Kimi K3.1 Pro saca 55 en Artificial Analysis, el doble de la mediana
Kimi K3.1 Pro obtuvo 55 puntos en el Artificial Analysis Intelligence Index, un puntaje que lo coloca muy por encima de la mediana de 27 que registran los modelos de su rango de precio. Para un founder que está eligiendo con qué modelo construir su producto, ese número no es un detalle de laboratorio: es la diferencia entre un agente que resuelve tareas multi-paso y uno que se queda a mitad de camino.
El modelo fue publicado por Moonshot AI y aparece en el índice con fecha del 23 de octubre. Es un modelo de razonamiento, acepta texto e imagen como entrada, devuelve texto y ofrece una ventana de contexto de 1 millón de tokens, equivalente a unas 1.500 páginas A4.
¿Cuánto cuesta y qué tan rápido es Kimi K3.1 Pro?
El precio es el argumento más fuerte de la ficha. Según Artificial Analysis, Kimi K3.1 Pro cuesta US$2,00 por millón de tokens de entrada y US$10,00 por millón de tokens de salida, ambos en línea con la mediana del segmento. Con una proporción combinada de 7:2:1 entre cache hit, entrada y salida, el costo efectivo baja a US$1,54 por millón de tokens.
Leíste lo que hace la IA. ¿Y en tu negocio?
En CAR, dueños de empresa arman en 7 días su primer sistema funcionando: que ningún cliente se les escape, o que el informe del lunes salga solo. Con otros emprendedores al lado.
👥 Probar 7 díasEl dato que suele pasarse por alto es el costo por tarea: evaluar el modelo en el Intelligence Index cuesta en promedio US$2,11 por tarea. Ese es el número que deberías mirar si estás armando un agente que corre cientos de veces al día, porque el precio por token se multiplica por la cantidad de tokens que el modelo decide gastar.
Y ahí aparece el primer punto débil. Kimi K3.1 Pro generó 150 millones de tokens durante la evaluación del índice, contra una mediana de 87 millones. Es un modelo muy verboso: piensa mucho y escribe mucho. En velocidad de salida registra 77 tokens por segundo, por debajo del promedio de 81. La buena noticia es la latencia: su tiempo hasta el primer token es de 3,08 segundos, mejor que la mediana de 3,54 segundos.
En criollo: arranca rápido, pero después avanza más lento y consume más tokens de los que esperarías. En una app de chat se nota poco; en un pipeline que ejecuta miles de llamadas, se nota en la factura.
¿Cómo se compara con los modelos frontera?
La ficha de Artificial Analysis lo marca como modelo propietario, porque los pesos todavía no están disponibles. Pero Moonshot AI anunció que publicará los pesos completos de K3.1 Pro antes del 4 de noviembre, según reportó The Next Web. Es decir: en pocos días podría convertirse en una opción open-weight descargable.
Los benchmarks que reporta la propia compañía, recogidos por Unite.AI, ubican al modelo muy cerca de la frontera cerrada:
- Terminal-Bench 4.0 (agentes de código en terminal): 65,7%, por delante de GPT-6 Astra (58,2%) y apenas por detrás de Claude Opus 5.5 (66,4%).
- BenchCAD (reconstrucción 3D vía generación de código CAD): 92,7% con herramientas, frente a 96,2% de Opus 5.5 y 95,9% de GPT-6 Astra.
- OfficeQA Pro v2 (análisis de documentos financieros reales): 64,4, que la compañía describe como estado del arte.
- Kimi Hallu Bench Hard (test interno de precisión factual): la tasa de alucinación a nivel de afirmación cayó de 23,4% en K3 a 8,3%.
Ojo con la letra chica: son cifras autoreportadas por el desarrollador y varias salen de benchmarks internos. La propia compañía aclara que el test de alucinaciones está diseñado a propósito para inducir errores y que esos porcentajes no representan la tasa de error en uso cotidiano.
El giro de seguridad: Moonshot recortó las capacidades de hacking
El lanzamiento tiene una particularidad que vale la pena entender. Moonshot AI dijo que eliminó datos relacionados con ciberataques de las dos etapas de entrenamiento antes de liberar los pesos, según The Next Web. La lógica: los modelos abiertos no se pueden recuperar una vez descargados.
El efecto se ve en xdev-bench-hard, su benchmark interno de explotación de vulnerabilidades reales: un checkpoint entrenado sin esas medidas resuelve el 90,5% de los problemas, mientras que el K3.1 Pro final llega al 81,0%. Según el mismo reporte, DeepSeek V4.1-Flash marca 85,7% en esa prueba. Moonshot sostiene que su capacidad en ciberseguridad sigue por detrás de los modelos cerrados de frontera disponibles hace al menos tres meses.
¿Qué significa esto para tu startup?
La lectura práctica no es «cambiemos todo a Kimi». Es que la brecha entre modelos abiertos y cerrados se está cerrando más rápido de lo que muchos presupuestaron, y eso te da palanca de negociación.
1. Corre tu propio benchmark antes de decidir. El 55 del Intelligence Index es un promedio compuesto de razonamiento, conocimiento, matemática y código. Tu caso de uso no es un promedio. Toma 20 tareas reales de tu producto, córrelas contra Kimi K3.1 Pro y contra el modelo que usas hoy, y mide dos cosas: tasa de éxito y tokens consumidos. Con la verbosidad de 150M tokens que reporta Artificial Analysis, el costo por tarea puede sorprenderte aunque el precio por token parezca competitivo.
2. Diseña tu arquitectura para ser agnóstica al modelo. Si tu producto depende de una sola API, cada cambio de precios o de política te pega directo en el margen. Abstrae la capa de inferencia detrás de una interfaz propia y prueba rutas alternativas. Con pesos abiertos disponibles, además, se abre la opción de self-hosting para los flujos de mayor volumen, donde el costo marginal por token puede caer fuerte.
3. Aprovecha la ventana de contexto con criterio. Un millón de tokens permite meter documentos completos sin trocear. Pero contexto largo no es gratis: cada token de entrada se paga. Úsalo donde aporte —análisis de contratos, revisión de repositorios, agentes que mantienen estado— y no como reemplazo de un buen sistema de recuperación.
El contexto de fondo: Moonshot no juega solo
Moonshot AI está respaldada por Alibaba y Tencent, y según reportó Bloomberg —citado por Reuters— buscaba US$2.000 millones en financiamiento a una valuación cercana a US$30.000 millones antes de una posible salida a bolsa en Hong Kong. En septiembre, TechCrunch reportó que la compañía apunta a US$2.000 millones de ingresos anualizados para fin de año, el doble de su ritmo de agosto, con datos de OpenRouter que mostraban hasta 300.000 millones de tokens diarios generados por modelos K3 en el sistema.
Para dimensionar: esos ingresos siguen siendo pequeños frente a los US$40.000 millones de OpenAI y los US$65.000 millones de Anthropic que reportes recientes citados por TechCrunch atribuyen a cada una. La diferencia es que Moonshot compite con pesos abiertos y márgenes mucho más bajos.
El terreno no está libre de fricción. En julio, según The Next Web, la Casa Blanca acusó a Moonshot de usar chips Nvidia prohibidos y de copiar un modelo de Anthropic para construir K3, sin publicar evidencia. Y en septiembre, Anthropic acusó a la compañía de una campaña de destilación que habría enrutado cerca de 300.000 solicitudes de Kimi hacia Claude Opus, según el mismo medio.
Conclusión
Kimi K3.1 Pro es un recordatorio de que el costo de la inteligencia de frontera sigue bajando y que la decisión de qué modelo usar ya no se resuelve con un titular. Con 55 puntos en Artificial Analysis, US$2,11 por tarea y una verbosidad por encima del promedio, el modelo es una opción seria para cargas de trabajo de código, análisis financiero y tareas multi-paso — siempre que midas el costo real en tu propio flujo antes de migrar. La fecha a marcar es el 4 de noviembre: si los pesos se liberan como prometió Moonshot, la conversación pasa de «¿cuánto cuesta la API?» a «¿cuánto me cuesta correrlo yo?».
Fuentes
- Artificial Analysis — Kimi K3.1 Pro (fuente original)
- Unite.AI — Moonshot AI Releases Kimi K3.1 Pro
- The Next Web — Moonshot releases Kimi K3.1 Pro and says it cut its hacking skills
- Reuters vía The Asahi Shimbun — China’s Moonshot unveils world’s largest open AI model
- TechCrunch — Kimi-maker Moonshot AI targets $2B in annual revenue
Leíste lo que hace la IA. ¿Y en tu negocio?
En CAR, dueños de empresa arman en 7 días su primer sistema funcionando: que ningún cliente se les escape, o que el informe del lunes salga solo. Con otros emprendedores al lado.
👥 Probar 7 días
