Moonshot AI, la empresa china detrás de los modelos Kimi, apunta a 2.000 millones de dólares de ingresos anualizados a cierre de 2026, el doble de su ritmo de agosto. Lo adelantó Bloomberg y lo recogió TechCrunch. Es una cifra grande para un modelo de pesos abiertos y pequeña comparada con sus rivales.
Puntos clave
- Objetivo: 2.000 millones de dólares anualizados a final de 2026, el doble del ritmo de agosto.
- Kimi K3 genera unos 300.000 millones de tokens diarios en OpenRouter.
- El uso ha bajado ligeramente en los últimos meses.
- OpenAI declaró 40.000 millones anualizados. Anthropic, 65.000 millones.
- Al publicar los pesos, los márgenes de Moonshot son muy inferiores a los de un laboratorio cerrado.
Dos mil millones no es poco, es distinto
La comparación con OpenAI y Anthropic tienta y engaña. 2.000 millones frente a 40.000 y 65.000 parece una derrota, pero los tres no venden lo mismo.
Moonshot publica los pesos de sus modelos. Cualquiera puede descargarlos y servirlos por su cuenta sin pagar un euro. Lo que Moonshot cobra es el servicio gestionado, y compite en precio contra cualquiera que decida montar el mismo modelo en su propia infraestructura.
Eso aplasta el margen. Un laboratorio cerrado fija el precio de su API porque nadie más puede ofrecer ese modelo. Moonshot no tiene esa palanca.
Los 300.000 millones de tokens diarios en OpenRouter dicen que el modelo se usa mucho. Lo que no dicen es cuánto de ese uso pasa por caja de Moonshot.
La señal de alerta está en el uso
El dato que merece atención no es el objetivo. Es que el uso ha bajado en los últimos meses, justo cuando la empresa promete duplicar ingresos.
Eso solo cuadra de dos maneras. O suben precios, lo que es difícil cuando cualquiera puede montarse el modelo por su cuenta. O el crecimiento viene de contratos empresariales grandes y no de la API pública.
Kimi K3, con 2,8 billones de parámetros, es además la base sobre la que Cognition entrenó su modelo SWE-2. Ese tipo de uso derivado da prestigio y poco dinero: Cognition se lleva los pesos y entrena encima.
La acusación de Anthropic pesa en la foto
Moonshot aparece en el informe de Anthropic sobre destilación publicado esta misma semana. La acusación concreta: enrutar cerca de 300.000 peticiones de Kimi directamente a Claude Opus y recoger más de 23 millones de respuestas de modelos de Anthropic para entrenar.
Si eso es cierto, una parte del coste de entrenamiento de Kimi lo pagó Anthropic sin saberlo. Y explica parte de por qué un modelo abierto puede pelear en benchmarks con los cerrados manteniendo un presupuesto menor.
Es también el debate que Garry Tan ha abierto esta semana al pedir que Estados Unidos no regule la destilación. Su argumento, llevado al caso de Moonshot, es que lo que hizo la empresa china es exactamente lo que deberían estar haciendo los laboratorios abiertos estadounidenses.
El precio de publicar los pesos
Merece la pena entender la mecánica, porque explica por qué 2.000 millones es un objetivo ambicioso y no modesto.
Cuando OpenAI sube el precio de su API, el cliente puede irse a otro modelo, pero no puede montar GPT por su cuenta. Cuando Moonshot sube el precio, el cliente se descarga Kimi K3 y lo sirve él mismo. El techo de precio no lo pone la competencia, lo pone el coste de la alternativa de hacerlo en casa.
Eso obliga a Moonshot a competir en algo que no sea el modelo: latencia, disponibilidad, soporte, integraciones. Es un negocio de infraestructura disfrazado de negocio de modelos, y los márgenes son los de infraestructura.
Duplicar ingresos en un trimestre con esa estructura significa vender mucho más volumen, no cobrar más por lo mismo.
Por qué importa
Para una empresa española que evalúa modelos, Kimi K3 es la opción que más cambia la cuenta.
Un modelo de pesos abiertos que compite en benchmarks con los frontera y que puedes servir en tu propia infraestructura resuelve dos problemas a la vez: el coste por token y la salida de datos fuera de casa. Para procesos con datos sensibles, esa segunda parte suele valer más que la primera.
El riesgo también es real. Si Moonshot no encuentra su modelo de negocio, el ritmo de versiones nuevas se frena. Los pesos que ya descargaste siguen funcionando, pero el modelo deja de mejorar. Es un riesgo distinto al de un proveedor cerrado, no menor.
Fuente original: TechCrunch
Relacionado
