Moonshot lanza Kimi K3.1 Pro, su modelo abierto de 2,8T

Kimi K3.1 Pro: un modelo abierto de 2,8 billones de parámetros que roza la frontera

Moonshot lanzó Kimi K3.1 Pro, un modelo de mezcla de expertos (MoE) con 2,8 billones de parámetros totales y 104.000 millones activos, ventana de contexto de un millón de tokens y capacidad multimodal. Los pesos abiertos, en cambio, todavía no están disponibles: la compañía prometió publicarlos el 4 de noviembre de 2026.

Para un founder que construye producto sobre modelos de lenguaje, la relevancia es directa: la nueva tabla de precios de Moonshot baja un tercio respecto de K3, y las evaluaciones independientes ubican al modelo en el cuarto puesto de un índice general de inteligencia. Un modelo abierto a esa escala y a ese precio obliga a revisar el cálculo de costos de cualquier producto que hoy dependa de APIs cerradas.

¿Qué es Kimi K3.1 Pro y qué cambia frente a K3?

K3.1 Pro es una versión post-entrenada de Kimi K3 con mucho más cómputo de post-entrenamiento. Según el anuncio de Moonshot recogido por Latent Space, el equipo corrió aprendizaje por refuerzo conjunto sobre cientos de dominios y optimizó el framework de RL, la inferencia de contexto largo, la infraestructura de sandbox y la planificación de rollouts.

Marktechpost detalla la arquitectura heredada de K3: atención Kimi Delta Attention (KDA), Attention Residuals (AttnRes) y activación de 16 de 896 expertos mediante un framework Stable LatentMoE. El modelo acepta texto, imágenes y video por API.

Lo que hay disponible hoy:

• El modelo está activo en Kimi.ai, Kimi Work, Kimi Code y la API, con identificadores kimi-k3.1-pro y kimi-k3.1-pro-highspeed.
• El endpoint es compatible con OpenAI, así que migrar desde K3 es, en teoría, cambiar el nombre del modelo.
• Existe una versión Highspeed que Moonshot describe como 2 a 3 veces más rápida y que cuesta el doble.
• Los pesos siguen sin publicarse. Hasta el 4 de noviembre, "open weight" es una promesa, no una capacidad.

Los benchmarks: fuerte en código agéntico, flojo en ciencia

Artificial Analysis ubicó a K3.1 Pro cuarto en su Intelligence Index con 55 puntos, detrás de Opus 5.5 (58) y de Sonnet 5.5 y Muse Wonder Full (56). El propio analista señala que las mejoras son más agénticas que uniformes: el salto es claro en tareas de agente y mucho menor en conocimiento y ciencia.

En Arena, el modelo entró octavo en Code Arena: WebDev con 1.692 puntos, nueve puestos y 37 puntos por encima de K3. Arena agrega que sería su modelo de pesos abiertos mejor rankeado al publicarse, por delante de DeepSeek V4.1 Flash, y que a esos ajustes iguala aproximadamente a Opus 5 Max.

Los números que publica Moonshot, recogidos por Marktechpost, son más optimistas y hay que leerlos como autoinformados:

• Terminal-Bench 4.0: 65,7%, apenas 0,7 puntos por debajo de Claude Opus 5.5 (66,4%).
• SWE-Marathon: 51,7, por delante de Opus 5.5 (46,3).
• Terminal-Bench Science 0.1: 38,1, contra 68,1 de GPT-6 Astra. Esta es la brecha más grande.
• BenchCAD con herramientas: 92,7, cerca de Opus 5.5 (96,2).
• OfficeQA Pro v2 (finanzas): 64,4, que Moonshot presenta como estado del arte.

En alucinaciones, Artificial Analysis reporta que la precisión en AA-Omniscience subió de 48% a 51% y la tasa de alucinación bajó de 53% a 44%. El dato más citado en la discusión es otro: si los pesos se publican, la brecha entre el mejor modelo abierto y los propietarios se reduciría de 12 puntos a tres en el Intelligence Index de Artificial Analysis.

El precio: tokens más baratos no garantizan trabajo más barato

La lista de precios bajó de forma agresiva. K3.1 Pro cuesta US$2 por millón de tokens de entrada, US$10 por millón de salida y US$0,20 por millón de entrada cacheada, contra los US$3 / US$15 / US$0,30 de K3. Highspeed duplica esa tarifa.

El problema es que el precio por token no es el costo por tarea. Artificial Analysis midió tres vistas distintas del mismo modelo:

• Intelligence Index: US$1,98 por tarea, prácticamente igual que K3.
• Arena WebDev: US$1,23 de mediana por tarea, 29% por debajo de K3.
• AA Cyber Index: US$2,81 por tarea, 15% por encima de K3.

¿Por qué? Porque K3.1 Pro genera más tokens para resolver lo mismo: 55.000 tokens de salida por tarea en el Intelligence Index, contra 48.000 de K3, un 14% más. Un análisis de AIHubMix publicado en note.com llega a la misma conclusión desde otro ángulo: incluso con el nivel de razonamiento más bajo, K3.1 Pro pensó una cantidad de tokens similar a K3. Y el nivel por defecto en Kimi Code pasó de "high" en K3 a "max" en K3.1 Pro.

En el otro extremo, Arena reporta que su costo mediano de US$1,23 por tarea queda 74% por debajo de Opus 5 Max, 24% por debajo de GPT-6 Sol Max y 47% por debajo de Qwen3.8-Max. La conclusión práctica: el ahorro depende de tu carga de trabajo, no de la tabla de precios.

Ciberseguridad: entrenar menos para poder liberar más

El movimiento más distintivo de Moonshot no es de rendimiento sino de seguridad. La compañía eliminó datos relacionados con ciberataques del mid-training y del RL antes de comprometerse a liberar los pesos, en lugar de confiar solo en rechazos en tiempo de inferencia.

Según The Next Web, en la prueba interna de explotación de fallos reales una versión sin esos recortes resolvía el 90,5% de las tareas, mientras que el modelo publicado resuelve el 81%. Marktechpost confirma esas cifras sobre el benchmark xdev-bench-hard. Aun así, el resultado sigue muy por encima del 33,3% de K3, y por el conteo de Moonshot el rival abierto DeepSeek V4.1-Flash alcanza 85,7%.

La paradoja aparece en las mediciones independientes: pese al recorte deliberado, Artificial Analysis reporta que K3.1 Pro marcó 64% en su Cyber Index, el resultado público más alto y segundo en la tabla general, detrás de GPT-6 Sol Daybreak Blue (69%). El índice de K3 era 41%, y el salto se explica sobre todo por CyberGym, que pasó de 58% a 95%.

¿Qué significa esto para tu startup?

1. Mide tu costo por tarea antes de migrar. Cambiar de K3 a K3.1 Pro es cambiar el nombre del modelo en un endpoint compatible con OpenAI, pero el precio por token no te dice lo que vas a pagar. Corre tu workload real con ambos modelos durante un día y compara tokens de salida y de pensamiento, no solo la tarifa. En tareas de agente con muchas iteraciones, el 14% extra de tokens puede comerse el descuento del 33%.

2. No planifiques self-hosting todavía. Los pesos llegan el 4 de noviembre y la licencia sigue sin anunciarse. Además, la escala no es de escritorio: para K3, Moonshot recomienda supernodos de 64 o más aceleradores con pesos MXFP4, según Marktechpost. Autohospedable y local en tu laptop son dos cosas distintas, y aquí aplica la primera, no la segunda.

3. Revisa tu harness, no solo el modelo. Los números de Moonshot se midieron mayormente con el harness de Claude Code. El resultado de un agente depende de modelo, harness, herramientas, presupuesto y forma de puntuar. Si tu producto usa otro framework, tus números no van a coincidir con los de la tabla.

4. Si usas la serie K2, planifica la migración. AIHubMix señala que Moonshot discontinuará la serie K2 en su plataforma hacia fines de diciembre de 2026. Vale la pena leer la guía de migración antes de que sea urgente.

5. Cuidado con las tareas interactivas. El modo de pensamiento está siempre activo y no se puede desactivar; la temperatura está fijada en 1,0. Si tu producto necesita respuestas inmediatas o salidas reproducibles con temperatura 0, este modelo no es el adecuado.

Las dudas que conviene mirar antes de adoptarlo

Hay tres frentes de escepticismo que conviene separar del rendimiento medido.

El primero es la economía de servicio. Un comentarista citado por Latent Space estimó que el modelo podría ser 30 veces más caro de servir que DeepSeek Flash. Es una estimación no verificada, no un costo medido, pero apunta a un problema real: un modelo de 2,8 billones de parámetros exige infraestructura que un modelo pequeño no necesita.

El segundo es la procedencia de los benchmarks. La tabla de Moonshot no es una replicación independiente, y parte de las victorias vienen de benchmarks internos. Las mediciones de Artificial Analysis y Arena son la evidencia más sólida disponible hoy, y cuentan una historia más matizada: competitivo en código agéntico, rezagado en ciencia.

El tercero es la credibilidad del lanzamiento. Hacia el final de la discusión recogida por Latent Space aparecieron acusaciones de instrucciones para omitir la etiqueta de promoción pagada en reseñas. No hay respuesta de Moonshot ni autenticación independiente del briefing en el material disponible. En paralelo, The Next Web recuerda que en julio la Casa Blanca acusó a la compañía de usar chips Nvidia prohibidos y de copiar un modelo de Anthropic, y TechCrunch reportó en septiembre que Anthropic acusó a Moonshot de una campaña de destilación con casi 300.000 solicitudes enrutadas a Claude Opus. Son acusaciones, no hallazgos establecidos, pero forman parte del contexto de riesgo de depender de este proveedor.

Conclusión

Kimi K3.1 Pro es el primer modelo de pesos abiertos que compite de forma creíble con la frontera cerrada en tareas de código y agentes, y lo hace con precios por token un tercio más bajos que su generación anterior. Eso es una noticia relevante para cualquier equipo que esté evaluando alternativas a las APIs propietarias, sobre todo en LATAM y España, donde el costo de inferencia pesa directamente en el margen.

Pero la decisión no se toma con la tabla de precios ni con el titular. Se toma midiendo tu propia carga de trabajo: cuántos tokens consume el modelo para resolver tu tarea, cuánto tarda, y si tu producto tolera un modelo que siempre piensa antes de responder. El 4 de noviembre, cuando lleguen los pesos y se conozca la licencia, habrá una segunda ronda de preguntas: qué se puede hacer realmente con ellos y a qué costo de infraestructura.

Fuentes

• Latent Space — AINews: Kimi K3.1 Pro
• Marktechpost — Moonshot AI Releases Kimi K3.1 Pro
• The Next Web — Moonshot releases Kimi K3.1 Pro and says it cut its hacking skills
• AIHubMix en note.com — What has changed in Kimi K3.1 Pro from K3
• 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