Moonshot AI ha lanzado Kimi K3, un modelo de pesos abiertos que puntúa 57 en el Intelligence Index de Artificial Analysis, tres puntos por detrás de Claude Fable 5 (60) y dos de GPT-5.6 Sol (59). Es la distancia más corta que un modelo abierto ha logrado ponerse de la frontera cerrada, y llega a un precio que ningún laboratorio occidental está ofreciendo en esa liga.
Puntos clave
- 2,8 billones de parámetros con arquitectura de expertos dispersos: 896 expertos en total, de los que solo se activan 16 por tarea.
- Ventana de contexto de 1 millón de tokens y visión nativa (procesa imágenes sin modelo aparte).
- Precio de 3 dólares por millón de tokens de entrada y 15 de salida. Con acierto de caché, la entrada baja a 0,30 dólares, y Moonshot anuncia más de un 90% de aciertos en tareas de código.
- Los pesos se publican el 27 de julio. Moonshot recomienda 64 aceleradores o más para un despliegue serio.
Qué dice Moonshot y qué dicen los titulares
Aquí conviene separar dos cosas, porque no coinciden. Las newsletters del sector han titulado que K3 bate a Fable 5 y a Sol. El propio blog de Moonshot dice otra cosa: que el rendimiento general "todavía va por detrás de los modelos propietarios más potentes, Claude Fable 5 y GPT 5.6 Sol", aunque demuestra un nivel de frontera.
Las dos frases son ciertas a la vez. K3 gana en pruebas concretas (Moonshot enseña ventaja en investigación web con BrowseComp y en Automation Bench, y ocupa el primer puesto del ranking de diseño web de Arena.ai por delante de Fable 5 y GPT-5.6) y pierde en el agregado. Ese es el estado real: un modelo abierto que ya gana en tareas específicas y todavía cede en conjunto.
El número que mejor resume la historia es el 57 contra 60 y 59. Hace un año esa distancia se medía en decenas de puntos.
Qué cambia técnicamente
La arquitectura es lo interesante para quien tenga que pagar la factura. De 2,8 billones de parámetros solo se activan 16 expertos de 896 en cada tarea, así que el coste de ejecución no escala con el tamaño total del modelo. Moonshot añade dos piezas propias, Kimi Delta Attention y Attention Residuals, para sostener la ventana de 1 millón de tokens sin que el precio se dispare.
La demo que enseñan es de las que llaman la atención: el modelo trabajó solo durante 48 horas para diseñar y verificar un chip de 4 mm² con 1,46 millones de celdas estándar, cerrando timing a 100 MHz, capaz de correr en simulación una versión reducida de sí mismo a más de 8.700 tokens por segundo. Es una demo de laboratorio, con todo lo que eso implica, pero 48 horas de trabajo autónomo sin descarrilar es un dato de fiabilidad, no de marketing.
Hay letra pequeña. Simon Willison lo probó y encontró un modelo capaz y caro: su test del pelícano en SVG consumió 16.658 tokens de salida (13.241 de ellos de razonamiento) y costó 25 céntimos. La causa es que K3 solo tiene un nivel de esfuerzo de razonamiento, "max", y lo aplica a todo. Un modelo que razona a fondo hasta para lo trivial se come el ahorro del precio por token. Probablemente Moonshot añada niveles de esfuerzo, pero hoy no están.
Abierto no quiere decir gratis
Los pesos abiertos significan que el 27 de julio cualquier equipo podrá descargar el modelo, alojarlo, modificarlo y ajustarlo en lugar de alquilar acceso por API. Eso es control real sobre dónde viven tus datos.
El coste está en el despliegue: 64 aceleradores o más es infraestructura de las que se aprueban en comité, no una tarjeta gráfica en un armario. Para la inmensa mayoría de empresas, "abierto" aquí significa que alguien te lo servirá más barato, no que lo vayas a alojar tú.
Y ahí está la parte que casi nadie mira. Thinking Machines lanzó ayer Inkling, su modelo abierto de 975.000 millones de parámetros, y reconoce que usó modelos abiertos, entre ellos el Kimi K2.5 anterior, para generar los primeros datos de post-entrenamiento. Un laboratorio estadounidense construyendo sobre pesos chinos. La cadena de suministro de la IA ya está mezclada, se hable de ello o no.
La presión de precios tampoco es nueva. Hace una semana contamos que Perplexity servía GLM-5.2 a un tercio del coste de Opus 4.8, y esta semana una filiación china implicaba una valoración de decenas de miles de millones para DeepSeek. K3 es el siguiente escalón de la misma escalera.
La estimación de Amodei, otra vez sobre la mesa
Dario Amodei lleva tiempo situando a China y al código abierto entre 6 y 12 meses por detrás de la frontera. Con K3 a tres puntos de Fable 5 en el índice de Artificial Analysis, esa ventana se parece más a un ciclo de lanzamiento.
Conviene la cautela de siempre: son benchmarks del propio fabricante y de terceros sobre pruebas estandarizadas, no producción real. K3 tiene que demostrarse fuera de las demos. Pero la dirección lleva meses siendo la misma y cada release la confirma.
El dinero opina lo mismo. TechCrunch adelanta que Moonshot estaría levantando una ronda que valoraría el laboratorio en 31.500 millones de dólares. Es un reporte citando fuentes, no un comunicado de la compañía, así que tómalo como lo que es. Pero encaja con el resto del cuadro.
Por qué importa
Si tu empresa tiene procesos montados sobre Claude o GPT, K3 no es motivo para tocar nada mañana. El modelo es más caro de lo que parece por su razonamiento en modo máximo, y alojarlo tú requiere una infraestructura que casi nadie tiene.
Lo que sí cambia es tu posición negociadora a doce meses. Cuando existe un modelo abierto a tres puntos de la frontera, el precio de los cerrados deja de ser un dato inamovible y pasa a ser una decisión comercial de un proveedor que ahora tiene competencia. Ahí es donde esto te toca el bolsillo.
Y hay una segunda lectura, más útil para quien maneja datos sensibles. Un modelo de nivel frontera que puedes descargar y correr en tu propia infraestructura es una opción real para lo que hoy no puedes mandar a una API de terceros. No para todas las empresas, y no este mes. Pero la opción existe, y hace un año no existía.
El 27 de julio, cuando salgan los pesos, sabremos si aguanta fuera del escaparate.
Relacionado
