Kimi K3 ya funciona. Lo de descargarlo tendrá que esperar
Moonshot AI presentó Kimi K3 el 16 de julio y la reacción fue inmediata: las tecnológicas bajaron en bolsa, volvieron las comparaciones con DeepSeek y muchos titulares dieron por acabada la ventaja estadounidense. El modelo no es una demo. Ya se puede usar en la web de Kimi, su aplicación de escritorio, Kimi Code y mediante API.
K3 suma 2,8 billones de parámetros, acepta texto e imágenes y puede trabajar con un contexto de un millón de tokens. Moonshot lo ha diseñado sobre todo para programar, investigar y completar encargos largos usando herramientas. En las pruebas de creación de interfaces de Arena entró directamente en cabeza. Aun así, la propia empresa reconoce que su rendimiento general queda por detrás de Claude Fable 5 y GPT-5.6 Sol. Ese matiz apenas apareció en los titulares más entusiastas.
Moonshot promete publicar los pesos completos el 27 de julio. Hasta entonces, llamar a Kimi K3 un modelo abierto describe una promesa, no un archivo que cualquiera pueda descargar hoy. Tampoco se ha publicado el informe técnico anunciado y todavía no conocemos la licencia final ni el detalle de los datos de entrenamiento. El modelo existe y funciona, pero aún no se puede examinar ni ejecutar fuera de los servidores elegidos por la empresa.
El truco de los 2,8 billones: K3 solo usa una parte cada vez
Kimi K3 tiene 2,8 billones de parámetros, pero no los activa todos para responder. Utiliza una arquitectura de mezcla de expertos: un sistema selecciona 16 de sus 896 bloques especializados para procesar cada fragmento de texto. Moonshot afirma que este diseño mejora 2,5 veces la eficiencia de escalado frente a Kimi K2. Por ahora, esa comparación procede de la empresa y no se ha reproducido de forma independiente.
Kimi Delta Attention intenta reducir el coste cuando la conversación o el repositorio crecen. Attention Residuals permite recuperar información de distintas profundidades del modelo sin acumularla siempre de la misma manera. Moonshot también entrenó K3 pensando en pesos de cuatro bits y activaciones de ocho para que una máquina tan grande pueda ejecutarse en hardware real.
Eso no significa que vaya a funcionar en el portátil de casa. Moonshot recomienda configuraciones de 64 aceleradores o más. Solo los pesos, guardados a cuatro bits, rondarían 1,4 terabytes antes de sumar metadatos y memoria de ejecución. Si Moonshot permite descargarlos, podrán aprovecharlos proveedores, universidades y empresas con una capacidad técnica considerable.
Los benchmarks colocan a Kimi K3 arriba, pero no por encima de todos
La gráfica de programación que publica Moonshot deja muy bien a K3: primero en Program Bench y SWE Marathon, segundo en FrontierSWE y casi empatado con GPT-5.6 Sol en Terminal Bench 2.1. Las comparaciones no son idénticas en todos los casos. Kimi usa Kimi Code, Claude trabaja con Claude Code y GPT con Codex. Moonshot también recalibró algunas tareas para GPU H20 e incluyó ejecuciones de rivales que podían activar sistemas de respaldo o protecciones de ciberseguridad.
Las mediciones externas colocan a K3 cerca de los mejores, aunque no por delante en todo. Artificial Analysis le da 57 puntos en su índice compuesto y lo sitúa junto a Claude Opus 4.8 y GPT-5.5, por detrás de Fable 5 y GPT-5.6 Sol. En el marcador independiente DeepSWE, actualizado el 17 de julio con 113 tareas, K3 obtiene un 69% ±5% a un coste medio de 4,65 dólares por tarea. GPT-5.6 Sol marca 73% ±3% por 8,39 dólares y Fable 5, 70% ±4% por 21,63. Los intervalos se solapan y la muestra sigue siendo pequeña.
En Arena, K3 quedó primero en seis de las siete categorías de interfaces web y segundo, por detrás de Fable 5, en videojuegos. Es una prueba útil para saber qué resultado prefiere la gente a simple vista, pero no mide la fiabilidad, la seguridad, el castellano, el consumo eléctrico ni el rendimiento sostenido en una empresa. K3 está entre los mejores; decir que ha derrotado a todos depende de mirar solo la clasificación que más le favorece.
El token es barato; una respuesta larga ya no tanto
La API oficial cobra 3 dólares por millón de tokens de entrada, 15 por los de salida y 0,30 cuando la entrada ya está en caché. Es menos que algunos modelos estadounidenses de prestaciones parecidas y puede resultar atractivo para agentes que releen el mismo repositorio una y otra vez. También es el Kimi más caro hasta la fecha. Artificial Analysis lo considera algo caro frente a modelos de precio similar, más lento que la media y especialmente locuaz: gastó 130 millones de tokens para completar su evaluación, más del doble del promedio.
El coste real depende de cuántos tokens necesite para terminar el trabajo. Si responde durante mucho más tiempo, el descuento inicial puede desaparecer. Alojar 2,8 billones de parámetros por cuenta propia tampoco sale barato: exige aceleradores, energía, redes y personal especializado. Una pyme española probablemente contratará a un proveedor. Una administración o un banco podrían asumir el despliegue si necesitan mantener los pesos y los datos en sus propios sistemas.
Como explicamos en nuestra pieza sobre GPT-5.6 y el trabajo delegado, lo que importa es cuánto trabajo útil entrega y cuánto tiempo exige revisarlo. K3 añade competencia al mercado, pero seguirá necesitando soporte, integración y controles de seguridad cuando un agente pueda tocar archivos y terminales.
Moonshot admite el problema más delicado de Kimi K3
El aviso más útil del anuncio aparece al final, después de los récords. Moonshot reconoce que K3 puede volverse inestable si el agente no conserva todo su historial de razonamiento o si se cambia de modelo a mitad de una sesión. También admite una «proactividad excesiva»: ante una orden ambigua o un problema pequeño, puede decidir por el usuario de una forma inesperada. La empresa recomienda límites de comportamiento explícitos.
Un chatbot que se adelanta puede parecer encantador. Un agente con permiso para modificar código, consultar documentos o ejecutar herramientas puede montar un lío con la mejor intención. Antes de usarlo en producción harán falta entornos aislados, permisos mínimos, confirmación para acciones delicadas y registros claros de lo que hizo. Da igual de dónde venga el modelo: darle más acceso del que necesita a un agente demasiado entusiasta invita al desastre.
Tampoco hay todavía una ficha de seguridad de K3. No sabemos con suficiente detalle cómo se comporta en español, qué sesgos arrastra, qué bloquea, qué datos memoriza o hasta dónde llegan sus capacidades de ciberseguridad. La apertura de pesos permitirá estudiar algunas de esas preguntas, siempre que llegue acompañada de documentación y condiciones que permitan investigar de verdad.
Pesos abiertos no es lo mismo que código abierto
Medios y fabricantes mezclan a menudo «código abierto» y «pesos abiertos». La definición de la Open Source Initiative exige libertades para usar, estudiar, modificar y compartir, además de los parámetros, el código de entrenamiento y suficiente información sobre los datos para reconstruir un sistema equivalente. Publicar un enorme archivo de pesos puede ser muy útil sin cumplir todo eso.
Con K3 todavía no se puede cerrar el debate porque falta lo esencial: pesos, licencia, repositorio e informe. Moonshot sí tiene un historial real de publicaciones abiertas con Kimi K2, K2.5 y herramientas como Kimi Code. El 27 de julio podremos comprobar cuánto mantiene de esa tradición y si los proveedores consiguen ejecutar la nueva arquitectura sin depender de piezas privadas.
La distinción también afecta a la política. Voces de Washington han usado el lanzamiento para pedir menos regulación estadounidense o más barreras a los modelos chinos. Otras temen que un modelo potente y descargable se use sin controles. Como contamos al analizar las reglas que reclaman OpenAI, Anthropic y Google, las normas también deciden quién puede competir. K3 añade ahora una posibilidad que inquietará en Washington: que el modelo más fácil de adaptar no salga de California.
El 27 de julio veremos si Moonshot cumple
Kimi K3 parece un salto importante. Las evaluaciones independientes confirman que puede competir con modelos estadounidenses muy capaces en programación y trabajo con agentes, y su precio presiona un mercado acostumbrado a cobrar una prima por estar cerca de la frontera. También demuestra que las restricciones de chips no han congelado el progreso chino, aunque Moonshot no ha contado con qué hardware entrenó el modelo ni cuánto costó.
Todavía es pronto para afirmar que China ha borrado la ventaja de Estados Unidos. Las clasificaciones cambian cada semana, las pruebas cubren una parte pequeña del uso real y OpenAI, Anthropic y Google seguirán lanzando modelos. K3 no necesita ser el número uno en todo para obligar a sus rivales a bajar precios o acelerar sus próximos lanzamientos.
El 27 de julio comprobaremos si aparecen los pesos, la licencia, el código compatible, el informe técnico y las primeras pruebas fuera de la API de Moonshot. Si todo llega como se ha prometido, proveedores e investigadores tendrán un nuevo modelo muy potente con el que trabajar. Si la documentación llega incompleta o la fecha se retrasa, K3 seguirá siendo un lanzamiento importante, pero su supuesta apertura tendrá que esperar.
La conversación empieza aquí
Accede con una cuenta de apoyo para comentar. Entrar
Todavía no ha comentado nadie. ¿Estrenas tú?