Kimi K3.1 Pro: Moonshot apunta al liderazgo de IA abierta

Kimi K3.1 Pro: el modelo de 3 billones de parámetros que Moonshot ya presume

El 24 de octubre, la china Moonshot AI presentó Kimi K3.1 Pro, un modelo de clase 3 billones de parámetros que, según la compañía y la evaluadora independiente Artificial Analysis, quedará como el mejor modelo de pesos abiertos del mundo cuando publique sus pesos el 4 de noviembre de 2026.

Para un founder que revisa la factura de API cada mes, el dato que importa no es el ranking: es que el modelo se ofrece a US$2 por millón de tokens de entrada y US$10 por millón de salida, la mitad de Claude Opus 5.5 y Meta Muse Wonder, y un tercio por debajo de su predecesor Kimi K3. La letra chica, como siempre, está en el costo por tarea completada, no en el precio por token.

K3.1 Pro es una versión post-entrenada de Kimi K3, el modelo que Moonshot lanzó en julio y que ya había instalado la pregunta de si los modelos abiertos chinos cerraron la brecha con los sistemas propietarios de EE.UU. Según CrowdfundInsider, mantiene una arquitectura de mezcla de expertos con unos 2,8 billones de parámetros totales y 104.000 millones activos por token, más una ventana de contexto de un millón de tokens y entrada de texto e imagen.

Detrás del lanzamiento hay una compañía en plena expansión. Según Bloomberg, recogido por ChinaTechNews, Moonshot levantó capital privado a una valoración cercana a los US$50.000 millones y apunta a una posible salida a bolsa en Hong Kong en el primer trimestre de 2027, con una meta de US$2.000 millones de ingresos anualizados para fines de 2026, tras superar los US$1.000 millones de ingresos recurrentes anuales en agosto.

¿Dónde mejora Kimi K3.1 Pro y dónde no?

La mejora más grande no está en responder preguntas difíciles, sino en ejecutar secuencias de acciones. En Terminal-Bench 4.0, que mide agentes de código en tareas de terminal con verificación estricta, el salto es de 13% a 67% según Artificial Analysis. En CyberGym-E2E-AA pasa de 58% a 95%, y en el Cyber Index de 41% a 64%. En AutomationBench-AA, sobre flujos de software empresarial, sube de 58% a 73%.

En el Intelligence Index de Artificial Analysis, K3.1 Pro llega a 55 puntos y queda cuarto, detrás de Claude Opus 5.5 (58), Claude Sonnet 5.5 (56) y Meta Muse Wonder Full (56). Los avances en razonamiento puro son mucho más modestos: Humanity's Last Exam sube de 47% a 52%, CritPt de 23% a 25% y SciCode de 59% a 61%.

Ahí está la primera advertencia para quien elige modelo por titular. La brecha se abre en dirección contraria en cómputo científico: en la comparativa publicada por Moonshot, Terminal-Bench Science 0.1 da 38,1 para K3.1 Pro contra 63,3 de Opus 5.5 y 68,1 de GPT-6 Astra. Si tu equipo hace simulación científica, este no es el reemplazo.

También conviene saber que los números de la propia Moonshot y los de Artificial Analysis no coinciden en el mismo benchmark: la empresa reporta 65,7% en Terminal-Bench 4.0, apenas por detrás de Opus 5.5 (66,4%), mientras la evaluadora independiente mide 67%, el más alto que registró. Ambos respaldan competitividad; ninguno prueba superioridad universal.

El precio de la API: la trampa del costo por tarea

La tabla de precios de Moonshot deja a K3.1 Pro en US$2 / US$10 / US$0,20 (entrada, salida y entrada cacheada por millón de tokens). La variante Highspeed cuesta US$4 / US$20 y, según la compañía, genera respuestas dos o tres veces más rápido.

El problema es que el precio por token no es el costo. Artificial Analysis calcula US$1,98 por tarea del Intelligence Index, prácticamente igual que K3, porque la salida promedio sube de unos 48.000 a 55.000 tokens. En su comparación en vivo, Kimi aparece en US$2,11 contra US$5,98 de Opus 5.5: una diferencia de aproximadamente 65%, que no es una promesa de ahorro en cualquier tarea.

Y contra los modelos chinos más baratos, la prima es alta: DeepSeek V4.1 Flash 1017 cobra US$0,15 / US$0,60 por millón de tokens en horario off-peak, y Xiaomi MiMo-V2.6-Pro US$0,435 / US$0,87. En el Cyber Index, DeepSeek logra 57% a US$0,42 por tarea evaluada, mientras Kimi llega a 64% a US$2,81.

La acusación de influencers pagados sin disclosure

El lanzamiento también quedó envuelto en una polémica. El usuario de X Elshayib publicó capturas que describió como instrucciones para una campaña promocional de Kimi, y dijo que rechazó participar en esos términos. Las supuestas instrucciones pedían enviar borradores para aprobación e incluían la frase: "Please DO NOT put on the paid partnership label".

Los hechos siguen sin resolverse. El medio Pekingnology señala explícitamente que el documento no fue autenticado de forma independiente, y no está claro si las instrucciones salieron de Moonshot, de una agencia externa o de otro actor. La circulación de las capturas no prueba que Moonshot haya autorizado una campaña publicitaria sin disclosure.

Aun así, el tema importa por dos razones concretas. La política de X exige etiquetar las colaboraciones pagadas, y la guía de la FTC de EE.UU. pide revelar cualquier conexión material entre quien recomienda y la marca. Para quien compra tecnología, la pregunta práctica es si una recomendación que parece independiente esconde un incentivo.

¿Qué significa esto para tu startup?

Tres cosas, y ninguna implica migrar todo mañana.

• Prueba por carga de trabajo, no por ranking. El perfil de K3.1 Pro es de ejecución sostenida: mantenimiento de repositorios, debugging y ciclos que alternan inspeccionar, editar, correr tests y responder a fallos. Arma un piloto acotado sobre tu tarea recurrente más difícil y mide resultados aceptados, costo total y tiempo, no el puntaje del índice.
• Calcula el costo por entregable, no por token. Incluye ejecución de herramientas, reintentos, escrituras de caché y corrección humana. La documentación de facturación de Kimi indica que los prefijos repetidos usan caché automática con una vida de unos cinco minutos, y que las escrituras de caché se cobran aparte.
• Separa la promoción de la evidencia. Antes de adoptar, pregunta a quien te recomienda el modelo si recibió pagos, créditos o aprobación editorial, y verifica precios y condiciones en la documentación publicada. Con los pesos todavía pendientes, descripciones como "open source" o "gratis" necesitan matices.

Hay un punto de cumplimiento que los equipos enterprise no pueden pasar por alto: la política de privacidad internacional de Moonshot identifica servidores en Singapur, así que no conviene asumir que el procesamiento queda en EE.UU. El contexto lo agrava: una orden del DHS publicada en el Federal Register el 20 de octubre excluye a DeepSeek de la contratación civil federal. Esa orden no apunta a Kimi, pero es una razón más para verificar ubicación de procesamiento y requisitos de contratación pública antes de enviar material sensible.

Conclusión

Kimi K3.1 Pro es un lanzamiento serio: rendimiento multietapa competitivo, precios estándar por debajo de varios rivales de primer nivel y una ruta prometida hacia la operación independiente del modelo. También es un lanzamiento con asteriscos: los pesos llegan el 4 de noviembre, el cómputo científico queda lejos y la polémica de influencers recuerda que el entusiasmo promocional no es evidencia reproducible.

El movimiento sensato para un founder es el mismo de siempre: una comparación acotada sobre el trabajo que ya te cuesta dinero, con métricas de resultado aceptado, y una decisión basada en tus datos y no en el gráfico de nadie.

Fuentes

• VentureBeat: Moonshot's Kimi K3.1 Pro flirts with open weights leadership amid paid influencer scandal allegations
• CrowdfundInsider: China's Moonshot AI Unveils Kimi K3.1 Pro
• MarktechPost: Moonshot AI Releases Kimi K3.1 Pro
• ChinaTechNews: Moonshot AI launches Kimi K3.1 Pro with better coding skills, reduced cyber risks
• GritDaily: Moonshot AI's Billion Hong Kong IPO Plan Faces a $700 Million Equity Claim