Kimi K3.1 Pro: el modelo 3T de Moonshot para código

Kimi K3.1 Pro ya está disponible en Kimi Code

Moonshot AI desplegó por completo Kimi K3.1 Pro, su modelo más capaz hasta la fecha, con 3 billones de parámetros y una ventana de contexto de 1 millón de tokens. La compañía también liberó K3.1 Pro Highspeed, una variante con capacidades idénticas que entrega entre 2 y 3 veces más velocidad de salida a cambio de consumir aproximadamente el doble de cuota.

Para un founder que construye producto sobre modelos de lenguaje, el dato relevante no es el tamaño del modelo sino la restricción operativa: K3.1 Pro solo funciona con el modo thinking activado. Cualquier request que lo desactive se rechaza con un error HTTP 400. Si tu pipeline de IA asume que puedes apagar el razonamiento para ahorrar tokens, esta serie te obliga a rediseñarlo.

¿Qué cambia K3.1 Pro frente a K3 y a los modelos anteriores?

La documentación de Kimi Code lista seis model IDs activos, repartidos en cuatro familias. La tabla oficial compara especificaciones y requisitos de plan:

• k3.1-pro: la nueva insignia, 3T de parámetros, contexto de hasta 1.048.576 tokens para miembros de planes altos, solo thinking.
• k3.1-pro-highspeed: mismas capacidades, salida 2-3x más rápida, consumo de cuota 2x.
• k3: la generación anterior, 2,8 billones de parámetros y 1M de contexto.
• k3-256k: la versión de 262.144 tokens de contexto de K3. Consume la mitad de cuota que la variante de 1M.
• kimi-for-coding (K2.8 Preview): rendimiento cercano a K3 con thinking más eficiente, orientado a autocompletado y tareas rutinarias.
• kimi-for-coding-highspeed (K2.7 Code Highspeed): misma capacidad de código con salida hasta 5-6x más rápida y 3x de cuota.

El salto de K3 a K3.1 Pro no es solo de parámetros. Moonshot describe mejoras sustanciales en código, creación 3D e investigación y modelado financiero, tres verticales donde el contexto largo pesa más que la velocidad bruta de inferencia.

Vale la pena ubicar esto en su contexto: Kimi K3, el modelo que esta serie sucede, se presentó en julio de 2026 como el mayor sistema de pesos abiertos del mundo, con 2,8 billones de parámetros, según reportó Reuters. En ese momento la compañía dijo que competía de cerca con Fable 5 de Anthropic y superaba a varios modelos frontera de OpenAI en optimización de kernels de GPU. La serie K3.1 llega apenas unos meses después, lo que confirma el ritmo de release que el propio sector venía anticipando.

El modo thinking obligatorio y sus consecuencias prácticas

La decisión de forzar el razonamiento tiene efectos concretos en cómo integras la API. Kimi Code expone tres niveles de esfuerzo: low, high y max, con max como valor por defecto para K3.1 Pro. Los valores que envíes desde herramientas de terceros se mapean así:

• ultra, max o xhigh → esfuerzo max
• high o medium → esfuerzo high
• low, minimum o light → esfuerzo low
• off, none o disabled → rechazado con HTTP 400 en K3.1 Pro
• Cualquier valor desconocido → HTTP 400

Hay un detalle que suele pasar desapercibido y que cuesta dinero: cambiar de modelo o de nivel de esfuerzo invalida la caché de contexto. Eso obliga a un nuevo prefill y dispara el consumo de tokens. La recomendación oficial es mantener el mismo modelo y el mismo esfuerzo dentro de una sesión, y abrir una sesión nueva si necesitas cambiarlos.

El segundo punto crítico son los IDs. Si escribes K3.1 Pro en lugar de k3.1-pro, la petición cae silenciosamente a K2.8 Preview sin thinking. No hay error, no hay aviso: simplemente obtienes otro modelo. Es la causa más común de que Highspeed "no se sienta más rápido", porque el ID mal escrito nunca activa la variante rápida.

Moonshot AI: de startup de tres años a candidata a IPO

Entender quién está detrás de Kimi ayuda a calibrar el riesgo de dependencia. Moonshot AI tiene sede en Pekín y fue fundada en marzo de 2023 por Yang Zhilin, Zhou Xinyu y Wu Yuxin, los tres egresados de la Universidad de Tsinghua, según Crypto Briefing. Entre sus inversores figuran Tencent, Meituan y China Mobile.

El crecimiento comercial acompaña al técnico. CoinDesk reportó que el ingreso recurrente anual de Moonshot alcanzó US$300 millones en junio, frente a US$200 millones en abril, y que la compañía pausó temporalmente las nuevas suscripciones a K3 porque la demanda superó la capacidad. La misma información señala que la empresa busca aprobación de sus accionistas para una salida a bolsa en Hong Kong en un plazo de seis meses, dentro de una ronda que podría valorarla por encima de US$30.000 millones, arriba de los US$20.000 millones de una ronda liderada por Meituan en mayo.

Moonshot también está construyendo su brazo internacional. Según Crypto Briefing, la compañía renombró su entidad de Singapur a Novascent en junio de 2026 y en octubre publicó una vacante de ventas en esa ciudad orientada a perfiles con experiencia en ventas, venture capital o consultoría.

¿Qué significa esto para tu startup?

La serie K3.1 Pro es una señal de que el costo por token de los modelos de frontera sigue bajando, pero también de que la elección de modelo se está volviendo una decisión de arquitectura, no de configuración.

• Audita tus IDs de modelo hoy mismo. Si tienes integraciones con Kimi Code, verifica que uses k3.1-pro o k3.1-pro-highspeed y no los nombres de versión. Un ID mal escrito degrada la calidad sin lanzar ningún error, y ese tipo de bug silencioso es el más caro de detectar en producción.
• Revisa tu lógica de reintentos y manejo de errores. Con thinking obligatorio, un 400 ya no significa solo "request mal formado": puede significar "tu plan no incluye 1M de contexto" o "este modelo no soporta la ventana que pediste". Distinguir el mensaje de error antes de reintentar te evita quemar cuota en bucles inútiles.
• Elige el modelo por tarea, no por prestigio. Para autocompletado y tareas rutinarias, kimi-for-coding consume menos y rinde cerca de K3. Reserva K3.1 Pro para trabajo de contexto largo: refactors grandes, análisis de repos completos o modelado financiero.
• Mide el ahorro real de la caché. Si tu producto hace muchas llamadas encadenadas, mantener modelo y esfuerzo constantes dentro de la sesión puede reducir más tu factura que bajar de modelo.

Conclusión

Kimi K3.1 Pro consolida a Moonshot como un competidor serio en el segmento de modelos para código, con una propuesta que prioriza contexto y profundidad de razonamiento sobre latencia. Para los equipos hispanohablantes que construyen con IA, la oportunidad está en el costo: modelos de esta clase presionan a la baja los precios de los proveedores cerrados, y eso se traduce directamente en margen para productos que dependen de inferencia.

El riesgo, como siempre con dependencias de un solo proveedor, es la concentración. Vale la pena mantener una capa de abstracción que te permita cambiar de modelo sin reescribir tu producto, porque el ritmo de releases de los próximos meses no va a bajar.

Fuentes

• Kimi Code — Model Configuration (fuente original)
• Reuters vía The Asahi Shimbun — China's Moonshot unveils world's largest open AI model
• Reuters vía RTHK — Moonshot hits AI mark with Kimi K3 launch
• CoinDesk — Moonshot AI IPO push follows Kimi, Alibaba AI releases that shook bitcoin
• Crypto Briefing — Moonshot AI expands to Singapore and starts hiring