G
GEO Toolbox
kimi-k3kimi-aimoonshot-aiopen-weightsmixture-of-expertschinese-aillmguide

¿Qué es Kimi K3? El modelo abierto 2,8T de Moonshot AI

¿Qué es Kimi K3? El modelo de pesos abiertos de Moonshot AI: especificaciones reales, qué benchmarks creer, precios y si puedes ejecutarlo, frente a DeepSeek.

Samy Ben SadokSamy Ben Sadok29 min de lectura
En este artículo12 secciones

En el lanzamiento, preguntar a un asistente de IA qué era Kimi K3 mostraba el problema en tiempo real. Con la búsqueda web desactivada, Gemini respondió «no dispongo de información confiable y verificada sobre un modelo llamado Kimi K3», y Claude dijo más o menos lo mismo. El modelo se lanzó el 16 de julio de 2026. Los asistentes en los que confía la mayoría de la gente aún no se habían puesto al día, y ese desfase dura meses con cualquier modelo nuevo.

Aquí tienes la versión clara, a fecha del 26 de octubre de 2026 (estado de los pesos de K3.1 Pro a 6 de noviembre): qué es Kimi K3 en realidad, qué cambia K3.1 Pro, si el entusiasmo del lanzamiento sobrevive al contacto con los números, cuánto cuesta, si puedes ejecutarlo y cómo se compara con Kimi K2 y DeepSeek. Vamos indicando qué afirmaciones son de la propia Moonshot y cuáles ha comprobado alguien independiente, porque en un modelo recién salido esa distinción es casi toda la historia.

Lo que debes saber

  • Kimi K3 es el modelo «de frontera» con pesos abiertos de Moonshot AI (Pekín), lanzado el 16 de julio de 2026, con 2,8 billones de parámetros y una ventana de contexto de un millón de tokens. Es el mayor modelo de pesos abiertos publicado hasta la fecha; los pesos se hicieron públicos el 27 de julio bajo la Licencia Kimi K3 propia de Moonshot.
  • No es la opción barata que dio fama a Moonshot: es un especialista en programación, tareas de agente y contexto largo, con precio y posicionamiento de modelo de frontera, y bastante más flojo fuera de ese terreno.
  • La API cuesta 3,00 $ por millón de tokens de entrada, 0,30 $ con acierto de caché y 15,00 $ de salida (casi cuatro veces la tarifa de la gama K2); K3.1 Pro, lanzado el 23 de octubre de 2026, cuesta un 33 % menos en las tres tarifas (2,00 $, 0,20 $ y 10,00 $). El pago es en dólares; según tu país se añade el IVA local, sin conversión oficial a euros.
  • «Abierto» no significa ejecutable en tu portátil: con 2,8 billones de parámetros, el autoalojamiento real exige un clúster de varias GPU profesionales, fuera del alcance de una pyme. Para una empresa española o europea, esa vía autoalojada es también la respuesta de cumplimiento al RGPD (en América Latina, la misma lógica se aplica bajo la ley de datos local).
  • Como con todo modelo nuevo, en el lanzamiento los asistentes de IA más usados no sabían que Kimi K3 existía: un recordatorio de que tu propia visibilidad en la IA depende de lo que los rastreadores pueden leer hoy, no de lo que contienen sus datos de entrenamiento.

¿Qué es Kimi K3?

Kimi K3 es el modelo de mezcla de expertos (mixture of experts) con pesos abiertos de Moonshot AI, con 2,8 billones de parámetros, lanzado el 16 de julio de 2026 y con una ventana de contexto de un millón de tokens. Es el mayor modelo de pesos abiertos que ha publicado un laboratorio, y los pesos se hicieron públicos el 27 de julio bajo la Licencia Kimi K3 propia de Moonshot. Solo una pequeña fracción de esos parámetros se activa en cada token, el truco de diseño que hace ejecutable un modelo de este tamaño.

Lo más útil de entender es lo que Kimi K3 no es. Está disponible en las aplicaciones y la API de Kimi, pero no supera a todo lo demás, y tampoco es la opción económica que dio fama a Moonshot. Es una herramienta especializada: potente en programación, en flujos de trabajo agénticos y en tareas de contexto largo, con precio y posicionamiento de modelo de frontera, pero claramente más flojo fuera de su especialidad. Un desarrollador que lo probó el día del lanzamiento lo dijo sin rodeos: en sus primeras pruebas le pareció «claramente peor que GPT-5.6 Sol y Fable 5 para ciertos usos que no tienen que ver con la programación».

Kimi K3 es la base del nivel más reciente de la misma gama que repasamos en nuestra explicación de Kimi AI, que detalla la familia K2, el principio de los pesos abiertos y los aspectos de seguridad y la cuestión china con más profundidad. Este artículo trata de K3 en concreto: el lanzamiento de julio con el que Moonshot dejó de ser «el laboratorio chino de modelos abiertos y baratos» para competir de tú a tú en la frontera, y qué cambia ese giro una vez que miras más allá de los benchmarks más vistosos.

¿Quién desarrolla Kimi K3? Moonshot AI y el «momento DeepSeek»

Kimi K3 viene de Moonshot AI, un laboratorio con sede en Pekín, fundado en 2023 por Yang Zhilin y respaldado por Alibaba, Tencent y Meituan. La empresa ha crecido deprisa: valorada en unos 4300 millones de dólares tras su Serie C de 2025, levantó unos 2000 millones en mayo de 2026 con una valoración cercana a los 20 000 millones; según informaciones basadas en Bloomberg, a finales de julio cerró una ronda de 3500 millones con una valoración de 35 000 millones, y a principios de octubre Bloomberg informó de otra ronda cerrada con una valoración de unos 50 000 millones, antes de una salida a bolsa prevista en Hong Kong. Una trayectoria vertiginosa para un laboratorio cuya reputación se construyó casi por completo regalando sus modelos.

El lanzamiento se vivió como un acontecimiento geopolítico, no como un simple estreno de producto. Reuters presentó K3 como el mayor sistema de IA de pesos abiertos del mundo e informó de que llegaba un mes después de que el Gobierno de Estados Unidos retirara de golpe los modelos Fable y Mythos de Anthropic por motivos de seguridad, y de que las acciones de sus rivales chinos Zhipu y MiniMax cayeron con fuerza con la noticia, un 27,7 % y un 16,5 % en Hong Kong. Hasta K3, LongCat-2.0 de Meituan y V4-Pro de DeepSeek encabezaban la IA china, con unos 1,6 billones de parámetros. Alibaba respondió en cuestión de días presentando Qwen3.8-Max, un modelo insignia que reivindica 2,4 billones de parámetros y cuyos pesos de texto acabó abriendo, el 12 de agosto de 2026, bajo una licencia a medida.

Las reacciones se dividieron según un patrón conocido. La versión más ruidosa, habitual el día del lanzamiento, sostenía que la brecha entre laboratorios chinos y estadounidenses ya casi se había cerrado. La versión más matizada, que nos parece más defendible, es que K3 la reduce a menos de tres meses en las tareas en las que es más fuerte. En cualquiera de los dos casos, nada de eso zanja si las victorias en los benchmarks se sostienen de verdad.

Especificaciones y arquitectura de Kimi K3

Kimi K3 tiene 2,8 billones de parámetros en total, pero activa solo 16 de 896 expertos para cada token, y el costo de cómputo por token se queda muy por debajo de lo que sugiere el tamaño total. Ese enrutamiento disperso corre sobre un marco que Moonshot llama Stable LatentMoE, que permite alcanzar esa proporción tan exigente sin la inestabilidad de entrenamiento que suele acompañarla. La ficha del modelo de Moonshot indica 104 000 millones de parámetros activos. Este enrutamiento de los tokens a través de un puñado de subredes especializadas es la misma mezcla de expertos que desglosamos en cómo funciona ChatGPT.

El principal cambio arquitectónico es Kimi Delta Attention, un diseño híbrido de atención lineal que, según la propia investigación de Moonshot sobre Kimi Linear, decodifica hasta 6,3 veces más rápido en contexto largo. Se combina con Attention Residuals, que hace circular la información a través de toda la profundidad del modelo con una ganancia de eficiencia anunciada a un costo extra mínimo, y con Gated MLA para una atención más precisa. Aproximadamente tres de cada cuatro capas de atención usan la forma lineal, más económica, y eso reduce el uso de memoria lo suficiente para que una ventana de un millón de tokens sea viable, y no solo teórica.

Para la mayoría de lectores, las especificaciones prácticas importan más que los detalles internos. Kimi K3 acepta texto, imágenes y video de entrada y devuelve texto, con una ventana de contexto de 1 048 576 tokens y una salida por defecto de 131 072 tokens, ampliable hasta 1 048 576. El razonamiento está siempre activo, y el control reasoning_effort acepta ahora tres niveles, low, high y max, con max por defecto; los parámetros de muestreo están fijados en el servidor. En el lanzamiento solo estaba disponible max, por lo que las primeras reseñas describen un modelo de un solo ajuste. Dicho claramente: K3 siempre piensa, y salvo que bajes el esfuerzo, piensa a fondo en cada petición, lo que se nota tanto en la velocidad como en la factura.

Los benchmarks: ¿en cuáles puedes confiar de verdad?

Aquí está la parte que la mayoría de la cobertura de lanzamiento se salta. En un modelo recién salido, casi todas las cifras que llaman la atención vienen del laboratorio que lo construyó, medidas en condiciones que él eligió. Eso no las hace falsas, pero sí significa que conviene ordenarlas por quién las midió antes de sacar conclusiones.

Tabla que ordena los benchmarks de Kimi K3 según quién los midió, comprobada el 26 de octubre de 2026: resultados independientes (índice de inteligencia AA 44 y quinto entre los modelos de pesos abiertos, Frontend Code Arena n.º 17 con 1669 puntos, tasa de alucinación AA-Omniscience 53,2 %) frente a las cifras de julio que comunica Moonshot (GPQA Diamond 93,5, Terminal-Bench 88,3, BrowseComp 91,2).
En un modelo recién salido, la distinción entre cifras verificadas de forma independiente y cifras comunicadas por el fabricante es casi todo el análisis.

Los resultados en los que apoyarse hoy son los que han pasado una verificación independiente. Artificial Analysis situó el índice de inteligencia general de K3 en 57 puntos en el lanzamiento. Desde entonces el índice ha cambiado de versión varias veces, con nuevas ponderaciones de sus pruebas y no por cambios en el modelo: la versión de agosto (v4.1.1) subió a K3 a 60 puntos, empatado con GLM-5.3, y la del 4 de septiembre (v4.2) lo situó en 50. En la versión v4.3.2, vigente hasta el 27 de octubre, K3 obtuvo 44 puntos (43,6). Era el cuarto entre los modelos de pesos abiertos al comprobarlo el 18 de octubre de 2026; el 26 de octubre era el quinto, por detrás de MiMo-V2.6-Pro de Xiaomi (46), DeepSeek V4.1 Flash (45,1), GLM-5.3 (45) y Step 5 Preview de StepFun (43,7), y muy por detrás de modelos cerrados como Claude Opus 5.5 (58), Sonnet 5.5 (56), Fable 5.1 (53) y GPT-6 Astra (53). Su Elo de 1547 en tareas intelectuales de larga duración solo quedaba por detrás de Fable 5 cuando se midió en el lanzamiento. La Frontend Code Arena, una clasificación basada en preferencias humanas, colocó a K3 en el primer puesto en el lanzamiento, por delante de Fable 5 y GPT-5.6 Sol. En la clasificación con fecha del 16 de octubre de 2026 era decimocuarto, con 1670 puntos; en la del 22 de octubre es decimoséptimo, con 1669 puntos, por detrás de 16 entradas encabezadas por Claude Opus 5.5 (1849), entre ellas Kimi K3.1 Pro, Gemini 4 Argon, Qwen3.8-Max y DeepSeek-V4.1-Flash, con licencia MIT, así que ya no es el modelo de pesos abiertos mejor clasificado que lista Arena. Sus críticos señalan que ese ranking se apoya mucho en tareas de frontend y de diseño: conviene leerlo como fuerza específica en programación y no como capacidad general. En conjunto, estos resultados apuntan a algo concreto: K3 estaba en la frontera en programación y agentes en el lanzamiento, y desde entonces ha perdido el liderazgo de pesos abiertos en inteligencia general y la cima de la clasificación de Arena.

El resto de las cifras más llamativas procede de los propios informes de Moonshot, y las reservas son reales. La empresa pasó distintos benchmarks por distintas herramientas de agente (su propio Kimi Code, Claude Code o Codex) con el esfuerzo de razonamiento al máximo: las comparaciones no son estrictamente equivalentes. Hay además un resultado que la página del fabricante no destaca: en la prueba AA-Omniscience de Artificial Analysis, K3 acierta el 47,6 % de las preguntas y tiene una tasa de alucinación del 53,2 %, frente al 66,2 % y el 58,6 % de Claude Opus 5.5.

BenchmarkKimi K3Fable 5GPT-5.6 SolMedido por
Índice de inteligencia AA44 (5.º de pesos abiertos, v4.3.2, comprobado el 26 oct. 2026)5047Independiente (Artificial Analysis)
Frontend Code Arena1669 (n.º 17, clasificación del 22 oct. 2026)16371623Independiente (Arena)
GPQA Diamond93,592,694,1Cifras del fabricante
Terminal-Bench 2.188,388,088,8Cifras del fabricante
BrowseComp91,288,090,4Cifras del fabricante
HLE (razonamiento general)43,553,344,5Cifras del fabricante
Tasa de alucinación53,2 % (47,6 % de aciertos)63,6 %92,2 %Independiente (Artificial Analysis)

Fable 5 y GPT-5.6 Sol son los comparadores de julio de Moonshot, ya superados. La propia tabla de Moonshot coloca a K3 por detrás de Fable 5 en razonamiento general, como muestra la fila de HLE: es, por tanto, un especialista en programación y agentes, no un líder generalista. Artificial Analysis ha medido ya a K3 por su cuenta: 85,0 en Terminal-Bench 2.1 frente a los 88,3 de Moonshot, y 93,5 en GPQA Diamond, igual que Moonshot. Fíate de las cifras independientes y considera el resto de la tabla del fabricante afirmaciones sin reproducir.

Precios de Kimi K3: «abierto» no significa «barato»

La mayor sorpresa del lanzamiento de julio no fue un benchmark, sino el precio. La API de Kimi K3 cuesta 3,00 $ por millón de tokens de entrada, 0,30 $ por millón con acierto de caché y 15,00 $ por millón de tokens de salida. La tarifa oficial en dólares de Moonshot confirma esas cifras y lista a su sucesor del 23 de octubre, K3.1 Pro, con un 33 % menos en las tres (detalles más abajo); desglosamos toda la gama, el sistema de niveles y las vías de acceso en nuestra guía de precios de la API de Kimi. Si estás sopesando la aplicación de consumo en vez de la API, los niveles de suscripción y el sistema de créditos están en nuestra guía de precios de Kimi. El pago es en dólares y no hay conversión oficial a euros: según tu país se añade el IVA local en el momento del pago (el 21 % en España, el 16 % en México, con variaciones en el resto de América Latina), y tu banco aplica el cambio del día.

Frente al historial de Moonshot, el salto es drástico. Esa tarifa de salida es casi cuatro veces la que cobraba el modelo K2.7 Code, y el precio de entrada más del triple. Los 10 $ de salida de K3.1 Pro siguen siendo 2,5 veces los 4,00 $ de K2.7 Code. Como escribió The Decoder, los proveedores chinos «ya no ofrecen sus modelos de frontera a precios de derribo». La época en que un modelo chino abierto era automáticamente la opción más económica se ha terminado.

ModeloEntrada / 1MSalida / 1MEntrada con cachéNota
Kimi K3.1 Pro2,00 $10,00 $0,20 $K3 posentrenado, un 33 % por debajo de K3; pesos en Hugging Face con licencia propia
Kimi K33,00 $15,00 $0,30 $Generación anterior (precio del lanzamiento de julio); salida casi 4× la de la gama K2
Kimi K2.6 / K2.7 Code0,95 $4,00 $0,16 $ / 0,19 $Pesos abiertos, mucho más barato; cerrado a cuentas de API nuevas desde finales de octubre de 2026
DeepSeek V4 Pro0,66 $ valle / 1,32 $ pico1,98 $ valle / 3,96 $ pico~0,022 $Clase de frontera, una fracción del precio de K3 por token
Gráfico de barras del precio de salida por millón de tokens en dólares, tarifas de lista de octubre de 2026, a escala: Kimi K3 15,00 $, Kimi K3.1 Pro 10,00 $, Kimi K2.6 y K2.7 Code 4,00 $, DeepSeek V4 Pro 3,96 $ en tarifa pico y 1,98 $ en tarifa valle.
Precio de salida por millón de tokens, tarifas de lista a 26 de octubre de 2026. K3 cuesta casi cuatro veces la gama K2; K3.1 Pro acorta la distancia.

Que 15 $ sea o no un gasto importante depende por completo de tu carga de trabajo. Como K3 razona en cada petición y tiende a extenderse, una sola tarea suele arrastrar una larga traza de razonamiento, llamadas a herramientas repetidas y un historial que crece, todo medido en tokens de salida: las facturas altas de salida son la norma y no la excepción. Según la medición del costo por tarea de Artificial Analysis (v4.3.2, antes de que pasara a la v5 el 27 de octubre), K3 salía a 2,00 $ por tarea del índice de inteligencia: unas nueve veces lo que cuesta Claude Haiku 5.5 (0,21 $, con un índice de 43,4) y casi el triple de GPT-6.1 Sol (0,72 $, frente a 1,27 $ en la v5). Nuestro desglose de precios de DeepSeek y nuestra guía de precios de Claude dan la comparación completa.

El contexto de 1M viene con condiciones

La ventana de contexto anunciada y la que puedes alcanzar en la práctica pueden separarse por dos razones, y ninguna aparece en la ficha técnica.

La primera es un tope de carga útil en Kimi Code. La documentación de Kimi Code de Moonshot (actualizada el 24 de octubre) recoge un límite de 2 MB para el tamaño total de una petición, con el error total message size N exceeds limit 2097152, como el error 400 más frecuente. En julio un usuario se topó con ese error en Kimi Code con unos 770 000 tokens de su sesión, muy por debajo del 1 048 576 anunciado, y cerró la incidencia como corregida el 29 de julio. Así, en Kimi Code, una conversación con mucho texto puede alcanzar el tope de bytes antes que el límite de tokens.

La segunda es un muro de pago. En los planes de Kimi, el acceso a K3 y K3.1 Pro y a la ventana de 1M depende del nivel, y los dos productos difieren: en Kimi Code, la ventana de 1M tokens de K3 empieza en Pro; en el chat, la tabla de precios de Kimi indica conversaciones de K3 de 1M tokens solo en Max y Ultra. Si te suscribes precisamente por la ventana de un millón de tokens, comprueba qué producto necesitas antes de contratar.

La velocidad a la que se consume la suscripción

El precio por token es solo la mitad de la historia, y no es la mitad que más golpeó a los primeros usuarios. La queja más repetida durante la primera semana fue que una sola tarea podía consumir una parte sorprendente de la cuota de una ventana de uso. Un usuario del plan de 19 $ lanzó una tarea con la que compara todos los modelos y vio cómo se comía casi toda su asignación de cinco horas, mientras que la misma tarea en un plan de OpenAI de 20 $ terminaba en minutos y apenas se notaba. Otro, en ese mismo nivel de entrada, se topó con un bucle al reintentar un paso de Docker y agotó una ventana de cinco horas, el 20 % de su cuota semanal, en ese único fallo. Un tercero, en un plan de Kimi de unos 100 $, contaba que la cuota se le vaciaba a un ritmo parecido al de una suscripción de Anthropic de 200 $ con Fable, y, curiosamente, el modelo le gustaba: decía que quizá lo pondría «por encima de Opus 4.8».

El mecanismo es medible: en la ejecución del índice de Artificial Analysis a 18 de octubre de 2026, K3 consumió unos 160 millones de tokens de salida, lo que el sitio calificó de «algo verboso» (su página actual ya no muestra esta cifra). En la prueba de Simon Willison, una sola generación de SVG devolvió 16 658 tokens de salida, de los cuales 13 241 eran de razonamiento, con un costo de 25 centavos por una imagen. Un usuario describió el patrón en las trazas de razonamiento: «párrafo tras párrafo de “Wait, actually...”» mientras el modelo dudaba de sí mismo por un detalle pequeño.

Aquí es donde reasoning_effort deja de ser una nota al pie. En el lanzamiento, «max» era el único valor aceptado, sin un modo más económico al que recurrir; Moonshot ha añadido desde entonces «low» y «high», pero «max» sigue siendo el valor por defecto, así que cada petición que no reduzcas de forma explícita paga tokens de razonamiento completos a la tarifa de salida de 15 $. El esfuerzo máximo también vuelve a K3 lo bastante lento como para romper las baterías de evaluación: una comparación pública tuvo que subir un tiempo de espera de cinco minutos por tarea a treinta, y una tarea aun así tardó unos nueve minutos. Si el costo o la latencia importan, fija el nivel de esfuerzo de forma explícita en lugar de dejarlo por defecto.

Vale la pena mencionar una cosa más: casi nadie puede medir su propio consumo. Los planes no dicen qué significa una ventana de uso en tokens, así que, como dijo un usuario, los límites son «difíciles de medir» y de comparar entre proveedores.

Qué cambia con Kimi K3.1 Pro

Moonshot lanzó Kimi K3.1 Pro el 23 de octubre de 2026 y lo presenta como el primer modelo de una nueva serie K3.1 y como «una versión posentrenada de Kimi K3, con una capacidad de cómputo de posentrenamiento sustancialmente mayor». El tamaño no cambia: Artificial Analysis indica los mismos 2,8 billones de parámetros totales y 104 000 millones activos, y una ventana de 1 millón de tokens, aunque la ficha del modelo señala que K3.1 Pro sustituye las capas de atención completa Gated MLA de K3 por capas Gated DSA (DeepSeek Sparse Attention).

Los precios son un 33 % más bajos que los de K3 en las tres tarifas: 2,00 $ de entrada, 10,00 $ de salida y 0,20 $ por millón de tokens con acierto de caché.

Los pesos ya son públicos. Moonshot afirmaba que «los pesos completos del modelo se publicarán a más tardar el 4 de noviembre», y a 6 de noviembre de 2026 están en Hugging Face como moonshotai/Kimi-K3.1-Pro, un repositorio público y sin acceso restringido creado el 2 de noviembre. La ficha del modelo indica 2,8T de parámetros totales y 104B activados, un contexto de 1 048 576 tokens, pesos en MXFP4 y entrada de texto e imagen, y remite a vLLM y SGLang para servirlo. La licencia es la Kimi K3.1 Pro License propia de Moonshot, no aprobada por la OSI: permite el uso comercial, pero un operador de modelo como servicio con más de 20 millones de dólares de ingresos (contando sus afiliadas) en cualquier periodo de 12 meses consecutivos necesita un acuerdo aparte con Moonshot, y un producto con más de 100 millones de usuarios activos mensuales o más de 20 millones de dólares de ingresos mensuales debe mostrar «Kimi K3.1-Pro». El uso interno y el uso a través de los productos oficiales de Moonshot o de sus socios de inferencia certificados quedan exentos de ambas. Todo lo que la sección siguiente dice sobre tamaño y hardware se refiere a K3, no a K3.1 Pro.

Vuelve a importar la separación entre cifras. Moonshot comunica un 65,7 % en Terminal-Bench 4.0, medido con el arnés de Claude Code, frente al 66,4 % publicado para Claude Opus 5.5. Artificial Analysis, con sus propias pruebas, puntuaba a K3.1 Pro con 55 en su índice de inteligencia v4.3.2: 11 puntos más que los 44 de K3 y cuarto en total, por detrás de Opus 5.5 (58), Sonnet 5.5 (56) y Muse Wonder Full (56). En la v5, lanzada el 27 de octubre, obtuvo 46, el primer modelo de pesos abiertos pero a 13 puntos de Opus 5.5 (59) en nuestra consulta del 7 de noviembre; el 16 de noviembre (v5.0.1) obtiene 46,5, a unos 18 puntos de Claude Fable 5.2 (64,6), con Opus 5.5 en 59,1.

¿Puedes ejecutar Kimi K3 de verdad?

«Pesos abiertos» suena a que puedes descargar K3 y ejecutarlo tú mismo. Los pesos son genuinamente públicos ahora, publicados el 27 de julio en el repositorio de Hugging Face de Moonshot. Unsloth publicó cuantizaciones GGUF el mismo día en que se hicieron públicos los pesos, y el llama.cpp principal incorporó el soporte de K3 el 15 de agosto, pero Ollama solo ofrece una etiqueta alojada en la nube. Para casi todo el mundo, descargable sigue sin ser lo mismo que ejecutable, y la razón es la escala.

Con 2,8 billones de parámetros, el repositorio pesa unos 1,56 TB para descargar en el formato nativo MXFP4 de 4 bits de K3, y la inferencia a toda velocidad necesita al menos esa memoria rápida en los aceleradores solo para los pesos. Moonshot recomienda servirlo en un supernodo de 64 o más aceleradores; el equipo de vLLM sitúa el mínimo en un nodo de 8 B300 o 16 GPU B200. Una sola RTX 4090 o un Mac Studio de 512 GB no se acercan. Un proyecto de código abierto, deltafin, lo hizo funcionar en un MacBook M1 Max transmitiendo los expertos desde el disco y ahora informa de unos 3,4 segundos por token, lo que capta bien la distancia entre «puedo cargarlo técnicamente» y «puedo usarlo».

Esta es la tensión sobre la que los profesionales no dejan de volver: K3 puede ser legalmente abierto y seguir estando cerrado en la práctica para cualquiera que no tenga un centro de datos, salvo que acepte velocidades de disco. Lo que te dan aquí los pesos abiertos no es la inferencia en un portátil. Una lectura habitual en la comunidad es que el verdadero beneficio está en la competencia entre proveedores: como cualquiera puede alojar K3, un mercado de proveedores de API hace bajar el precio, como ya ocurre con numerosos proveedores de alojamiento independientes para modelos como GLM. A eso se suman la durabilidad (una versión no puede retirarse en silencio) y la residencia de los datos para los equipos que se autoalojan. Entonces, ¿quién se autoaloja de hecho? Organizaciones con infraestructura de GPU real y un motivo para mantener los datos en casa, y aun ellas lo ejecutan sobre todo de forma no interactiva para mitigar la lentitud, aplicándolo a un trabajo de fondo nocturno («analiza este repositorio de código en busca de vulnerabilidades»), donde una respuesta una hora después viene bien, en lugar de a un chat interactivo. Para una pyme española o latinoamericana, el clúster de GPU necesario no es una opción realista; la vía práctica es un proveedor gestionado, un enrutador como OpenRouter o el nivel gratuito de la aplicación de consumo de Kimi. Los créditos de API se facturan aparte y no están incluidos en ninguna suscripción a la aplicación Kimi: pagar por la aplicación no te da acceso a la API. Nuestro artículo sobre pesos abiertos frente a código abierto explica por qué importa la distinción, y nuestra guía para ejecutar Kimi K3 en local recorre cada vía, el hardware real y lo que cuesta cada una.

Para España y América Latina: ¿a dónde van tus datos?

Cuando usas la aplicación o la API alojadas, tus prompts van a los servidores de Moonshot, y ahí está el nudo para una empresa española o latinoamericana. La API internacional la opera una entidad de Singapur; para la aplicación de consumo fuera de la China continental, la política de privacidad de Kimi nombra a NOVASCENT PRIVATE LIMITED y no dice dónde se almacenan los datos (la política de kimi.com, que prevé almacenamiento en la China continental, se dirige a usuarios de la China continental y entró en vigor el 12 de noviembre de 2026); enviar datos de clientes a un proveedor que no declara dónde los almacena puede ser una transferencia internacional a un país sin decisión de adecuación de la UE, que bajo el RGPD (artículos 44 a 49) exige cláusulas contractuales tipo y una evaluación documentada del riesgo de la transferencia; en América Latina, esa transferencia se rige por la ley de datos local, con una exposición equivalente. La vía compatible con el RGPD es la que hacen posible los propios pesos abiertos: autoalojar el modelo para que los prompts no salgan de tus sistemas. Conviene precisar qué dice, y qué no dice, el regulador: la AEPD nombra a «Kimi» en su guía interna de IA generativa (Anexo de Implementación, 12 de diciembre de 2025) como uno de los modelos de pesos abiertos contemplados para desplegar en un sistema interno autoalojado, junto a ALIA, Llama, Qwen, Gemma, GPT-oss, DeepSeek, Phi o Mistral. En otras palabras: la AEPD considera a Kimi una opción válida para autoalojar bajo supervisión humana; no es un aval de la aplicación ni de la API alojadas, que no figuran en el documento. No hay expediente abierto contra Kimi. El detalle regulatorio completo, incluida la diferencia con el caso DeepSeek, está en nuestro dossier de Kimi AI.

Kimi K3, Kimi K2 o DeepSeek: ¿cuál elegir?

En resumen: reserva Kimi K3 o K3.1 Pro para las tareas que exijan precisamente lo que mejor hacen, y guarda algo más barato o más confiable para todo lo demás. K3 justifica su sobreprecio de tres a cuatro veces frente a K2 (K3.1 Pro lo reduce a unas 2 a 2,5 veces) cuando necesitas el contexto largo (teniendo presente el tope de 2 MB por petición de Kimi Code y los niveles de plan de arriba), la visión nativa o un rendimiento de frontera en programación y agentes, y si toleras su velocidad, que Artificial Analysis sitúa hoy en unos 52 tokens de salida por segundo tanto para K3.1 Pro como para K3 (comprobado el 26 de octubre), con mucho razonamiento de por medio; la variante K3.1 Pro Highspeed de Moonshot dice ofrecer de 2 a 3 veces esa velocidad al doble de precio.

Para el trabajo del día a día, la balanza se inclina hacia sus propios hermanos menores. Kimi K2.6 y K2.7 Code son mucho más baratos, con los pesos plenamente abiertos y ya sólidos en programación: salvo que una tarea toque los puntos fuertes concretos de K3, los modelos más antiguos la resuelven por una fracción del costo. Según la página de precios de Moonshot, desde finales de octubre de 2026 los usuarios recién registrados ya no tienen acceso a la serie K2, y Moonshot prevé retirarla a finales de diciembre de 2026. Si optimizas solo por el precio por token, DeepSeek V4 es más barato todavía. Y cuando el costo de una respuesta equivocada es alto, Claude Opus 5.5 y Fable 5.2 mantienen la ventaja en razonamiento cuidadoso y programación verificada. Un cara a cara más completo de los modelos chinos abiertos está en nuestra comparativa de modelos de IA chinos.

ModeloIdeal para¿Pesos abiertos?Costo aproximadoOjo con
Kimi K3.1 ProMismo terreno que K3, con posentrenamiento más recienteSí (públicos en Hugging Face, licencia propia)Alto (10 $ de salida)Licencia propia con condiciones para grandes proveedores y productos
Kimi K3Contexto 1M, visión, programación y agentes de fronteraSí (públicos, licencia propia)Alto (15 $ de salida)Lento, verboso, necesita un clúster de GPU para autoalojar
Kimi K2.6 / K2.7 CodeProgramación diaria a bajo costoSíBajoNo llega al nivel de frontera en lo más difícil
DeepSeek V4Entre los más baratos en razonamiento y programación por tokenSíEntre los más bajosMismas dudas sobre los datos en China
Claude Opus 5.5 / Fable 5.2Razonamiento de alto riesgo, programación verificadaNoPremiumCerrado: alquilas, no posees

La jugada más sensata es probar, no cambiar de golpe. Lanza K3 sobre una tarea real y medible, en paralelo a tu modelo actual, mira qué resultados aceptas y cuánta supervisión necesitó cada uno, y quédate con el que deje menos fricción en total. Con la evidencia del lanzamiento, K3 merece esa prueba piloto para programación, agentes y trabajo de contexto largo. Todavía no justifica sustituir a un modelo en el que confías para todo lo demás.

Qué significa Kimi K3 para tu visibilidad en la IA

Volvamos al punto de partida. Al día siguiente del lanzamiento, los asistentes que usa la mayoría de la gente no sabían describir Kimi K3 porque su entrenamiento es anterior, y seguirán rezagados durante meses. Ese desfase no es una rareza de Kimi. Así trata cualquier modelo las novedades, incluida la información sobre tu empresa.

Lo vimos preparando este artículo. Con la búsqueda web activada, los motores ya coinciden en lo básico de K3, pero se separan justo en la letra pequeña: al preguntarles por la licencia, Gemini nombra la Licencia Kimi K3 con sus umbrales comerciales exactos, ChatGPT se queda a medias y Perplexity reconoce que no ha llegado a leer el texto de la licencia; y ninguno de los tres dice una palabra sobre lo que realmente necesita un lector en España o América Latina: dónde se procesan los datos, cómo se factura el IVA o si puede autoalojarlo. Un modelo tan cubierto por la prensa sigue describiéndose de forma incompleta según a quién preguntes.

Si un modelo de IA nuevecito y muy cubierto es invisible o borroso para los asistentes ya desplegados, entonces el lanzamiento de un producto, un cambio de marca o un dato corregido sobre tu empresa son invisibles de la misma manera hasta que el entrenamiento del modelo y la web en vivo se ponen al día. Eso es exactamente lo que aborda el trabajo de visibilidad en la IA. Y como los pesos de K3 son públicos, el modelo se afina y se integra en una larga cola de herramientas derivadas que nunca verás una a una, cada una respondiendo preguntas sobre tu mercado a partir de lo que encuentre sobre ti.

Eso deja dos palancas reales, y ninguna de las dos es el modelo. La primera es la accesibilidad: cada uno de estos sistemas, y los rastreadores de IA que los alimentan, tiene que poder recuperar tu sitio, o quedas ausente de esa capa «en vivo» que se actualiza más rápido que el entrenamiento. La segunda es la coherencia: las empresas descritas correctamente son aquellas cuyos datos concuerdan en las fuentes que un modelo lee. Según nuestra experiencia en Geotoolbox, los negocios que salen bien en las respuestas de IA rara vez son los de la página de inicio más bonita; son aquellos que un modelo puede encontrar, interpretar y creer sin tropezar con contradicciones.

No puedes controlar lo que Kimi K3, o el próximo modelo abierto, aprenderá sobre ti. Sí puedes controlar si es capaz de acceder a tu sitio siquiera. Haz una comprobación gratuita de preparación para la IA para ver si los rastreadores de IA pueden explorar e interpretar tu sitio, y corrige los huecos antes de que el próximo lanzamiento vuelva a hacer urgente la pregunta.

Preguntas frecuentes

¿Kimi K3 es chino?

Sí. Kimi K3 lo desarrolla Moonshot AI, un laboratorio con sede en Pekín, fundado en 2023 y respaldado por Alibaba, Tencent y Meituan. Es una empresa china, pero el destino de tus datos depende del producto: la API de Moonshot la opera su entidad de Singapur en servidores de Singapur, mientras que, para la aplicación de consumo fuera de la China continental, la política de privacidad de Kimi nombra a NOVASCENT PRIVATE LIMITED y no dice dónde se guardan los datos (la política de kimi.com, que prevé almacenamiento en la China continental, se dirige a usuarios de la China continental y entró en vigor el 12 de noviembre de 2026). Esa cuestión de jurisdicción es una de las razones por las que importan los pesos abiertos: los equipos que necesiten mantener los datos en su propia jurisdicción pueden autoalojar el modelo en lugar de enviar sus prompts a los servidores de Moonshot.

¿Kimi K3 es de código abierto?

No del todo, y el matiz cuenta: varios medios ya han escrito que K3 es «de código abierto», lo cual es inexacto. K3 es de pesos abiertos, no de código abierto. Moonshot publicó los archivos del modelo el 27 de julio de 2026 bajo su propia Licencia Kimi K3, que permite el uso comercial pero no está aprobada por la OSI: añade la exigencia de un acuerdo aparte si el licenciatario o sus afiliadas operan un negocio de modelo como servicio (MaaS) y su facturación agregada supera los 20 millones de dólares en cualquier período de 12 meses consecutivos, y una cláusula de visibilidad de «Kimi K3» para los productos con más de 100 millones de usuarios activos mensuales o más de 20 millones de dólares de ingresos mensuales; el uso interno y el uso a través de los productos oficiales de Moonshot o de socios de inferencia certificados quedan exentos de ambas. La empresa tampoco publica ni los datos de entrenamiento ni la receta completa, y la aplicación y la API siguen cerradas. Puedes ejecutar y afinar el modelo, pero no reproducir del todo cómo se hizo.

¿Puedo ejecutar Kimi K3 en mi propio equipo?

En la práctica, no. Los pesos ya son públicos, pero con sus 2,8 billones de parámetros K3 pesa unos 1,56 TB para descargar y necesita al menos esa memoria rápida para la inferencia a toda velocidad, y Moonshot recomienda un supernodo de 64 o más aceleradores. Eso queda muy por encima de cualquier equipo de consumo: un Mac Studio de 512 GB no se acerca, y el intento más conocido de forzarlo en un MacBook, transmitiendo los expertos desde el disco, va a unos 3,4 segundos por token. Autoalojarlo solo es realista para organizaciones con infraestructura de GPU seria, normalmente como trabajos de fondo nocturnos y no como chat interactivo. Para el resto, la API alojada o un proveedor como OpenRouter es la vía. Nuestra guía para ejecutar Kimi K3 en local cubre las vías y el hardware en detalle.

¿Kimi K3 es mejor que Claude o GPT?

En los benchmarks estrechos de programación y agentes, K3 competía en la cima en el lanzamiento, pero en la clasificación de la Frontend Code Arena con fecha del 16 de octubre de 2026 era decimocuarto, y en la del 22 de octubre era decimoséptimo, por detrás de DeepSeek V4.1 Flash, de pesos abiertos. En inteligencia general, el índice v4.3.2 de Artificial Analysis lo situó cuarto entre los modelos de pesos abiertos el 18 de octubre y quinto el 26 de octubre (la víspera de que Artificial Analysis pasara a la v5 y reescalara todas las puntuaciones), y muy por detrás de los líderes cerrados, y los revisores lo consideran más flojo fuera de la programación. Su sucesor K3.1 Pro obtuvo 55 en la v4.3.2, cuarto en total, y obtiene 46 en la v5. Es un especialista de alto nivel, no un vencedor claro en todos los frentes. Nuestra comparativa de Kimi K3 frente a Claude desglosa el cara a cara por tarea, costo y velocidad.

Fuentes

  • China's Moonshot unveils world's largest open AI model, closing in on US rivals - Reuters, julio de 2026 - reuters.com/world/china/chinas-moonshot-unveils-worlds-largest-open-ai-model-closing-us-rivals-2026-07-17
  • Kimi K3, and what we can still learn from the pelican benchmark - Simon Willison, julio de 2026 - simonwillison.net/2026/Jul/16/kimi-k3
  • Kimi K3 - Intelligence, Performance & Price Analysis - Artificial Analysis, octubre de 2026 - artificialanalysis.ai/models/kimi-k3
  • Introducing Kimi K3.1 Pro - Moonshot AI, octubre de 2026 - kimi.ai/blog/kimi-k3-1-pro
  • Ficha y licencia de Kimi-K3.1-Pro - Moonshot AI en Hugging Face, consultadas el 6 de noviembre de 2026 - huggingface.co/moonshotai/Kimi-K3.1-Pro
  • Kimi K3.1 Pro launches at 4th on the Intelligence Index - Artificial Analysis, 23 de octubre de 2026 - artificialanalysis.ai/articles/kimi-k3-1-pro-launch-benchmarks
  • Kimi K3.1 Pro - Intelligence, Performance & Price Analysis - Artificial Analysis, 24 de octubre de 2026 - artificialanalysis.ai/models/kimi-k3-1-pro
  • Kimi's open model K3 nears GPT-5.6 Sol and Fable 5 while signaling the end of super cheap Chinese AI - The Decoder, julio de 2026 - the-decoder.com/kimis-open-model-k3-nears-gpt-5-6-sol-and-fable-5-while-signaling-the-end-of-super-cheap-chinese-ai
  • Kimi K3, la IA china que ha puesto en guardia a Silicon Valley - El País, julio de 2026 - elpais.com/tecnologia/2026-07-17/kimi-k3-la-ia-china-que-ha-puesto-en-guardia-a-silicon-valley.html
  • Kimi K3: qué es, cuánto cuesta y si es open source - Web Reactiva, agosto de 2026 - webreactiva.com/blog/kimi-k3
  • Ficha y licencia del modelo Kimi K3 - Moonshot AI (Hugging Face), julio de 2026 - huggingface.co/moonshotai/Kimi-K3
  • Incidencia 1862 de Kimi Code, «2m symbols of text is only 770k tokens» - MoonshotAI/kimi-code en GitHub, julio de 2026 - github.com/MoonshotAI/kimi-code/issues/1862
  • Documentación de errores de Kimi Code (límite de 2 097 152 bytes) - Moonshot AI - kimi.com/code/docs/en/kimi-code/error-reference.html
  • 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 Linear: An Expressive, Efficient Attention Architecture - arXiv 2510.26692 - arxiv.org/abs/2510.26692
  • Code Arena WebDev, clasificación Frontend, 16 y 22 de octubre de 2026 - Arena - arena.ai/leaderboard/code/webdev/frontend
  • Moonshot AI targets USD 50 billion valuation - KrASIA, julio de 2026 - kr-asia.com/moonshot-ai-targets-usd-50-billion-valuation-ahead-of-hong-kong-ipo
  • Moonshot AI hits $50 billion valuation as it prepares for Hong Kong IPO - CTech by Calcalist, 6 de octubre de 2026 - calcalistech.com/ctechnews/article/r1me2gzsze

Recibe análisis GEO en tu correo

Un solo email cuando publicamos algo que vale la pena leer.

Sigue leyendo