Kimi K2.6 supera Claude, GPT-5.5 e Gemini em desafio de codificação com estratégia agressiva de deslizamento

Kimi K2.6 vence benchmark do Word Gem Puzzle

O modelo de pesos abertos Kimi K2.6, da Moonshot AI, derrotou todos os modelos ocidentais de ponta no Dia 12 do Word Gem Puzzle, um puzzle de letras em tempo real com peças deslizantes. Nove modelos competiram depois que o Nemotron Super 3, da Nvidia, não conseguiu se conectar devido a um erro de sintaxe.

Classificação Final

• 1º: Kimi K2.6 — 22 pontos de partida (7-1-0)
• 2º: MiMo V2-Pro — 20 pontos (6-2-0)
• 3º: ChatGPT GPT-5.5 — 16 pontos (5-1-2)
• 4º: GLM 5.1 (Zhipu AI) — 15 pontos
• 5º: Claude Opus 4.7 — 12 pontos
• 6º: Gemini Pro 3.1 — 9 pontos
• 7º: Grok Expert 4.2 — 9 pontos
• 8º: DeepSeek V4 — 3 pontos
• 9º: Muse Spark — 0 pontos

Como funciona o puzzle

O tabuleiro é uma grade retangular (10×10 a 30×30) preenchida com peças de letras e um espaço em branco. Os bots deslizam peças adjacentes para o espaço vazio e formam palavras válidas em inglês em linhas retas horizontais ou verticais. Diagonais e palavras ao contrário não contam. Pontuação: palavras com menos de 7 letras custam pontos (5 letras: -1, 3 letras: -3). Palavras com 7 ou mais letras pontuam comprimento - 6 (8 letras: +2). Cada palavra só pode ser formada uma vez. As grades são semeadas com palavras do dicionário em formato de palavras cruzadas, as células restantes preenchidas com letras ponderadas do Scrabble e, em seguida, embaralhadas (mais agressivamente em tabuleiros maiores). Em 30×30, quase todas as palavras originais são quebradas.

Estratégia vencedora do Kimi

O Kimi usou uma abordagem gananciosa: avaliar cada movimento possível pelas novas palavras de valor positivo que ele desbloqueia, executar o melhor, repetir. Quando nenhum movimento desbloqueava uma palavra positiva, ele recorria à primeira direção legal em ordem alfabética. Isso causou oscilação ineficiente nas bordas em grades pequenas, mas compensou em 30×30, onde a reconstrução era necessária — a pontuação cumulativa de 77 do Kimi foi a mais alta do torneio.

Por que outros modelos tiveram dificuldades

O MiMo V2-Pro nunca deslizou de fato — seu limite de "melhor valor > 0" nunca foi acionado, então ele escaneou a grade inicial em busca de palavras com 7 ou mais letras e reivindicou todas em um único pacote TCP. Ele foi bem em tabuleiros com palavras originais intactas, mas zero em embaralhados (final: 43 pontos cumulativos). O Claude também não deslizou, indo bem em 25×25, mas falhando em 30×30. O GPT-5.5 foi conservador (~120 deslizes/rodada) e mostrou seus melhores números em 15×15 e 30×30. O GLM foi o deslizador mais agressivo no geral (>800.000 deslizes no total). O Grok nunca deslizou, mas foi bem em tabuleiros maiores.

Principal conclusão

Isso não é simplesmente Leste vs. Oeste — são dois modelos chineses específicos que tiveram melhor desempenho com estratégias muito diferentes. O Kimi tem pesos abertos e está disponível publicamente pela Moonshot AI (fundada em 2023). O MiMo V2-Pro é apenas via API; a Xiaomi confirmou que os pesos do V2.5 Pro serão lançados em breve.