A live nem era pra acontecer assim. Devia ser o dia 50 da jornada, mas a madrugada já tinha sido virada de cabeça pra baixo: reset de limite no Fable 5 e no GPT à meia-noite do horário do Pacífico, Laschuk monitorando tudo num aplicativozinho próprio que ele mesmo construiu pra saber qual conta e qual agente usar em cada momento. No meio da tarde, o Kimi K3 é lançado pela Moonshot e o primeiro teste — clonar o site da Apple — já bagunça o plano do dia: "esses modelos mais alternativos eu costumo não olhar muito pra eles", mas o resultado saiu bom o bastante pra virar a pauta inteira.
A régua de comparação é sempre a mesma que ele já usa: nada de confiar no benchmark oficial que o próprio laboratório publica pra vender notoriedade — o teste roda headless, sem skill, sem hook, sem agente customizado, mesmo prompt pra todo mundo, prompt puro. No clone do site da Apple, o Kimi K3 saiu por $0,44 contra $0,94 do Fable 5 — menos da metade do custo — com o menu clonado a 100% em ambos, mas o Kimi levando no Apple Watch, nos fones e na segunda dobra da página, enquanto o Fable 5 ganhava na animação inicial. Contra o Opus 4.8 não teve disputa: "não tem comparação, ele é dez vezes melhor", com o mesmo clone saindo por $0,44 do Kimi contra $0,67 do Opus.
O detalhe que vira assunto obrigatório é o preço: o Kimi K3 cobra bem menos que o Fable 5 (que cobra os tokens mais caros do mercado, $10 de input e $50 de output), rodando a 25 tokens por segundo — mais lento, mas nem sempre pior, porque entrega com menos idas e vindas. Já o GPT 5.6 Sol aparece destacado dos outros só que com ressalva grande: ele usa subagentes por trás, gastando até 10 vezes mais tokens pra chegar num resultado mais polido — no teste do sistema solar 3D o Sol custou dez vezes mais que o Kimi, e no clone da Apple gastou 47 mil tokens de output contra os 15-20 mil dos concorrentes. Do outro lado, o Grok 4.5 — recém-adquirido do Composer 2.5 da Cursor — segue sendo o mais barato de todos, quase sempre resolvendo em poucas idas, mas fraco em resultado visual: "eu acho que esse cara aqui é totalmente voltado pra back end".
O momento mais espontâneo da live é o teste de FPS: os quatro modelos recriam o mesmo jogo em paralelo e o Kimi K3 é o único que consegue subir na caixa, pular no pilar e ainda cria textura própria pras caixas — nenhum dos outros três pulava. Custou $1,19 contra os $3 do GPT Sol e os $2,11 do Fable 5. Animado com o resultado, Laschuk parte pra um teste fora do roteiro: pedir ao Kimi K3, atuando como orquestrador de um swarm de agentes no Overclock, pra clonar/reimaginar um jogo estilo zumbi que viralizou nas redes (o "projeto Zumbi"), delegando pra sub-agentes em paralelo em vez de executar tudo sozinho — testando também o modo YOLO e o suporte a visão do CLI do Kimi.
Por trás de tudo isso está o conceito que Laschuk repete a live inteira: benchmark de mercado não serve pra nada sozinho — o que importa é o benchmaxing, o teste adaptado ao teu próprio contexto. Ele conta que rodou uma análise de mais de 6.000 sessões do seu próprio histórico de uso (Claude Code, GPT, Codex) pra extrair os cinco tipos de prompt que ele mais executa no dia a dia — caça-bug, feature em single shot, ajuste de CSS/mobile, revisão de código e organização de dado sujo — e repetiu esses cinco testes com os quatro modelos. Resultado: o Grok 4.5 venceu quase todos em custo e velocidade pra tarefas de backend, o Kimi K3 ficou atrás nesses testes mais "de ferramenta", mas seguiu forte pra frontend. A conclusão que ele resume pro chat: Kimi K3 pra frontend, quase parecido com o Grok, só que "uma versão do Grok pra frontend".