Moonshot devolve 25% da cota após falhas no lançamento do Kimi K3.1 Pro

A Moonshot AI pediu desculpas nesta segunda-feira, 26 de outubro, por limitações de acesso e consumo desnecessário de franquia após o lançamento do Kimi K3.1 Pro. Como compensação, a empresa anunciou uma redefinição única equivalente a 25% da cota mensal para todos os assinantes. Contas que haviam consumido menos de 25% voltaram a registrar uso zero.

A medida não altera o ciclo normal de renovação da assinatura. Ela devolve uma semana de uso, segundo a equivalência apresentada pela própria companhia, e tenta corrigir cobranças de franquia associadas a tarefas que acionaram mais processamento do que o necessário. A Moonshot também afirmou ter ajustado parâmetros para reduzir chamadas dispensáveis de subagentes e respostas excessivamente longas.

O que foi confirmado pela Moonshot

O Kimi K3.1 Pro estreou como o primeiro modelo da série K3.1 e como o sistema open-weight mais capaz da empresa na classe de 3 trilhões de parâmetros. A versão tem janela de contexto de 1 milhão de tokens e foi disponibilizada no Kimi, Kimi Work, Kimi Code e na API. Uma variante Highspeed promete operar de duas a três vezes mais rápido, enquanto a publicação dos pesos completos está prevista para 4 de novembro.

Os problemas apareceram justamente em recursos voltados a trabalhos longos e com múltiplas etapas. A documentação comercial do Kimi informa que agentes, pesquisa, criação de sites, Kimi Code e outros recursos compartilham a mesma reserva mensal de créditos. O consumo é calculado pelo uso real de tokens, e tarefas complexas, contexto extenso e múltiplas chamadas podem gastar mais da franquia. Isso torna relevante a correção nos parâmetros: uma decisão interna do sistema sobre quantos subagentes chamar pode ter impacto direto no saldo do assinante.

Até o momento, a empresa não divulgou quantas pessoas foram afetadas, por quanto tempo houve limitação de acesso ou qual foi a causa técnica exata. Também não apresentou uma auditoria independente do consumo anterior. Portanto, é fato confirmado que houve compensação e ajustes; a dimensão do problema e a eficácia definitiva da correção permanecem sem verificação pública.

Por que o episódio importa para serviços com agentes

A compensação de 25% resolve parte do prejuízo imediato, mas o caso expõe um desafio mais amplo: sistemas capazes de decompor uma solicitação em várias tarefas podem transformar uma única ação visível em muitas operações de bastidor. Se o usuário paga por créditos compartilhados, precisa conseguir entender por que uma tarefa consumiu determinado valor e diferenciar trabalho útil de chamadas redundantes.

Para fornecedores, isso cria uma obrigação de produto além do desempenho do modelo. Limites de uso, medição e orquestração precisam evoluir juntos. Controles que reduzam ramificações desnecessárias podem melhorar a estabilidade e a previsibilidade sem exigir que o modelo perca capacidade. Para assinantes, históricos detalhados e alertas antecipados tornam-se tão importantes quanto velocidade e qualidade de resposta.

O incidente também mostra que lançamentos de modelos mais capazes não terminam quando os benchmarks são publicados. A operação em escala — disponibilidade, custo por tarefa e comportamento dos agentes — define a experiência real. A redefinição anunciada pela Moonshot é uma resposta concreta, mas a confiança dependerá de o consumo permanecer previsível nos próximos ciclos de cobrança.