El 16 de julio de 2026, la empresa china Moonshot AI (月之暗面) lanzó Kimi K3, su modelo más potente hasta la fecha. Se trata de un sistema sparse Mixture-of-Experts (MoE) con 2,8 billones de parámetros, una ventana de contexto de 1 millón de tokens y una arquitectura de atención híbrida diseñada para un rendimiento eficiente en secuencias largas. El modelo se posiciona como un serio competidor para Claude Opus 4.8 y GPT-5.5, y en tareas especializadas (frontend-coding, sistemas de agentes, trabajo con repositorios) demuestra resultados iguales o superiores a estos sistemas cerrados.
Se espera que los pesos completos se liberen el 27 de julio de 2026. Si el lanzamiento se realiza como se anuncia, Kimi K3 se convertirá en uno de los modelos con pesos abiertos (open-weight) más grandes jamás lanzados, superando a sus predecesores en más de 2,5 veces en escala.
Empresa y contexto estratégico
Moonshot AI es un laboratorio con sede en Pekín fundado en 2023 por Yang Zhilin y sus cofundadores de la Universidad de Tsinghua, conocido por su estrategia abierta y su serie de modelos Kimi. La empresa ha recibido una inversión significativa: en mayo de 2026 cerró una ronda de 2.000 millones de dólares con una valoración de 20.000 millones de dólares, con el apoyo de la división Long-Z Investments de Meituan y otros inversores clave, como Alibaba y Tencent. Su ARR trimestral superó los 200 millones de dólares en abril de 2026. La serie Kimi ha crecido constantemente, desde K2 (1T de parámetros) a través de K2.5–K2.7 Code hasta el actual K3, ampliando cada vez el contexto y añadiendo multimodalidad. K3 representa un salto cualitativo tanto en escala como en innovaciones arquitectónicas, específicamente dirigidas a tareas de agentes largos y codificación.
Innovaciones arquitectónicas: el núcleo de la ventaja competitiva
1. Kimi Delta Attention (KDA): un mecanismo de atención lineal híbrido que se basa en las ideas de Gated DeltaNet y que ya se probó en el modelo abierto Kimi Linear (2025). En lugar de la atención cuadrática clásica, que requiere O(n²) de memoria y cálculos, la mayoría de las capas utilizan un esquema lineal en complejidad con compuertas diagonales por canal (channel-wise). Ventajas prácticas:
- Reducción del consumo de KV-cache hasta en un 75% en arquitecturas similares, lo cual es crítico para trabajar con contextos de millones de tokens;
- Aceleración de la decodificación en contextos de millones de tokens hasta 6,3 veces, haciendo que las sesiones largas sean prácticamente desplegables;
- Mantenimiento de la calidad de recuperación en secuencias largas sin una degradación significativa.
KDA ha obtenido núcleos CUDA de código abierto (FlashKDA) y se ha integrado en vLLM para implementaciones de producción.
2. Attention Residuals: un mecanismo que «tira» selectivamente de representaciones de capas anteriores en lugar de acumularlas uniformemente a través de conexiones residuales estándar. Moonshot informa de un aumento de la eficiencia de entrenamiento de aproximadamente el 25% con un costo adicional mínimo (alrededor del 2%), lo que, a la escala de un modelo de 2,8T de parámetros, significa un ahorro considerable de recursos computacionales para el entrenamiento o un aumento equivalente de la calidad.
3. Stable LatentMoE: un sistema de enrutamiento extremadamente disperso donde, de 896 expertos, solo se activan 16 por cada token (1,8% del grupo), utilizando balanceo cuantil y optimización por cabeza (per-head) para estabilizar el entrenamiento. Este nivel de dispersión permite mantener el costo computacional de la inferencia a un nivel aceptable, a pesar del enorme número de parámetros: debido a la arquitectura MoE y a los 16 expertos activos, el número real de parámetros activados por token es significativamente inferior a 2,8T.
4. Cuantización y eficiencia: el modelo está cuantizado de forma nativa utilizando MXFP4 para los pesos y MXFP8 para las activaciones, elegido para la compatibilidad con diversos hardware. Moonshot afirma una eficiencia de escalado (scaling-efficiency) aproximadamente 2,5 veces mejor en comparación con la generación K2, lo que significa que la misma cantidad de cómputo ofrece significativamente más capacidades.
Especificaciones técnicas
| Parámetro | Valor |
Número total de parámetros | 2,8 billones |
Expertos activos | 16 de 896 (1,8% por token) |
Ventana de contexto | 1 048 576 tokens (1M) |
Modalidades | Texto + imagen/video → texto (visión nativa) |
Arquitectura principal | Sparse MoE + Kimi Delta Attention + Attention Residuals |
Cuantización | MXFP4 (pesos) / MXFP8 (activaciones) |
Razonamiento | Siempre activado («modo de pensamiento»), solo máximo esfuerzo al inicio, modos bajo/alto previstos |
Benchmarks independientes y oficiales: el panorama real del rendimiento
Liderazgo en tareas especializadas: En Frontend/WebDev Arena (preferencias humanas de desarrolladores), K3 ocupó el primer lugar con 1679 Elo, superando a Claude Fable 5 (1631) y GPT-5.6 Sol (1618) en pruebas ciegas. Esto supone un salto de 17 posiciones desde el puesto de K2.6 y el resultado n.º 1 en 6 de los 7 dominios de frontend (excluyendo juegos).
Rendimiento general: En el Artificial Analysis Intelligence Index v4.1 (evaluación independiente que agrega 9 benchmarks: GDPval-AA, razonamiento, codificación, tareas de agentes), K3 obtuvo 57,1, el 4.º puesto mundial, por detrás de Fable 5 (~60) y GPT-5.6 Sol (~59), pero por delante de Claude Opus 4.8 (~56).
Codificación y sistemas de agentes:
- Terminal-Bench 2.1: 88,3 (casi al nivel de GPT-5.6 Sol 88,8, notablemente superior a Claude Fable 5 y Opus 4.8, ambos 84,6).
- GDPval-AA v2: 1668 Elo, tercer puesto después de Fable 5 Max (1815) y GPT-5.6 Sol Max (1747,8), por delante de Opus 4.8 (1600), una prueba estándar para conocimientos, razonamiento y tareas analíticas.
- GPQA-Diamond: 93,5% — el mejor resultado abierto en este benchmark de alta complejidad (conocimientos de nivel de doctorado).
- BrowseComp (agentes web): 91,2% (el mejor resultado entre todos los modelos comparados), 90,4% con contexto completo de 1M sin compresión.
- AA-Briefcase (conocimiento a largo plazo/agentes): 1548 Elo, segundo puesto después de Fable 5, por delante de GPT-5.6 Sol.
Algunos probadores independientes notan un aumento de la «verborrea» en la salida, lo que puede aumentar el consumo de tokens, pero en las tareas principales de codificación y agentes, el uso de tokens de salida es un 21% menor que en K2.6, gracias a las optimizaciones de los tokens de razonamiento.
Precios y disponibilidad
Tarifa API: 3,00 $ por millón de tokens de entrada (cache miss), 0,30 $ por entrada cacheada, 15,00 $ por millón de salida. Es la más cara de todos los laboratorios chinos, pero se corresponde con los precios de Claude Sonnet y aproximadamente la mitad del costo de GPT-5.6 Sol (30 $/M de salida). En comparación, K2.6 costaba 0,60 $ de entrada / 2,50 $ de salida, por lo que es un salto de 5x para la entrada y 6x para la salida, lo que refleja un salto significativo en escala y calidad.
Disponibilidad: Kimi Code, Kimi app (incluyendo iOS), API compatible con Moonshot OpenAI, OpenRouter. El contexto completo de 1M requiere suscripción Allegretto o superior; Moderato está limitado a 256K.
Campaña promocional: El lanzamiento fue acompañado de una promoción con créditos de bonificación del +10–30% en recargas del 15 de julio al 11 de agosto de 2026.
Lanzamiento open-weight: expectativa y significado
En el momento del lanzamiento (16 de julio), los pesos aún no se habían publicado. Moonshot se comprometió oficialmente a publicar los pesos completos el 27 de julio de 2026 bajo una licencia similar a la Modified MIT (como la serie K2). Una vez liberados los pesos, K3 se convertirá en el modelo freely available más potente en términos de escala (2,8T), contexto (1M) y capacidades de codificación/agentes, lo que significa disponibilidad para desarrollo local, fine-tuning e investigación en hardware adecuado (mínimo 64 aceleradores para el modelo completo).
Significado estratégico y contexto de la competencia
Kimi K3 aparece en un momento de cambio crítico en la industria de la IA china. Tras el auge de DeepSeek en enero de 2025 (R1 con computación de bajo costo), Moonshot perdió cuota de mercado, cayendo del 3.º puesto en usuarios activos de Kimi al 7.º en junio de 2025. K3 es una apuesta deliberada para recuperar la posición a través de la escala y la innovación arquitectónica. Los inversores lo denominan un potencial «momento Kimi» (análogo al shock de DeepSeek hace un año), y hay razones para ello: el modelo cierra la brecha con la frontera occidental no a través de la asequibilidad (es caro), sino a través de la calidad y la escala.
La combinación de 2,8T de parámetros, 1M de contexto, visión nativa, razonamiento siempre activo y codificación potente hace que K3 sea particularmente interesante para:
- Sistemas de agentes y flujos de trabajo de largo alcance (reproducción de interfaces de usuario, desarrollo de múltiples pasos, tareas de ingeniería autónoma);
- Desarrollo y refactorización de grandes bases de código (en un caso conocido, K3 diseñó autónomamente un microchip en 48 horas utilizando EDA de código abierto);
- Tareas de investigación y análisis con un contexto masivo (documentos legales, informes financieros, revisión de código de grandes repositorios);
- Empresas que desean autoalojamiento (self-hosting) e independencia de las API cerradas en lugar de depender de Anthropic u OpenAI.
Sin embargo, persisten importantes advertencias: los pesos aún no se han publicado, las reproducciones independientes y los informes técnicos detallados aún están en desarrollo, y algunos benchmarks utilizan harnesses propietarios (KimiCode en lugar de los estándar). El panorama real se aclarará definitivamente después del 27 de julio, cuando los pesos estén disponibles y aparezcan evaluaciones independientes de las versiones abiertas de los modelos.
Conclusión: Kimi K3 es uno de los lanzamientos de IA más significativos de la primera mitad de 2026. No es solo «otro gran modelo chino», sino un serio contendiente para un lugar en la primera fila de los modelos de vanguardia, especialmente en tareas especializadas de codificación de agentes, contextos largos y razonamiento multimodal. Las innovaciones arquitectónicas (KDA, Attention Residuals, Stable LatentMoE) demuestran que las laboratorios chinos están al nivel de los mejores occidentales en ingeniería. Si el lanzamiento open-weight se desarrolla según lo planeado para el 27 de julio, el impacto en el ecosistema de código abierto y la dinámica de la competencia será muy notable: por primera vez, los desarrolladores tendrán acceso a un modelo de tal escala y calidad independientemente de las API cerradas.
