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

Pregúntale a un asistente de IA actual qué es Kimi K3 y te enseñará el problema en tiempo real. Con la búsqueda web desactivada, Gemini responde «no dispongo de información confiable y verificada sobre un modelo llamado Kimi K3», y Claude dice 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 todavía no se han puesto al día, y no lo harán en meses.

Aquí tienes la versión clara, a fecha de agosto de 2026: qué es Kimi K3 en realidad, 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 nuevo 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). 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 recién salido, los asistentes de IA más usados aún no saben que Kimi K3 existe: 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. No es un producto acabado del tipo «entra y chatea» que supere 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: lo calificó de «claramente peor que GPT-5.6 Sol y Fable 5 para usos que no sean programar».

Kimi K3 se sitúa en la cima 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 insignia 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 cerca de 4000 millones de dólares a finales de 2025, levantó unos 2000 millones en mayo de 2026 con una valoración cercana a los 20 000 millones, y estaría captando fondos de nuevo, con una valoración en torno a los 30 000 millones, de cara a una salida a bolsa 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 pocas semanas 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 categoría, 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. Moonshot ha publicado el número de expertos, pero no la cifra de parámetros activos en miles de millones; trata cualquier número exacto de «parámetros activos» que veas como una estimación (Artificial Analysis lo estima en torno a 104 000 millones). 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 hasta 131 072. 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.

Los resultados en los que apoyarse hoy son los que han pasado una verificación independiente. Artificial Analysis sitúa el índice de inteligencia general de K3 en 60 puntos (a fecha de agosto de 2026; la cifra de 57 del lanzamiento corresponde a una versión anterior del índice, no a una mejora del modelo). Es el modelo de pesos abiertos mejor puntuado del índice, empatado con GLM-5.3; entre los modelos cerrados de frontera, Claude Opus 5 (63) encabeza, mientras que K3 conserva la ventaja sobre el veterano Opus 4.8 (56). Su Elo de 1547 en tareas intelectuales de larga duración solo quedaba por detrás de Fable 5 cuando se midió en el lanzamiento. Aparte de eso, la Frontend Code Arena, una clasificación basada en preferencias humanas, lo coloca en el primer puesto, por delante de Fable 5 y GPT-5.6 Sol, aunque sus críticos señalan que ese ranking se apoya mucho en tareas de frontend y demos en 3D: conviene leerlo como fuerza específica en programación y no como capacidad general. En conjunto, estos resultados apuntan a algo concreto: K3 está en la frontera en programación y agentes, y solo es competitivo en inteligencia general.

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, y el autor de uno de los benchmarks que citó Moonshot objetó públicamente que la métrica puede inflar las puntuaciones al premiar aciertos parciales. Hay además un resultado que la página del fabricante no destaca: en la prueba de alucinación de Artificial Analysis, la tasa de respuestas inventadas de K3 subió al 51 %, frente al 39 % del modelo anterior, incluso mientras mejoraba su precisión. Acierta más preguntas y se inventa más las que falla.

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. Fíate de las cifras independientes, considera la tabla del fabricante una afirmación que aún hay que reproducir y cuenta con que en las próximas semanas irán llegando benchmarks independientes de programación y razonamiento.

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

La mayor sorpresa del lanzamiento 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. Moonshot ha publicado desde entonces una tarifa oficial en dólares que confirma esas cifras; 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. Como resumió una reacción muy compartida, esto es «tarificación de frontera, del laboratorio cuya identidad entera era ser el barato». La época en que un modelo chino abierto era automáticamente la opción más económica se ha terminado.

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, K3 sale a unos 0,95 $, menos de la mitad de los 2,03 $ que cuesta Claude Opus 5 al máximo esfuerzo, y cerca de GPT-5.6 Sol (1,04 $), lo que resulta razonable para un trabajo de nivel frontera. Pero si el objetivo era ahorrar pasándote a lo abierto, ten en cuenta que DeepSeek V4 Pro completa una tarea comparable por una fracción mínima de ese costo. Nuestro desglose de precios de DeepSeek y nuestra guía de precios de Claude dan la comparación completa.

El contexto de 1M es más pequeño de lo que parece, por partida doble

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

La primera es un tope de carga útil. El propio registro de incidencias de Moonshot recoge un error reproducible, 400 total message size 2100954 exceeds limit 2097152: un límite fijo de 2 MiB para el tamaño total de la conversación. En la sesión del usuario que lo reportó, eso se traducía en unos 770 000 tokens, muy por debajo del 1 048 576 anunciado. En conversaciones con mucho texto, el tope de bytes muerde antes que el límite de tokens.

La segunda es un muro de pago. En los planes de programación de Kimi, el acceso al contexto de 1M depende del nivel contratado, aunque sea una capacidad del modelo. K3 no está disponible en el nivel gratuito (Adagio) ni en Andante (49 ¥/mes), que siguen usando K2.7. El acceso a K3 empieza en Moderato (99 ¥/mes), y la ventana completa de un millón de tokens es exclusiva del nivel superior, Allegro (699 ¥/mes); los niveles intermedios aplican límites de contexto menores. Si te suscribes precisamente por la ventana de un millón de tokens, comprueba qué nivel la desbloquea realmente antes de contratar, porque el plan más barato no incluye K3 en absoluto. Ten en cuenta también la disponibilidad: Moonshot pausó las nuevas suscripciones de pago el 19 de julio de 2026 («agotado») por falta de capacidad de GPU tras el lanzamiento de K3, y las está reabriendo de forma gradual, de modo que a veces la propia alta puede estar en lista de espera.

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 el plan Kimi Coding de 99 $, contaba que la cuota se le vaciaba a un ritmo parecido al de una suscripción de Anthropic de 200 $, y, curiosamente, el modelo le gustaba: lo puntuaba por encima de Opus 4.8 en calidad.

El mecanismo es medible. Artificial Analysis necesitó 130 millones de tokens para pasar K3 por su índice de inteligencia, frente a una media de 63 millones en el resto del campo, aproximadamente el doble. 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. Varios usuarios describen de forma independiente el mismo patrón en las trazas de razonamiento: párrafos de «espera, en realidad» mientras el modelo se retracta y se cuestiona a sí mismo por detalles pequeños.

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 informan del uso como un porcentaje opaco en lugar de en tokens, y por eso algunos usuarios canalizan las peticiones de sus suscripciones de programación a través de una pasarela solo para tener visibilidad de lo que están gastando en realidad.

¿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, y aparecieron casi de inmediato cuantizaciones comunitarias para llama.cpp, Ollama y LM Studio. Pero 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 1,5 TB para descargar en el formato nativo MXFP4 de 4 bits de K3, y hacen falta alrededor de 1,4 TB de memoria rápida en los aceleradores solo para cargar los pesos antes de la primera conversación. Moonshot recomienda servirlo en un supernodo de 64 o más aceleradores; las estimaciones de la comunidad sitúan el mínimo en torno a 21 GPU de clase H100, o tres nodos de servidor con ocho tarjetas de 80 GB cada uno. Una sola RTX 4090 o un Mac Studio de 512 GB no se acercan. Un probador que sí lo puso a funcionar en un MacBook M1, transmitiendo los expertos uno a uno desde Hugging Face por cada token, lo midió en torno a un minuto 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. Lo que te dan aquí los pesos abiertos no es la inferencia en un portátil. La lectura más compartida 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.

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

En resumen: reserva Kimi K3 para las tareas que exijan precisamente lo que mejor hace, y guarda algo más barato o más confiable para todo lo demás. K3 justifica su sobreprecio de tres a cuatro veces cuando necesitas el contexto largo (teniendo presente el tope de 2 MiB 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 se mueve entre unos modestos 28 y 62 tokens por segundo, con mucho razonamiento de por medio.

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. 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 Fable 5 y Opus 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.

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. Al ser una empresa china, pesan sobre él las mismas dudas de jurisdicción de los datos que sobre cualquier servicio alojado en China, y esa 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. Como con K2, todavía no se ha publicado ninguna evaluación de seguridad independiente de K3, así que trata por ahora su alineamiento y su comportamiento de rechazo como no verificados.

¿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 para los grandes operadores de modelo como servicio (MaaS), a partir de unos 20 millones de dólares anuales de esa actividad, y una cláusula de visibilidad de «Kimi K3» para los productos muy grandes (por encima de 100 millones de usuarios activos mensuales). 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.

¿Kimi K3 es gratis?

Los pesos del modelo se pueden descargar y ejecutar gratis (se publicaron el 27 de julio de 2026), si tienes el hardware; en cambio, usar K3 a través de la API no lo es: se factura a 3 $ por millón de tokens de entrada y 15 $ de salida, casi cuatro veces la tarifa de salida de la antigua gama K2. Algunos proveedores externos ofrecen a veces un acceso gratuito limitado, y la aplicación de consumo de Moonshot tiene un nivel gratuito, pero no existe una API gratuita permanente.

¿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 1,5 TB para descargar y necesita cerca de 1,4 TB de memoria de GPU solo para cargarlo, 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 un probador que lo forzó en un MacBook lo midió en torno a un minuto 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 compite en la cima o cerca de ella, y encabeza una clasificación de frontend basada en preferencias humanas. En inteligencia general, las pruebas independientes lo sitúan por detrás de los líderes cerrados de frontera como Claude Opus 5, aunque sigue siendo el modelo de pesos abiertos mejor puntuado del índice, y los revisores lo consideran más flojo fuera de la programación. 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.

¿Kimi K3 alucina?

Sí, y de forma notable. Según las pruebas independientes de Artificial Analysis, la tasa de alucinación de K3 subió al 51 %, frente al 39 % del modelo anterior, incluso mientras mejoraba su precisión. Esa mayor precisión vino acompañada de una mayor seguridad al inventar, así que verifica cualquier cosa que importe antes de fiarte de ella.

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, agosto de 2026 - artificialanalysis.ai/models/kimi-k3
• 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
• Planes de programación de Kimi (estructura de niveles y contexto por nivel) - codingplan.org, agosto de 2026 - codingplan.org/en/plans/kimi
• Ficha y licencia del modelo Kimi K3 - Moonshot AI (Hugging Face), julio de 2026 - huggingface.co/moonshotai/Kimi-K3
• 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