¿Qué es Kimi AI? El modelo chino de pesos abiertos

Kimi AI es a la vez un asistente conversacional y la familia de modelos de pesos abiertos que desarrolla Moonshot AI, una empresa de Pekín que se ha convertido en uno de los nombres que más suenan en la IA abierta. Si has visto «Kimi K2» encabezar las clasificaciones de programación junto a ChatGPT, Claude y DeepSeek, y quieres la versión clara de qué es, quién lo hace, cuánto cuesta, si es seguro y qué significa aquí «abierto», esto es lo esencial, actualizado a agosto de 2026.

Primero, una aclaración, porque el nombre puede prestarse a confusión: este artículo trata sobre el modelo de IA, no sobre la película de animación «Your Name» (Kimi no Na Wa), el manga «Hana-Kimi» ni los pilotos de Fórmula 1 Kimi Räikkönen y Kimi Antonelli. Hablamos de Kimi, de Moonshot AI. También cubrimos las cuestiones que la mayoría de las explicaciones pasan por alto: la diferencia entre pesos abiertos y código abierto, las preguntas sobre datos y China que las empresas hacen primero, y qué supone un modelo chino abierto y potente a la hora de conseguir que las herramientas de IA hablen bien de tu negocio. Esta guía cubre la familia Kimi al completo; para el buque insignia actual en concreto, tienes nuestra explicación de Kimi K3.

Lo que debes saber

• Kimi son dos cosas bajo un mismo nombre: un asistente de IA en kimi.com y la familia de modelos de pesos abiertos que lo mueve, ambos de Moonshot AI, una empresa china fundada en Pekín en marzo de 2023. El modelo generalista de referencia hoy es Kimi K3 (julio de 2026), que sucede a la familia K2.
• Kimi es de pesos abiertos, no de código abierto: los archivos del modelo se descargan libremente (licencia MIT modificada para la familia K2, la Licencia Kimi K3 propia para K3), pero ni los datos ni la receta de entrenamiento se publican nunca, un matiz que la mayoría de los artículos, y de las propias IA, resuelven mal.
• Existe un plan gratuito de verdad (el plan Adagio); los planes de pago van de 19 $ a 199 $ al mes, y a fecha de agosto de 2026 las nuevas suscripciones de pago están en pausa (sin fecha de reapertura anunciada). Los pesos abiertos son gratis de ejecutar, aparte del costo del hardware.
• Para una empresa en España o América Latina, los servicios directos de Moonshot dependen de entidades asiáticas (Singapur para la API, China para la aplicación de consumo), fuera de la UE. La vía compatible con el RGPD pasa por autoalojar los pesos, no por el servicio de consumo.
• Cada modelo potente nuevo es un sitio más donde la IA puede mencionar, o desfigurar, tu marca. El primer paso sigue siendo comprobar que los rastreadores de IA pueden leer tu sitio.

¿Qué es Kimi AI?

Kimi es un asistente de IA con el que chateas en kimi.com y la familia de grandes modelos de lenguaje (LLM) que lo mueve, hoy liderada por Kimi K3, ambos de Moonshot AI. Usas el asistente como usas ChatGPT o Claude: haces una pregunta, pegas un documento, le encargas una tarea y responde en lenguaje natural. También lee imágenes, escribe y ejecuta código, busca en la web en tiempo real y encadena flujos de agente en varios pasos.

La distinción entre el asistente y el modelo importa más en Kimi que en la mayoría de sus rivales, y de ahí viene casi toda la confusión que lo rodea. La aplicación Kimi y su API son un producto cerrado que opera Moonshot. Los modelos Kimi que hay debajo son de pesos abiertos: los archivos del modelo entrenado se publican para que cualquiera los descargue, los ejecute y los adapte. Los modelos insignia que hay dentro de ChatGPT siguen cerrados (OpenAI ha publicado modelos de pesos abiertos aparte, más pequeños, pero no los que mueven ChatGPT); Kimi abre su modelo insignia y mantiene propietario el producto que lo envuelve. Ese solo hecho determina los precios, los compromisos de privacidad y la historia estratégica que veremos más adelante.

Donde Kimi se ganó su reputación es en la programación y el trabajo agéntico, tareas en las que el modelo planifica, llama a herramientas y avanza solo a lo largo de muchos pasos, por una fracción de lo que cobran los modelos de frontera cerrados. Reducirlo a «un ChatGPT chino» se queda corto con lo que tiene de interesante. El resto de esta guía repasa cada pieza.

¿Quién desarrolla Kimi? Moonshot AI, en claro

Kimi viene de Moonshot AI, una startup pekinesa fundada en marzo de 2023 por Yang Zhilin, Zhou Xinyu y Wu Yuxin, compañeros en la Universidad Tsinghua. Yang, el consejero delegado, dice que el objetivo es avanzar hacia la inteligencia artificial general, con el contexto largo, la comprensión multimodal y una arquitectura capaz de mejorarse sola como hitos. El nombre de la empresa hace un guiño a «The Dark Side of the Moon» de Pink Floyd, de donde viene también su nombre chino, 月之暗面.

Sí, Kimi es una empresa china, y eso es central para las preguntas de seguridad y datos más adelante. También es una de las mejor financiadas. Alibaba puso unos 800 millones de dólares en una ronda de cerca de 1000 millones en febrero de 2024, por una participación de en torno al 36 %; Tencent se sumó más tarde ese mismo año, y en mayo de 2026 Moonshot levantó unos 2000 millones de dólares con una valoración cercana a los 20 000 millones, según TechCrunch, sobre unos ingresos anualizados de alrededor de 200 millones. Para un laboratorio tan joven es una escalada vertiginosa, y la sostiene en gran parte la estrategia de pesos abiertos que puso a Kimi en el mapa.

Ese respaldo responde a una pregunta habitual: ¿de quién es Kimi? Moonshot AI lo posee y lo opera. Alibaba es su mayor inversor externo, pero con una participación minoritaria no parece gestionar Kimi en el día a día ni dictar cómo se comporta.

La gama de modelos Kimi: de K2 a K3

Kimi no es un modelo único, sino una serie que evoluciona rápido. El punto de inflexión fue Kimi K2, en julio de 2025: un modelo de un billón de parámetros publicado en pesos abiertos bajo una licencia MIT modificada, según el repositorio de Moonshot en GitHub. Igualaba o superaba a modelos cerrados mucho más grandes en las pruebas de programación, y como los pesos eran libres, se extendió deprisa. Desde entonces, Moonshot lanza una versión nueva cada pocos meses. Aquí está la situación.

El gran cambio desde la línea K2 es Kimi K3, presentado el 16 de julio de 2026 y con los pesos publicados el 27 de julio bajo una nueva Licencia Kimi K3 propia, un paso al margen de los términos MIT modificados de la familia K2. Es un salto de escala, un modelo de 2,8 billones de parámetros que Moonshot presenta como el mayor de pesos abiertos hasta la fecha, y sacó a Kimi de ser la opción abierta barata y funcional para meterlo en competencia directa de frontera por precio y posicionamiento. Cubrimos sus especificaciones reales, en qué pruebas confiar, cuánto cuesta y si puedes ejecutarlo en nuestra explicación de Kimi K3.

Conviene conocer dos patrones de nombres. Un modelo «Instruct» responde de inmediato; un modelo «Thinking» pasa por pasos ocultos antes de contestar, cambiando velocidad por precisión en los problemas difíciles. Sobre la longitud de contexto: el K2 original manejaba 128 000 tokens, duplicados a 256 000 en la actualización Instruct-0905 de septiembre y mantenidos en K2 Thinking; cada modelo de K2.5 a K2.7 Code conserva esa misma ventana de 256 000 tokens, y el salto al millón solo llega con K3.

Kimi K2.5: visión y el primer Agent Swarm

Con K2.5, lanzado el 27 de enero de 2026, la línea K2 dejó de limitarse al texto. Añadió un codificador de visión que Moonshot llama MoonViT, entrenado sobre la base K2 existente, y lee video además de imágenes fijas. La ficha del modelo de Moonshot informa de un 76,8 % en SWE-bench Verified. Llegó junto a Kimi Code, el agente de programación de la empresa para editores como VS Code y Cursor.

La novedad de mayor calado fue Agent Swarm. En lugar de un modelo trabajando una tarea paso a paso, un orquestador despacha subagentes que trabajan en paralelo y le comunican sus resultados: hasta 100 de ellos a lo largo de hasta 1500 llamadas a herramientas en K2.5. Moonshot entrenó al orquestador con una técnica que llama aprendizaje por refuerzo de agentes en paralelo, congelando los subagentes y recompensando al orquestador por fases justamente para que no vuelva a asumir por sí solo todo el trabajo.

Las salvedades llegaron con el mismo lanzamiento. En la reseña independiente más detallada del modelo, Maxime Labonne, de Hugging Face, lo llamó el primer modelo de pesos abiertos cuya visión «se siente genuinamente competitiva», pero midió que quemaba 89 millones de tokens de salida en una batería de evaluación donde modelos comparables usaban una mediana de 14 millones, y observó a los subagentes del enjambre derivar hacia definiciones incoherentes de un mismo concepto compartido. Barato por token y barato por tarea no son la misma afirmación.

K2.5 sigue disponible, pero no por mucho más tiempo: Moonshot lo cerró a los usuarios de API recién registrados y su retirada está prevista para el 31 de agosto de 2026, junto con la vieja familia moonshot-v1.

Kimi K2.6 y K2.7 Code: el salto agéntico

K2.6 llegó el 20 de abril de 2026 con la misma red debajo. Su configuración publicada describe una arquitectura idéntica a la de K2.5, hasta en el número de expertos y la ventana de 256 000 tokens, de modo que lo que mejoró vino del entrenamiento y no de un rediseño. Las mejoras, además, llegaron de forma desigual. La programación se movió 3,4 puntos, SWE-bench Verified del 76,8 % al 80,2 %. Las pruebas de uso de herramientas y de agentes se movieron mucho más: Terminal-Bench 2.0 subió casi 16 puntos, del 50,8 % al 66,7 %, y tres baterías específicas de agentes se duplicaron a grandes rasgos. Agent Swarm escaló con ello, hasta 300 subagentes a lo largo de 4000 pasos coordinados. Una advertencia sobre este último número, que se cita mucho: 300 es una capacidad del modelo, no algo que te conceda una suscripción, y la propia tabla de planes de Kimi llega como mucho a 8 subtareas de enjambre simultáneas en su nivel más caro.

Artificial Analysis situó a K2.6 como el mejor modelo de pesos abiertos de su índice de inteligencia, cuarto en general por detrás de los insignia de Anthropic, Google y OpenAI. Su crítica recurrente era el consumo de tokens, que es justo lo que K2.7 Code, lanzado el 12 de junio de 2026, se propuso resolver: un posentrenamiento especializado en programación del mismo modelo que, según Moonshot, recorta el uso de tokens de razonamiento en torno a un 30 % de media, y que no se puede ejecutar con el razonamiento apagado. Sus cifras estrella merecen una salvedad, eso sí. Las pruebas con las que Moonshot lo promociona, Kimi Code Bench v2 y Program Bench entre ellas, son baterías propias de la empresa, y el modelo no se ha presentado a DeepSWE, una prueba de programación independiente que separa mucho más a los modelos. Como se lo dijo un desarrollador a VentureBeat, «todos los modelos "mejoran" a doble dígito en su propia batería de pruebas».

La prueba externa más informativa vino del investigador Elliot Arledge, que enfrentó K2.7 Code a K2.6 en KernelBench-Hard, una prueba pública de optimización de kernels de GPU, y publicó sus registros. Su veredicto fue que «K2.7 es más honesto, pero no más capaz»: en cinco de seis problemas el modelo nuevo escribió kernels de Triton reales donde K2.6 se había limitado a envolver bibliotecas existentes, pero dos de ellos fallaron por errores propios y uno empeoró directamente. Dejó de disimular la parte difícil sin llegar todavía a hacerla mejor. Trata las victorias de un fabricante en sus propias pruebas como afirmaciones a verificar en tu propio uso, y considera toda esta tabla una foto fija de agosto de 2026, porque los números de versión se mueven cada pocas semanas.

Cómo funciona Kimi K3: el modelo actual

K3 es el modelo que conviene entender primero, porque es con el que Moonshot lidera hoy y al que te dirige un plan de pago. Mantiene el diseño de mezcla de expertos que estableció la línea K2, pero lo escala con fuerza: 2,8 billones de parámetros en total, con solo 16 de 896 expertos activos por cada token, de modo que el costo de cómputo por token se queda muy por debajo de lo que sugeriría el tamaño total. Moonshot publica el número de expertos, pero no la cifra de parámetros activos; trata cualquier número exacto de «miles de millones activos» que veas como una estimación.

El cambio mayor es cómo maneja K3 las entradas largas. Usa un diseño híbrido de atención lineal que Moonshot llama Kimi Delta Attention, con aproximadamente tres de cada cuatro capas de atención en la forma lineal, más barata. Eso es lo que hace práctica, y no solo teórica, una ventana de contexto de 1 048 576 tokens, y la propia investigación de Moonshot informa de una decodificación hasta 6,3 veces más rápida en contextos largos. K3 lee texto, imágenes y video y devuelve texto, con una salida por defecto de hasta 131 072 tokens.

Un detalle importa en el uso diario: el razonamiento está siempre activo. Puedes bajar el esfuerzo (el control reasoning_effort acepta low, high o max, y por defecto es max), pero no puedes apagar el pensamiento del todo, y los parámetros de muestreo están fijados en el servidor: por defecto, K3 piensa a fondo en cada petición, lo que se nota tanto en la velocidad como en el costo. La arquitectura completa, las pruebas en las que confiar y si puedes autoalojarlo están en nuestra explicación de Kimi K3.

Cómo funcionan los modelos Kimi: mezcla de expertos, pensados para agentes

Por dentro, Kimi es un transformador que predice el siguiente fragmento de texto pieza a pieza, el mismo diseño general que ChatGPT y Claude. Donde difiere es en dos decisiones de ingeniería deliberadas que atraviesan toda la familia y explican por qué es barato y por qué está tan orientado a lo agéntico.

La primera es el diseño de mezcla de expertos (mixture of experts). En lugar de una única red densa donde cada parámetro se activa en cada palabra, los modelos Kimi se dividen en cientos de subredes especializadas y enrutan cada token solo hacia unas pocas. K2 tiene un billón de parámetros en total, pero usa solo unos 32 000 millones para un token dado, y K3 lleva la misma idea mucho más lejos, activando apenas una porción de una red aún mayor cada vez. Obtienes el conocimiento de un modelo enorme al costo de ejecución de uno pequeño, que es la razón principal de que la API de Kimi salga tanto más barata que la frontera cerrada.

La segunda es el énfasis en el comportamiento agéntico. Moonshot entrenó a Kimi específicamente para usar herramientas, llamar a funciones y llevar una tarea a lo largo de muchos pasos en lugar de responder de una sola vez. Por eso sus mejores resultados aparecen en agentes de programación e investigación en varios pasos, donde el modelo tiene que decidir qué hacer, ejecutarlo, leer el resultado y ajustarse. La contrapartida es real: un modelo afinado para pensar y actuar en cadenas largas puede ser más lento y más verboso en preguntas simples, una queja frecuente entre los desarrolladores. Quienes lo usan a diario señalan una forma concreta de mitigarlo: Kimi tiende a irse a sus razonamientos más largos cuando un prompt lleva instrucciones contradictorias o desordenadas, de modo que un prompt corto, directo y coherente recorta de forma notable el razonamiento desperdiciado.

La arquitectura en sí no es un dial oculto que puedas manipular desde fuera. Es la que decide en qué es bueno Kimi, y apunta al mismo sitio que ChatGPT y Claude: una información clara y bien estructurada es lo que estos modelos razonan mejor.

Kimi K2 Thinking: el modelo que forjó su reputación

Volviendo un paso atrás en el tiempo: si has oído una sola estadística de Kimi, seguramente venía de Kimi K2 Thinking, lanzado el 6 de noviembre de 2025. Ese es el lanzamiento que hizo que se tomara a Kimi en serio como competidor de frontera, y sus cifras estrella son también las más citadas de forma incorrecta en la cobertura posterior.

Lo que lo diferenciaba de los modelos Instruct era que el razonamiento corría a través de las llamadas a herramientas, no antes. Un modelo Instruct planifica y luego ejecuta, lo que significa que una mala suposición temprana suele sobrevivir a toda la ejecución. K2 Thinking razona entre pasos, de ahí que pueda consultar algo, leer el resultado, revisar el plan a mitad de cadena y continuar. Moonshot lo describe como capaz de mantener un comportamiento coherente y dirigido a un objetivo a lo largo de «200 a 300 llamadas secuenciales a herramientas» sin intervención humana, aunque no publicó detalle alguno del andamiaje detrás de esa cifra; léela como un rango de trabajo declarado y no como una especificación.

Hay también una decisión de ingeniería inusual debajo. Moonshot aplicó entrenamiento consciente de la cuantización a los pesos de la mezcla de expertos, de modo que el modelo corre de forma nativa con precisión INT4, e informa por ello de una velocidad de generación en torno a 2 veces mayor en su propia configuración. Más útil aún: informó de todas las pruebas publicadas con ese mismo ajuste INT4. Lo habitual es medir con precisión completa y luego cuantizar para distribuir, lo que deja a las puntuaciones publicadas describiendo una configuración que nadie ejecuta; aquí, al menos, la precisión sobre la que lees coincide con los pesos que descargas.

Esas cifras de pruebas, bien enunciadas, son donde la mayoría de los análisis se equivocan. En su ficha de modelo de Hugging Face, Moonshot informa de un 71,3 % en SWE-bench Verified, un 60,2 % en BrowseComp y, en Humanity's Last Exam, tres cifras distintas para tres ajustes distintos: un 23,9 % sin herramientas, un 44,9 % con herramientas y un 51,0 % en lo que llama modo pesado, que lanza ocho intentos en paralelo y los agrega. El 44,9 % es la cifra que viaja, casi siempre sin la coletilla. Describe el modelo conectado a una pila de herramientas, no el modelo solo, y el modo pesado está un paso más allá todavía, gastando el cómputo de unos ocho intentos en una sola respuesta.

La economía recibió el mismo trato laxo. CNBC informó de un costo de entrenamiento de alrededor de 4,6 millones de dólares a partir de una fuente anónima y dijo con claridad que no podía verificar la cifra; el consejero delegado de Moonshot ha dicho desde entonces que el número no es oficial, y sus investigadores han argumentado que el costo es genuinamente difícil de precisar porque gran parte es investigación y experimentos fallidos. Se repite como un hecho de todos modos. Artificial Analysis puntuó a K2 Thinking como el modelo de pesos abiertos más alto de su índice de inteligencia en ese momento, pero también halló que ejecutarlo en el punto de acceso turbo, más rápido, de Moonshot lo convertía en uno de los modelos más caros de toda la comparación, por la cantidad de tokens que quemaba para llegar ahí.

Una nota práctica si vas a buscarlo: Moonshot descontinuó toda la serie kimi-k2 original, K2 Thinking incluido, en su propia API el 25 de mayo de 2026, y ahora dirige a los usuarios a K3. Los pesos siguen publicados abiertamente y proveedores externos los siguen sirviendo, que es la durabilidad que compran los pesos abiertos: cuando se retira un modelo cerrado, quienes están fuera no suelen poder seguir ejecutando esa versión en absoluto.

¿Kimi es de código abierto? Pesos abiertos frente a código abierto

Aquí es donde más a menudo se describe mal a Kimi, incluso por las IA a las que se pregunta. Kimi K2 es de pesos abiertos, no de código abierto, y la diferencia es real. Pesos abiertos significa que Moonshot publica los archivos del modelo terminado, los miles de millones de números entrenados, para que cualquiera los descargue, los ejecute y los afine. Código abierto, en sentido estricto, supondría también publicar el código y suficiente detalle sobre los datos y el método de entrenamiento como para reconstruir un modelo sustancialmente equivalente. Moonshot publica los pesos, pero ni los datos de entrenamiento ni la receta completa: puedes usar el modelo libremente, pero no puedes auditar ni reproducir del todo cómo se hizo.

La licencia tampoco es MIT a secas. Kimi K2 se distribuye bajo una licencia MIT modificada, y la modificación cabe en una sola cláusula de atribución: según la licencia en Hugging Face, si despliegas Kimi en un producto con más de 100 millones de usuarios activos mensuales o más de 20 millones de dólares de ingresos mensuales, debes mostrar «Kimi K2» de forma visible en la interfaz. Para casi todo el mundo esa cláusula nunca se dispara, pero significa que «abierto» viene aquí con una atadura. El modelo insignia actual cambió los términos: K3 no se distribuye bajo MIT modificada, sino bajo la propia Licencia Kimi K3 de Moonshot, que permite el uso comercial pero no está aprobada por la OSI, y añade la exigencia de un acuerdo aparte para operadores de modelo como servicio muy grandes, junto a una cláusula de visibilidad de «Kimi K3» parecida para productos muy grandes. El modelo Kimi-VL, más pequeño, usa una licencia MIT estándar sin esa cláusula.

Una capa más: el modelo es abierto, pero la aplicación y la API de Kimi no lo son. El producto al que te conectas en kimi.com es software cerrado que Moonshot ejecuta en sus propios servidores. Por eso, «Kimi es de código abierto» solo es cierto de los pesos, y aun así de forma laxa. Es el mismo patrón que siguen DeepSeek, el GLM de Zhipu, Llama, Qwen y Mistral: una ola de modelos de pesos abiertos genuinamente gratis de ejecutar, pero no abiertos en el sentido que sugiere la expresión. Para ver dónde encaja Kimi entre ellos, nuestra comparativa de modelos de IA chinos los alinea uno al lado de otro. La ventaja práctica es que los equipos sensibles a la privacidad pueden autoalojar los pesos en lugar de enviar datos a Moonshot, algo a lo que volvemos ahora.

¿Es seguro usar Kimi? Privacidad, datos y la cuestión china

«¿Es seguro Kimi?» junta en realidad dos preguntas distintas, con respuestas distintas. Para el uso cotidiano, Kimi tiene barreras de seguridad y, como todo asistente, puede equivocarse con aplomo, así que verifica lo que importe. Pero su ajuste de seguridad parece más ligero que el de los líderes cerrados. Una evaluación de seguridad independiente y preliminar de Kimi K2.5 halló una capacidad parecida a la de GPT-5.2 y Claude Opus 4.5, pero bastantes menos rechazos ante peticiones peligrosas (de tipo NRBQE: nuclear, radiológico, biológico, químico y explosivo), junto a más complacencia con la desinformación y el abuso de derechos de autor. Como modelo chino, también sigue las reglas de contenido chinas: en temas políticamente sensibles los esquiva o responde con vaguedades donde un modelo occidental entraría. Nada de esto lo hace inservible, pero no des por hecho que sus barreras igualan a las de los laboratorios de frontera.

La pregunta que más pesa para las empresas es la de los datos. Cuando usas la aplicación alojada o la API, tus prompts van a los servidores de Moonshot, y dónde están esos servidores depende de qué puerta uses. La API internacional la opera Moonshot AI Pte. Ltd., una entidad de Singapur, mientras que el servicio de consumo depende de Beijing Moonshot AI Technology Co., Ltd., en China. La preocupación de fondo que plantean muchos equipos de seguridad es que los datos tratados bajo jurisdicción china puedan quedar sujetos a las leyes locales de datos e inteligencia, la misma cautela que se aplica a cualquier servicio alojado en China, no una acusación específica contra Kimi. Hay además una cláusula de uso que conviene leer: el contrato de API de Moonshot dice que el contenido del cliente puede servir para desarrollar y mejorar sus servicios salvo que acuerdes lo contrario, con las opciones de exclusión reservadas a empresas o acuerdos escritos aparte. Todo esto conviene sopesarlo con franqueza frente a tu propia tolerancia al riesgo y a los datos que realmente enviarías.

Hay también un incidente notificado que conviene conocer. En abril de 2026, el Observatorio de Incidentes de la OCDE.AI registró un caso en el que Kimi devolvió el currículum de otro usuario durante una tarea, una exposición de datos entre usuarios. Moonshot lo calificó de alucinación del modelo, mientras que observadores externos lo describieron como un fallo de aislamiento de datos y señalaron los detalles expuestos como reales, no inventados; no existe un análisis técnico detallado por parte de la propia Moonshot. Un incidente notificado no es un veredicto, pero es un dato pertinente en una revisión de privacidad.

La mitigación honesta es la que hacen posible los propios pesos abiertos. Si la residencia de los datos es un impedimento absoluto, no tienes por qué usar los servidores de Moonshot: un equipo puede ejecutar los pesos abiertos de Kimi K2 en su propia infraestructura, y así los prompts nunca salen de tus propios sistemas. Esa es la respuesta práctica más clara a la cuestión china: para las cargas de trabajo sensibles, autoalojar en vez de enviar.

Kimi frente a ChatGPT, Claude y DeepSeek

Antes de comparar, corrijamos un error de categoría que hace tropezar a casi todos los análisis, los de IA incluidos: Kimi K2 y DeepSeek son modelos que puedes descargar y ejecutar, mientras que ChatGPT y Claude son productos que dan acceso a modelos cerrados que solo puedes alquilar. Una comparación justa o bien enfrenta la aplicación Kimi a las aplicaciones ChatGPT y Claude, o bien enfrenta el modelo Kimi K2 a los modelos cerrados que ellas llevan dentro. Aquí está la versión práctica.

En capacidad, la lectura honesta es que Kimi compite con más fuerza en programación, tareas agénticas y precio, donde los desarrolladores lo describen haciendo trabajo real por una fracción de lo que cuestan Claude o ChatGPT. Donde los productos cerrados aún tienden a llevar ventaja es en el acabado general, la fiabilidad en tareas variadas, el alcance multimodal y la profundidad del ecosistema. Los revisores independientes también insisten en ese mismo punto débil: Kimi tiende a responder una pregunta simple con varios párrafos, y con más lentitud.

A la llegada de Kimi se la llamó «otro momento DeepSeek», y ese encuadre es la historia real: que un modelo chino abierto iguale a otros occidentales mucho más caros ya no sorprende a nadie, lo que en sí mismo dice cuánto se está cerrando la brecha. Esa presión competitiva tiene su lado turbio. En febrero de 2026, Anthropic alegó que varios laboratorios chinos, Moonshot entre ellos, usaron redes de cuentas falsas para cosechar millones de conversaciones de Claude y destilar sus capacidades. Anthropic no demandó, Moonshot no respondió públicamente, y sigue siendo una acusación sin probar, pero forma parte del telón de fondo de cómo se construyen estos modelos potentes y baratos. Si estás sopesando modelos uno frente a otro, nuestra explicación de Claude cubre el otro lado de esa comparación.

¿Kimi es gratis? Precios y cómo acceder

Sí, Kimi tiene un plan gratuito de verdad. Se llama Adagio, cubre la aplicación web y las de iOS y Android, y no pide tarjeta. Por encima hay cuatro niveles de pago, de Moderato (19 $ al mes) a Vivace (199 $), pasando por Allegretto (39 $) y Allegro (99 $), con un descuento de alrededor del 20 % en cada nivel si eliges la facturación anual. A fecha de agosto de 2026, las nuevas suscripciones de pago están en pausa mientras Moonshot amplía capacidad (los niveles de pago figuran como «Sold out» desde el 19 de julio de 2026, sin fecha de reapertura anunciada); los suscriptores existentes conservan su plan, y el plan gratuito Adagio sigue abierto.

El mecanismo importante es que los planes de pago se miden en créditos y no en mensajes, y las conversaciones con el modelo K2.6 no consumen créditos en absoluto. Para la tabla completa de niveles, qué compra realmente un crédito, cómo funcionan las recargas y las bajadas de plan, y si pagar vale la pena frente a ChatGPT Plus o Claude Pro, tienes nuestro desglose de precios de Kimi. El acceso para desarrolladores se factura aparte de la aplicación, y las tarifas por uso y las vías de acceso están en nuestra guía de precios de la API de Kimi.

Kimi factura en dólares estadounidenses; los importes anteriores se revisaron en agosto de 2026 y no incluyen impuestos. Según tu país, se añade el IVA local en el pago (el 21 % en España, el 16 % en México, y variaciones según la ubicación en el resto de América Latina), por lo que el cargo final es algo mayor que la cifra de lista. No hay conversión oficial a euros: el precio se cobra en dólares y tu banco aplica el cambio del día.

Una nota sobre el acceso: el registro desde fuera de China puede atascarse, porque la verificación por teléfono no siempre funciona con números no chinos; iniciar sesión con Google o escanear el código QR de la aplicación son las alternativas habituales. Y sobre el autoalojamiento, «gratis» se refiere a la licencia, no al hardware. Kimi K2 es un modelo de un billón de parámetros, y ejecutarlo bien exige un servidor multi-GPU que la mayoría de particulares no tiene. La opción gratuita y ejecutable en cualquier parte es real para las empresas con infraestructura; para el resto, la aplicación alojada o un proveedor externo es la vía práctica. Si solo quieres probar Kimi sin comprometerte con una suscripción, agregadores como OpenRouter sirven los modelos Kimi, de K2 a K3, con facturación por uso y por token, que es a lo que recurren muchos desarrolladores para probar un modelo antes de pagar un plan.

Qué significa Kimi para tu visibilidad en la IA

Si te alejas de las especificaciones, hay una pregunta de marketing escondida en todo esto. Cada modelo potente nuevo es un sitio más donde un cliente puede preguntar «cuál es la mejor herramienta para X» o «es bueno [tu empresa]», y obtener una respuesta que orienta una decisión de compra. Kimi es uno más de esos sitios, y el giro de los pesos abiertos lo hace más grande de lo que parece.

Como los pesos de Kimi K2 son públicos, el modelo no responde solo dentro de la aplicación de Moonshot. Se aloja, se afina y se incrusta en una larga cola de productos y proveedores derivados que nunca verás uno a uno. No puedes auditar cada despliegue que corre sobre Kimi, DeepSeek o cualquier otro modelo abierto. Lo que sí puedes hacer es influir en el insumo que todos comparten: la claridad y la coherencia con que se representa tu negocio en la web abierta, que es el fundamento de la optimización para motores generativos.

Eso se divide en dos tareas concretas. La primera es la accesibilidad: cada uno de estos modelos, y los rastreadores que los alimentan, tiene que poder recuperar tu sitio para empezar. Bloquea los rastreadores de IA, a propósito o sin querer, y cierras la puerta de entrada a cada modelo que consulta la web, aunque no puedas deshacer lo que ya aprendieron en el entrenamiento. La segunda es la coherencia: las marcas que se describen bien son aquellas cuyos datos coinciden en los sitios que un modelo tiene probabilidades de leer.

Y el propio caso de Kimi nos sirve de ejemplo. Al preparar este artículo preguntamos por Kimi a cuatro motores (ChatGPT, Gemini, Perplexity y Claude): coincidían en lo básico, pero ninguno acertaba con el precio actual de la API de K3, y se contradecían entre sí sobre su fecha exacta de lanzamiento, citando cifras de generaciones anteriores como si fueran de K3. Un modelo tan reciente todavía se describe con datos desfasados. Según nuestra experiencia en geotoolbox, los negocios que salen bien en las respuestas de IA rara vez son los del sitio más bonito; son aquellos que un modelo puede encontrar, interpretar y creer sin tropezar con contradicciones. Es un problema medible, y por eso construimos herramientas a su alrededor. Nuestras guías sobre qué es el GEO y sobre cómo medir tu visibilidad en IA profundizan en ambas mitades.

La ola de modelos abiertos no cambia tanto la estrategia como sube lo que está en juego: hay simplemente más motores capaces de mencionar, o desfigurar, lo que has construido. El primer paso es comprobar si siquiera pueden leerte. Haz una comprobación gratuita de preparación para la IA para ver si los rastreadores de IA pueden acceder a tu sitio e interpretarlo, y dónde están los huecos, antes de que se lance el próximo modelo y vuelvan a hacer la pregunta.

Preguntas frecuentes

¿Kimi AI es una empresa china?

Sí. Kimi lo desarrolla Moonshot AI, una startup con sede en Pekín y fundada en marzo de 2023 por tres antiguos compañeros de la Universidad Tsinghua. Alibaba es su mayor inversor externo. A fecha de mayo de 2026, la empresa estaba valorada en torno a los 20 000 millones de dólares.

¿Es seguro usar Kimi AI?

Para el uso cotidiano, Kimi tiene barreras de seguridad como cualquier asistente importante y, como todos, puede equivocarse; verifica lo que importe. Lo que más pesa son los datos: los prompts enviados al servicio alojado van a los servidores de Moonshot (una entidad de Singapur para la API, una entidad de China para la aplicación de consumo), por lo que quedan bajo esas jurisdicciones. Para trabajo sensible, la vía más segura es autoalojar los pesos abiertos para que tus datos no salgan de tus propios sistemas. Ningún regulador de España, la UE o América Latina ha abierto expediente contra Kimi hasta la fecha.

¿Kimi funciona en español?

Sí. El asistente entiende y responde en español como los demás grandes modelos, y Moonshot ofrece un centro de ayuda en español (kimi.com/es-419). Dicho esto, parte de la interfaz del producto sigue en inglés, y lo que todos afirman sobre su calidad en español se basa en que está disponible en el idioma, no en una prueba independiente que la mida frente a un modelo occidental. Para un trabajo de redacción exigente en español, vale la pena comparar sobre tus propios textos.

¿Kimi AI es gratis?

Sí, hay un plan gratuito de verdad (el nivel Adagio) en la web y en las aplicaciones móviles. Los planes de pago van de 19 $ (Moderato) a 199 $ (Vivace) al mes, se miden en créditos y no en mensajes, y los pesos abiertos son gratis de ejecutar si tienes el hardware. A fecha de agosto de 2026, las nuevas suscripciones de pago están en pausa mientras Moonshot amplía capacidad; los suscriptores existentes conservan su plan. Nuestra guía de precios de Kimi cubre cada nivel y qué compran realmente los créditos.

¿Kimi es mejor que ChatGPT y DeepSeek?

Depende de la tarea. A Kimi se le elogia por la programación, las tareas agénticas en varios pasos y su costo muy bajo, y compite de cerca con DeepSeek, el otro gran modelo chino de pesos abiertos. ChatGPT es más amplio y más pulido en el uso general, las imágenes y la voz. Mucha gente usa más de uno y elige según la tarea.

¿Kimi es de código abierto de verdad?

No en sentido estricto. Kimi K2 es de pesos abiertos: el modelo entrenado se publica bajo una licencia MIT modificada, de modo que puedes descargarlo, ejecutarlo y afinarlo, pero Moonshot no publica ni los datos ni la receta completa de entrenamiento, y la aplicación y la API son cerradas. La licencia también pide a los despliegues muy grandes que acrediten «Kimi K2» en su interfaz. El insignia actual, K3, sigue siendo de pesos abiertos, pero se distribuye bajo una licencia propia aparte, la Licencia Kimi K3, que tampoco está aprobada por la OSI.

¿Puedo ejecutar Kimi en mi propio equipo?

Los pesos son públicos, pero Kimi K2 es un modelo de un billón de parámetros que necesita un servidor multi-GPU, no un portátil, para funcionar bien. Autoalojarlo es realista para las empresas con esa infraestructura, sobre todo por privacidad o control de costos. Para el resto, la aplicación alojada o un proveedor externo es la opción práctica.

Fuentes

• Ficha y licencia del modelo Kimi K3 - Moonshot AI (Hugging Face), julio de 2026 - huggingface.co/moonshotai/Kimi-K3
• Repositorio de Kimi K2 (especificaciones y licencia) - Moonshot AI, 2025 - github.com/moonshotai/kimi-k2
• Ficha y licencia del modelo Kimi K2-Instruct - Moonshot AI (Hugging Face) - huggingface.co/moonshotai/Kimi-K2-Instruct
• Benchmarks de Kimi K2 Thinking, QAT en INT4 y ajustes de herramientas - Moonshot AI (Hugging Face), noviembre de 2025 - huggingface.co/moonshotai/Kimi-K2-Thinking
• Ficha del modelo Kimi K2.5 (codificador de visión MoonViT, benchmarks, licencia) - Moonshot AI (Hugging Face), enero de 2026 - huggingface.co/moonshotai/Kimi-K2.5
• Kimi K2.6, el nuevo modelo líder de pesos abiertos (tasa de alucinación, ranking del índice) - Artificial Analysis, abril de 2026 - artificialanalysis.ai/articles/kimi-k2-6-the-new-leading-open-weights-model
• Kimi K2.7-Code recorta un 30 % los tokens de razonamiento, pero los desarrolladores dicen que las pruebas no cuadran - VentureBeat, junio de 2026 - venturebeat.com/technology/kimi-k2-7-code-cuts-thinking-tokens-30-practitioners-say-benchmarks-dont-check-out
• Kimi K2 Thinking: todo lo que hay que saber (índice de inteligencia, consumo de tokens, costo de los puntos de acceso) - Artificial Analysis, noviembre de 2025 - artificialanalysis.ai/articles/kimi-k2-thinking-everything-you-need-to-know
• Moonshot presenta Kimi K2 Thinking (costo de entrenamiento de ~4,6 M$ (cifra sin verificar)) - CNBC, noviembre de 2025 - cnbc.com/2025/11/06/alibaba-backed-moonshot-releases-new-ai-model-kimi-k2-thinking.html
• El costo de ~4,6 M$ «no es oficial», según el CEO de Moonshot - Yicai Global, noviembre de 2025 - yicaiglobal.com/news/kimi-k2-thinkings-reported-usd46-million-training-cost-isnt-official-moonshot-ceo-says
• Moonshot AI capta 2000 millones de dólares con una valoración de 20 000 millones - TechCrunch, mayo de 2026 - techcrunch.com/2026/05/07/chinas-moonshot-ai-raises-2b-at-20b-valuation-as-demand-for-open-source-ai-skyrockets
• Anthropic acusa a laboratorios chinos de destilación a través de Claude - Fortune, febrero de 2026 - fortune.com/2026/02/24/anthropic-china-deepseek-theft-claude-distillation-copyright-national-security
• Incidente de exposición de datos entre usuarios de Kimi - Observatorio de Incidentes de la OCDE.AI, abril de 2026 - oecd.ai/en/incidents/2026-04-21-8c79
• Una evaluación de seguridad independiente de Kimi K2.5 - arXiv, abril de 2026 - arxiv.org/abs/2604.03121
• Anexo de Implementación de la Política General de IA Generativa de la AEPD (modelos de pesos abiertos para sistemas internos) - AEPD, diciembre de 2025 - aepd.es/documento/anexo-implementacion-politica-iag-aepd.pdf
• Kimi AI, la respuesta china a ChatGPT (análisis práctico, privacidad y censura) - Genbeta, junio de 2024 - genbeta.com/a-fondo/kimi-ai-respuesta-china-a-chatgpt-mejor-que-sus-funciones-avanzadas-gratis-no-escapa-a-censura
• Kimi (chatbot) - Wikipedia en español - es.wikipedia.org/wiki/Kimi_(chatbot)