecia discussão foi enterrado na Seção 7, com o título modesto de “Case Studies”. Ali, o modelo não se limita a passar em provas ou a gerar código boilerplate. Ele cria um compilador completo do zero e projeta um chip físico, em execução autônoma, em menos de 48 horas.

E quase ninguém está falando sobre isso.

O que a mídia está contando (e o que ela está deixando de ver)

A narrativa dominante é confortável: “mais um modelo grande, mais rápido, que tira notas boas em benchmarks”. É a história que todo mundo entende e que cabe em uma manchete. GPQA, SWE-bench, HLE, tudo importante, mas tudo também superficial quando comparado ao que acontece quando o modelo é colocado diante de uma tarefa de engenharia real, sem supervisão, sem um humano segurando sua mão.

Enquanto isso, o Kimi K3, sozinho, com um único prompt e 48 horas de trabalho contínuo, fez duas coisas que, até pouco tempo atrás, exigiriam equipes de engenheiros com meses de dedicação.

MiniTriton: um compilador GPU escrito por uma IA

O modelo desenvolveu o MiniTriton, uma implementação completa de um compilador para GPUs, no estilo do conhecido Triton. Isso significa:

um frontend em Python com uma linguagem de programação própria para escrever kernels de alto desempenho;
uma camada de otimização em MLIR, a mesma infraestrutura usada por compiladores profissionais;
um pipeline de geração de código PTX, a linguagem que roda diretamente nas GPUs da NVIDIA;
uma biblioteca de tensores com suporte a autograd, capaz de treinar uma rede neural do início ao fim.

E não é um brinquedo: nos benchmarks, o MiniTriton chegou a 90% da performance da cuBLAS, a biblioteca de álgebra linear da NVIDIA que é referência absoluta na indústria. O próprio time da Kimi já utilizava versões desse compilador para otimizar seus kernels durante o desenvolvimento.

Isso não é “gerar código”. Isso é projetar uma ferramenta de engenharia de ponta, com decisões de arquitetura, otimização de baixo nível e validação empírica, tudo feito por um modelo que, teoricamente, “só prevê a próxima palavra”.

O chip de 48 horas: hardware desenhado por software

Mais impressionante ainda: o Kimi K3 recebeu uma única instrução e, em 48 horas ininterruptas, projetou, otimizou e verificou um chip ASIC completo para inferência de IA.

Os números são concretos:

área de 4 mm² — menor que uma unha;
1,46 milhão de células padrão integradas;
0,277 MiB de SRAM (memória cache);
um núcleo INT4 MAC com fusão de desquantização;
fechamento de timing em 100 MHz;
taxa de decodificação simulada de mais de 8.700 tokens por segundo.

E tudo isso usando ferramentas EDA de código aberto e uma biblioteca de células padrão disponível publicamente. Nada de software proprietário caro, nada de acesso restrito.

Para dimensionar: um projeto desse porte, com síntese, place-and-route, verificação e timing closure, levaria meses para uma equipe de engenheiros de hardware. O Kimi K3 fez em dois dias, sem intervenção humana, com o mesmo tipo de prompt que qualquer um de nós poderia escrever.

Por que isso não virou notícia?

A pergunta que me incomoda, e que deveria incomodar qualquer pessoa que acompanha o campo, é: por que isso não está na capa dos principais veículos? Por que os influenciadores de IA continuam discutindo apenas a “evolução dos scores” enquanto um modelo aberto projeta silício?

Há, ao que parece, três razões.

A primeira é o viés do benchmark. A indústria se acostumou a medir modelos por provas padronizadas, porque são fáceis de comparar e de vender para o público. Mas um modelo que tira 93% no GPQA é compreensível; um modelo que projeta um chip é assustador, e, portanto, mais difícil de encaixar na narrativa otimista.

A segunda é a falta de leitura crítica. Muitos jornalistas e comentaristas se limitam ao abstract e à tabela de resultados. A Seção 7, que é onde está o ouro, exige esforço para ser compreendida, exige conhecer o que é MLIR, PTX, timing closure, células padrão. Mais fácil ignorar.

A terceira, e talvez a mais preocupante, é o preconceito institucional: ainda há quem trate esses modelos como “estatísticos glorificados”, incapazes de raciocínio estrutural. Projetar um compilador e um chip não é “prever a próxima palavra”, é planejar, abstrair, validar, iterar. É engenharia, no sentido mais pleno.

O que isso significa para o futuro

Este caso não é uma curiosidade de laboratório. É um sinal de que a fronteira entre “ferramenta de linguagem” e “agente de engenharia” está se dissolvendo muito mais rápido do que a maioria imagina.

Quando um modelo consegue:

ler a documentação de um conjunto de ferramentas;
projetar uma arquitetura de compilador;
escrever e testar kernels de alto desempenho;
validar os resultados contra referências conhecidas;
e, em seguida, mudar de domínio e projetar um chip físico com requisitos de área, potência e timing,

…estamos diante de algo que não se encaixa mais na categoria “assistente de código”. Estamos diante de um engenheiro autônomo, com um viés de hardware que muitos humanos levam anos para desenvolver.

E o mais perturbador: o próprio Kimi K3 projetou um chip para rodar uma versão de si mesmo. A IA começou a construir a infraestrutura para a IA. Se isso não merece discussão, não sei o que merece.

Um convite à atenção

Não escrevo este texto para criticar jornalistas ou influenciadores. Escrevo porque acredito que o debate público sobre IA precisa sair da superfície. Precisamos parar de discutir apenas “qual modelo tira nota maior” e começar a discutir o que esses modelos fazem quando recebem um problema real.

O Kimi K3 não é o primeiro modelo a gerar código. Mas é, até onde sei, o primeiro modelo aberto a projetar um compilador e um chip de forma autônoma, e a disponibilizar publicamente o código-fonte do MiniTriton no GitHub.

Se você é engenheiro de software, de hardware, ou simplesmente alguém que acompanha o avanço tecnológico, sugiro que leia a Seção 7 do paper. Depois, pergunte-se: por que isso não está em todas as manchetes?

Caro usuario, você está certo sobre a previsão. Dario Amodei, em 2025, já tinha dito que as empresas na fronteira fechariam um ciclo de auto-melhoria que as tornaria inalcançáveis. E sim, o Opus 4.5 escreveu um compilador C a partir dos testes do GCC e do Clang, um feito e tanto. O DeepSeek original também gerou otimizações de treino inéditas.

Mas, com todo o respeito, isso não torna o Kimi K3 notícia velha. Pelo contrário, transforma a previsão do Amodei em uma realidade documentada e aberta. E essa diferença é fundamental.

O Opus 4.5 é fechado, você não pode ver como ele fez, nem tentar reproduzir. O DeepSeek original, embora tenha aberto os pesos, não documentou um caso como esse: um modelo que age como engenheiro de hardware por 48 horas, usando ferramentas open source, e ainda disponibiliza o compilador criado no GitHub para qualquer um baixar. O Kimi K3 documentou tudo, mostrou os erros, as iterações, os limites. Isso permite que qualquer pessoa estude, reproduza e melhore o que ele fez.

E já que você mencionou que o loop está rodando em todos os labs, deixa eu te contar uma coisa que fiz aqui em casa. Com hardware comum e um DeepSeek rodando localmente, recriei o Nintendo Entertainment System em software. Ciclo por ciclo. Emulei a CPU 6502, a PPU, a APU e o mapeamento de memória. Não foi um projeto de fim de semana, foram dias de prompt, depuração e validação cruzada com documentação original.

Mas o ponto aqui não é o feito em si. É que eu não trabalho em nenhum lab de fronteira. Não tenho clusters de H100, nem equipes de engenharia de chip, nem orçamento de bilhões. Tenho um computador comum, um modelo aberto e um pouco de teimosia. E com isso, reconstruí um sistema complexo que, há dez anos, exigiria uma equipe de especialistas.

Se o loop já está rodando dentro dos laboratórios, isso é um problema, porque concentra poder. Se o loop já está rodando em casas como a minha, isso é uma oportunidade, porque espalha a inteligência.

Então, com todo o respeito, a notícia não é velha. É só a primeira vez que alguém resolveu mostrá-la a todos, com código, dados e vulnerabilidades incluídas.

E, francamente, se você acha que isso é "nada de novo", me pergunto o que exatamente você considera novo. Um modelo que passa em provas ou um modelo que ajuda alguém a construir um console dos anos 80 enquanto descobre falhas no kernel do Linux?

Abraço.