Kimi K3: el modelo open-weight de 2,8T de Moonshot explicado, especificaciones, precios y benchmarks

Moonshot AI publicó el conjunto completo de pesos de Kimi K3 el 27 de julio de 2026, once días después de que el modelo se pusiera en marcha en la app de Kimi. El repositorio de Hugging Face contiene 96 fragmentos safetensors con un total de aproximadamente 1,56 TB. Con 2,8 billones de parámetros en total y 104.000 millones activos por token, K3 es el modelo abierto más grande que se ha publicado hasta la fecha. Moonshot lo califica como el primer modelo abierto de clase 3T del mundo, y esa afirmación ya tiene un botón de descarga detrás.

El panorama independiente se ha movido mucho desde el lanzamiento, y no a favor de K3. Kimi K3 ahora obtiene 43,6 en el Intelligence Index de Artificial Analysis v4.3.2, lo que lo deja tercero entre los modelos open-weight en lugar de primero, por detrás del MiMo-V2.6-Pro de Xiaomi con 46,3 y del GLM-5.3 de Z.ai con 44,8. Los rankings donde votan personas dicen lo contrario, y K3 sigue liderando el campo abierto en los dos. A continuación encontrarás las especificaciones verificadas, lo que la licencia permite en la práctica, las tarifas oficiales de la API y una valoración honesta de cómo K3 se compara con Claude Opus 5.5, que el 22 de septiembre de 2026 sustituyó a Opus 5 como modelo por defecto de Anthropic.

Los puntos clave

• Los pesos abiertos se publicaron el 27 de julio de 2026, con 96 fragmentos y unos 1,56 TB en Hugging Face, bajo la licencia personalizada Kimi K3 License, no MIT.
• Arquitectura Mixture-of-Experts con 2,8 billones de parámetros en total, 104.000 millones activados por token y una ventana de contexto de 1.048.576 tokens.
• Acepta entrada de texto, imagen y vídeo, razona siempre y ahora expone niveles de esfuerzo de razonamiento bajo, alto y máximo, no solo máximo.
• El precio oficial de la API es de $3,00 por millón de tokens de entrada y $15,00 de salida, bajando a $0,30 en la entrada en caché, con la escritura en caché facturada aparte a $3,00 o $6,00 según cuánto viva la entrada.
• Obtiene 43,6 en el Intelligence Index de Artificial Analysis v4.3.2, tercero entre los open-weight por detrás de MiMo-V2.6-Pro con 46,3 y GLM-5.3 con 44,8, pero sigue siendo el modelo abierto mejor situado en los rankings donde votan personas.

¿Qué es Kimi K3?

Kimi K3 es el modelo de lenguaje grande insignia de Moonshot AI, lanzado el 16 de julio de 2026 y publicado como pesos abiertos el 27 de julio. Utiliza una arquitectura Mixture-of-Experts con 2,8 billones de parámetros en total, de los cuales 104.000 millones se activan en cada token, y admite una ventana de contexto de 1 millón de tokens. La documentación oficial de Moonshot confirma que acepta entrada de texto, imagen y vídeo.

La brecha entre el lanzamiento y la publicación de los pesos fue planificada, y Moonshot lo dijo en su momento. La entrada de lanzamiento prometía los archivos «antes del 27 de julio de 2026» mientras el equipo trabajaba «en estrecha colaboración con socios de inferencia y responsables de mantenimiento open-source para alinear los detalles técnicos y garantizar una implantación fiable en todo el ecosistema». El informe técnico se publicó junto con los pesos, no después.

Con 2,8 billones de parámetros, Kimi K3 sigue siendo el modelo abierto más grande publicado hasta la fecha, aunque el margen se ha estrechado desde julio: el Qwen3.8 2.4T A95B de Alibaba declara 2,45 billones, mientras que el rival más cercano solía ser el V4-Pro de DeepSeek con 1,6 billones. El diseño Mixture-of-Experts significa que solo una fracción pequeña de esos parámetros se activa en cada token, así que el coste real de cómputo queda muy por debajo de lo que sugiere la cifra bruta. Activar 16 de 896 expertos es una proporción de dispersión inusualmente alta. Esa decisión es clave para entender cómo Moonshot exprimió rendimiento de frontera de la arquitectura.

Pesos abiertos de Kimi K3: qué se publicó exactamente

Esto es lo que cambió el 27 de julio, y es la razón por la que K3 importa más que su línea de benchmarks. Todos los demás modelos en este nivel de capacidad son una API que alquilas. K3 es un archivo que puedes tener.

Qué contiene el repositorio

El repositorio de Hugging Face contiene 120 archivos, de los cuales 96 son fragmentos safetensors, y la descarga completa suma aproximadamente 1,56 TB. Moonshot publica el modelo con pesos MXFP4 nativos y activaciones MXFP8, aplicados mediante entrenamiento con reconocimiento de cuantización desde la fase de ajuste fino supervisado. Por eso un modelo de 2,8 billones de parámetros cabe en 1,56 TB en lugar de varias veces eso, y significa que no estás descargando una cuantización de la comunidad con pérdidas, sino exactamente lo que Moonshot entrenó.

El tirón fue inmediato y no se detuvo. Un día después de subir los archivos, el repositorio mostraba unas 99.000 descargas y más de 7.300 me gusta, contados el 28 de julio de 2026. A 24 de septiembre, Hugging Face informaba de 1,86 millones de descargas en el mes anterior y 11.500 me gusta. Para un checkpoint que casi nadie puede alojar en su propia máquina, eso es mucho tráfico, y buena parte vendrá de proveedores de inferencia, proyectos de cuantización y laboratorios de investigación más que de particulares.

Moonshot recomienda tres motores de inferencia como entornos de ejecución, vLLM, SGLang y TokenSpeed, cada uno con su propia receta publicada para K3. El informe técnico se publicó junto con los pesos, no después, por lo que los detalles de la arquitectura también son públicos.

La Kimi K3 License no es MIT

Lee esto antes de planificar un producto sobre ella.

La licencia concede los derechos habituales de uso, copia, modificación, distribución, sublicencia, ajuste fino y venta, lo que para la mayoría de los lectores se parece a MIT. Sin embargo, dos cláusulas añaden condiciones que MIT no tiene. Tencent tomó el camino contrario el 28 de agosto de 2026 y publicó los pesos de 770B de Hy4 Preview bajo la licencia Apache 2.0 sin modificar.

La primera es una limitación de ingresos sobre la reventa. Si gestionas un negocio de model-as-a-service y tus ingresos superan los $20 millones en cualquier periodo de 12 meses consecutivos, debes firmar un acuerdo separado con Moonshot antes de utilizar K3 comercialmente. La segunda es una regla de atribución. Cualquier producto basado en K3 con más de 100 millones de usuarios activos mensuales o más de $20 millones en ingresos mensuales debe mostrar el nombre «Kimi K3» de forma destacada en su interfaz.

Ambas condiciones decaen en el uso puramente interno, es decir, cualquier cosa que nunca exponga el modelo ni sus salidas a terceros. Para un desarrollador individual, una startup o un grupo de investigación, el efecto práctico es nulo. Para un hiperescalador que revende inferencia, es una negociación. Ese intercambio solía ser todo el argumento a favor de K3: capacidad puntera a cambio de una licencia que hay que leer con atención. Hoy es un argumento más débil, porque en el índice de Artificial Analysis hay dos modelos abiertos por encima de K3, y uno de ellos, el MiMo-V2.6-Pro de Xiaomi, sale bajo MIT sin condiciones. El otro es la línea GLM de Z.ai, donde el buque insignia GLM-5.3 lleva su propia licencia a medida y solo GLM 5.3 Flash es MIT.

Qué se necesita para ejecutar Kimi K3 por tu cuenta

Que sea descargable no significa que sea ejecutable. Un checkpoint de 1,56 TB necesita un clúster GPU multinodo para servir a contexto completo, así que «puedes alojarlo tú mismo» es cierto para laboratorios y equipos de infraestructura serios, no para alguien con una única estación de trabajo. Si quieres un modelo abierto que puedas ejecutar realmente en tu propio hardware, los modelos Kimi más pequeños y GLM siguen siendo las opciones realistas. Nuestro resumen de los mejores modelos de IA open source los clasifica según los requisitos de hardware.

La arquitectura detrás del salto

Moonshot reporta una mejora de aproximadamente 2,5x en la eficiencia global de escalado respecto a Kimi K2. En términos simples, K3 convierte el cómputo bruto en inteligencia utilizable de forma mucho más eficaz que la generación anterior. Tres cambios concentran la mayor parte del peso, y los tres están documentados en el informe técnico público.

Kimi Delta Attention

Kimi Delta Attention (KDA) es un mecanismo de atención lineal híbrido. 69 de las 93 capas del modelo lo utilizan, mientras las 24 restantes ejecutan Gated MLA. La atención estándar se vuelve más lenta y consume más memoria a medida que las secuencias crecen, que es exactamente el problema con un millón de tokens. Moonshot reporta que KDA permite una decodificación hasta 6,3 veces más rápida en contextos de un millón de tokens, lo que importa para el trabajo agéntico donde un modelo lee y razona repetidamente sobre grandes bloques de código o documentos.

Attention Residuals

Attention Residuals (AttnRes) abordan cómo se mueve la información a través de la profundidad de la red, no a lo largo de la longitud de la secuencia. En lugar de acumular representaciones uniformemente capa a capa, AttnRes recupera representaciones selectivamente a través de la profundidad. Moonshot dice que esto proporciona una eficiencia de entrenamiento aproximadamente 25% mayor añadiendo menos del 2% de cómputo adicional, y publicó la técnica como open-source a principios de 2026 antes de incorporarla a K3.

Stable LatentMoE y entrenamiento MXFP4

La tercera pieza es el framework Stable LatentMoE, que hace entrenable la agresiva dispersión de 16 de 896 expertos sin la inestabilidad que suele aparecer al llevar MoE tan lejos. Junto a él está la decisión de entrenar en MXFP4 desde la fase de ajuste fino en lugar de cuantizar después, que es lo que mantiene los pesos publicados a la vez compactos y fieles al modelo que Moonshot evaluó.

Una demostración que Moonshot destacó es reveladora. El equipo apuntó K3 a optimizar su propio kernel de entrenamiento AttnRes a escala de producción: 96 capas, un modelo de 8.192 dimensiones y 8.192 tokens. A lo largo de 15 horas de iteración continua, K3 diseñó un novedoso algoritmo de kernel de dos fases, fusionó kernels preservando la aritmética y redujo el tiempo de avance más retroceso de 283,6 ms a 114,4 ms. Eso es el tipo de tarea de ingeniería de largo alcance en la que la mayoría de los modelos se bloquean en minutos.

Una ventana de contexto de 1 millón de tokens

Kimi K3 maneja hasta 1.048.576 tokens en un solo contexto, aproximadamente cuatro veces la ventana de 256K de K2.6. Eso basta para sostener una base de código entera, una pila de documentos largos o una ejecución de agente de muchos pasos sin perder el hilo. También iguala la ventana de 1M que Anthropic documenta por igual para Claude Opus 5.5, Fable 5.1 y Sonnet 5, así que la ventaja en contexto largo que Kimi tenía sobre los buques insignia cerrados se ha reducido a un empate.

Entrada multimodal y razonamiento siempre activo

K3 acepta texto, imágenes y vídeo, lo que lo lleva más allá de la línea K2, centrada en texto, hasta un terreno multimodal de verdad. La propia guía rápida de K3 de Moonshot documenta la entrada de vídeo a través de la API de archivos, y la ficha del modelo reporta 90,0 en Video-MME con subtítulos. El razonamiento está siempre activo, y el parámetro reasoning_effort ya admite low, high y max, con max por defecto. En el lanzamiento solo estaba max, así que los niveles de esfuerzo prometidos han llegado desde entonces.

Rendimiento de Kimi K3 en benchmarks

Aquí conviven dos preguntas distintas. ¿Qué dicen los rankings independientes sobre Kimi K3 y qué afirma la propia suite de evaluación de Moonshot? El panorama independiente solo llegó tras el lanzamiento, por lo que es el mejor punto de partida, y los números del fabricante tienen más sentido una vez que lo has visto.

Qué dicen los rankings independientes

Artificial Analysis ahora puntúa a Kimi K3 con 43,6 en el Intelligence Index v4.3.2, leído en su página de modelo el 24 de septiembre de 2026. La mayor parte de la caída desde los 57 que este artículo dio al principio es un reescalado y no un retroceso, porque el índice pasó por v4.2 y v4.3 en septiembre y todas las puntuaciones del ranking bajaron con él. Lo que sí ha cambiado es la compañía que rodea a K3. Claude Opus 5.5 está en 57,6, Claude Fable 5.1 en 53,4 y GPT-6 Astra en 52,7, y entre los open-weight K3 es ahora tercero, por detrás de MiMo-V2.6-Pro con 46,3 y GLM-5.3 con 44,8.

Dos de los números que este artículo citaba ya no existen. Artificial Analysis fundió su Agentic Index en el índice principal y después retiró el Coding Index por completo, así que ninguno de los dos compuestos se puede actualizar. Lo que queda es velocidad y coste, y los dos siguen yendo en contra de K3. Artificial Analysis lo mide en unos 37 tokens por segundo, frente a 54 de Claude Opus 5 y 116 de GPT-6 Sol, lo que lo convierte en el modelo más lento del grupo de frontera. Cobra $2,00 por tarea del Intelligence Index, frente a $5,98 de Opus 5.5 y $0,13 de MiMo-V2.6-Pro.

En el ranking WebDev de Arena, donde los humanos votan a ciegas sobre interfaces generadas, K3 se sitúa ahora en 1.659,6 puntos con 13.252 votos, leído el 24 de septiembre de 2026. Eso es noveno en general y primero entre los modelos open-weight. Las ocho entradas que tiene por encima son todas cerradas: Claude Opus 5.5 con 1.818,4, GPT-6 Astra con 1.792,2, Claude Fable 5.1 con 1.754,7, dos niveles de esfuerzo de Claude Opus 5, GPT-6 Sol con 1.685,9 y dos instantáneas de Qwen3.8 Max. K3 ocupó el primer puesto en el lanzamiento, así que este es un ranking en el que lo han adelantado, no uno del que se haya caído.

El ranking Agent de Arena, que evalúa cómo los modelos orquestan herramientas en tareas reales, ahora publica también una posición global, y coloca a Kimi K3 octavo con +0,062, a la cabeza del campo abierto y por delante del Hy4 Preview de Tencent, DeepSeek V4.1 Flash y las dos entradas de GLM. Las cinco señales que lo componen merecen leerse por separado: K3 es quinto en finalización de tareas, la señal que dice si el trabajo salió adelante, pero decimoséptimo en dirigibilidad y decimonoveno en recuperarse de un comando de shell fallido. En el ranking general de texto se sitúa en el número 17 de 125 con 1.484,8 puntos de 20.987 votos. MiMo-V2.6-Pro, el modelo que ahora lo supera en el índice, no tiene ni un voto en Arena.

Benchmarks de codificación propios de Moonshot

Moonshot publicó esta batería en el lanzamiento, en julio de 2026, comparando Kimi K3 con Claude Fable 5, GPT-5.6 Sol, Claude Opus 4.8, GPT-5.5 y GLM-5.2, todos con el máximo esfuerzo de razonamiento. Léela como una foto de julio: todos los modelos cerrados que aparecen han sido sustituidos desde entonces, y la fila de Terminal-Bench es la versión 2.1, que el sector ha reemplazado por la mucho más dura 4.0. Además son ejecuciones del propio fabricante, con K3 evaluado en el harness de Kimi Code en varias filas, así que trátalas como afirmaciones de Moonshot y no como resultados independientes.

Leyendo esto directamente, Kimi K3 gana ProgramBench y SWE-Marathon de forma clara y se queda a medio punto del líder en Terminal-Bench 2.1. En FrontierSWE queda segundo detrás de Fable 5, pero muy por delante del resto. Las propias notas de Moonshot añaden una advertencia que conviene tener en cuenta: Claude Fable 5 activó salvaguardas de seguridad en el 35% de las tareas de SWE-Marathon en esa evaluación, lo que pudo haber arrastrado su puntuación.

Benchmarks agénticos y de trabajo del conocimiento

Kimi K3 lidera BrowseComp, MCPMark, SpreadsheetBench 2 y AutomationBench, y queda segundo en AA-Briefcase, el benchmark agéntico de largo alcance, superando a GPT-5.6 Sol y quedando solo por detrás de Fable 5. Una nota importa en BrowseComp: ese 91,2 usa una estrategia de compactación de contexto que se activa a los 300K tokens. Con la ventana completa de 1M y sin gestión de contexto, K3 obtiene 90,4, que sigue siendo el mejor número de la columna.

En uso del ordenador, Fable 5 y GPT-5.6 Sol superan a K3 en OSWorld 2.0, por lo que el modelo abierto no lidera en todos los frentes. Obtuvo 93,5% en GPQA Diamond, al mismo nivel que GPT-5.5 y por delante de los 91,2 de GLM-5.2, y 94,6 en Harvey Lab-AA, la mejor puntuación de esa fila entre todos los modelos de la tabla.

El propio resumen de Moonshot es más contenido que la cobertura mediática. Su blog de lanzamiento dice que el rendimiento general de K3 «sigue por detrás de los modelos propietarios más potentes, Claude Fable 5 y GPT 5.6 Sol», al tiempo que demuestra un rendimiento de nivel frontera en toda la suite. Esa frase sigue en la página dos meses después, y los dos modelos que nombra han sido reemplazados desde entonces, por Claude Fable 5.1 y GPT-6 Sol. Cuando un laboratorio no exagera los resultados de su propio modelo, ese suele ser el número en el que confiar.

Kimi K3 vs Claude Opus 5.5

La comparación que todo el mundo hace es Kimi K3 vs Claude, y el lado de Claude se ha movido dos veces desde que K3 salió. Anthropic lanzó Claude Opus 5 el 24 de julio, y por eso la tabla de lanzamiento de Moonshot de arriba sigue atribuida a Opus 4.8. Después, el 22 de septiembre, lanzó Claude Opus 5.5 y movió Opus 5 a su lista Legacy. Para una decisión que tomes hoy, Opus 5.5 es el modelo que está al otro lado de la mesa, y es a la vez más barato y más fuerte que el Opus 5 contra el que se escribió esta comparación.

En precio, K3 sigue ganando, pero por menos que antes: $3 / $15 frente a $4 / $20 de Opus 5.5, un 25% más barato donde le sacaba un 40% a Opus 5, y frente a $10 / $50 de Fable 5.1. En capacidad medida, la brecha se fue al otro lado: de cuatro puntos a catorce en el Intelligence Index de Artificial Analysis, y Opus 5.5 lidera el ranking WebDev de Arena por 159 puntos. Anthropic no publica cifra de SWE-bench para ninguno de los dos Opus, así que quien te cite una no te está citando a Anthropic.

La verdadera diferencia no es la puntuación, es lo que puedes poseer. Opus 5.5 es el modelo más fuerte y la opción por defecto más segura para programar en producción, y la propia documentación de Anthropic ya recomienda a quien desarrolla empezar por él en la mayoría de cargas de trabajo. K3 es el que puedes descargar, auditar, afinar y ejecutar dentro de tu propia red, algo que ningún modelo de Claude permite a ningún precio. Si estás eligiendo entre buques insignia para un trabajo concreto, nuestra guía sobre cuándo usar cada modelo de IA desglosa la decisión tarea por tarea.

Precios de Kimi K3

Moonshot ya ha publicado tarifas oficiales, lo que retira las estimaciones de terceros que circularon en el lanzamiento. El precio de Kimi K3 es de $3,00 por millón de tokens de entrada y $15,00 por millón de tokens de salida, con la entrada en caché a $0,30, un 90% de descuento que importa mucho si reenvías una y otra vez el mismo contexto largo. K3 también cobra la escritura en caché en sí, $3,00 por una entrada de cinco minutos o $6,00 por una de una hora, algo que los modelos K2 no hacen.

Esas tarifas ya no coinciden con Claude Sonnet 5, que corre a $2 de entrada y $10 de salida, así que K3 es un 50% más caro en las dos mitades de la factura, aunque puntúa unos cinco puntos por encima en el Intelligence Index de Artificial Analysis. Frente a los dos modelos de Claude que lo superan en puntuación, K3 es un 25% más barato que Opus 5.5 y un 70% más barato que Fable 5.1. La búsqueda web también ha cambiado de forma. Moonshot la movió a endpoints REST independientes en septiembre y solo factura las llamadas exitosas, a $0,002 en Web Search Basic, $0,003 en Web Search Pro y $0,002 en URL Fetch.

K3 es un salto claro de coste respecto a la línea K2, lo que refleja su mayor huella y su razonamiento siempre activo. Si tu carga de trabajo no necesita escala de frontera, K2.6 o K2.7 Code siguen siendo mucho más baratos, y kimi-k2.5 ya no es una opción: Moonshot lo retiró junto con toda la serie moonshot-v1 el 31 de agosto de 2026, y las llamadas a esos modelos devuelven ahora un 404. En la plataforma de API, K3 queda disponible en cuanto haces una recarga válida de al menos $1, $5 acumulados dan un vale de $5, y tu recarga acumulada fija tus límites de uso. Nuestro desglose completo de precios de Kimi compara cada plan y tarifa de API en paralelo.

La demanda superó al hardware de Moonshot casi de inmediato. El 19 de julio de 2026, tres días después del lanzamiento, la empresa pausó las nuevas suscripciones de Kimi, diciendo que la demanda de las 48 horas anteriores había «empujado cerca de los límites de nuestra capacidad actual» y que iría «reabriendo plazas de suscripción por lotes» a medida que añadiera hardware, en una declaración recogida por el South China Morning Post. Los suscriptores existentes conservaron su acceso, y ese mismo mensaje prometía dividir la membresía en Kimi Membership para la web, la app y Work, y Kimi Code Membership para programar. El descuento de recarga de lanzamiento que Moonshot acortó por la misma razón ha desaparecido de la documentación de precios. Lo que la documentación sí registra, con fecha de septiembre de 2026, es un cambio de facturación: el consumo se descuenta ahora a partes iguales, un 50% de saldo y un 50% de vales.

Cómo usar Kimi K3

Hay cuatro formas de acceder a Kimi K3 ahora que los pesos son públicos, y cuál encaja depende de si quieres una ventana de chat, un agente de terminal, una API o los archivos en bruto. Este es el orden práctico.

1. App y Playground de Kimi. La vía más rápida es la app de Kimi o el Playground web, donde K3 está disponible para los usuarios con sesión iniciada. Esta es la opción sin código para probar el modelo con tus propios prompts.
2. Kimi Code CLI. Moonshot dice que K3 funciona mejor dentro de su propio agente de terminal, donde eliges el modelo con el comando /model. K3 también se integra en Codex CLI, Claude Code, OpenCode y Hermes Agent a través de las integraciones documentadas de Moonshot.
3. La API. Los desarrolladores llaman a kimi-k3 a través de la plataforma de la API de Kimi, que ofrece endpoints compatibles con OpenAI y con Anthropic. Admite llamadas a herramientas, salida estructurada con esquema JSON, caché de contexto y el control reasoning_effort, y K3 también aparece en agregadores como OpenRouter.
4. Pesos abiertos. El checkpoint completo está en Hugging Face bajo la Kimi K3 License, y Moonshot recomienda vLLM, SGLang o TokenSpeed para servirlo. Calcula la descarga de 1,56 TB y el hardware multinodo que necesita.

¿Prefieres no gestionar una suscripción separada para cada nuevo modelo? Apps como Fello reúnen los modelos de IA más potentes en un solo lugar, lo que ayuda mientras un lanzamiento como este se asienta. Para una visión más amplia del campo abierto, nuestro resumen de los mejores modelos de IA open source disponibles ahora mismo pone el linaje de K3 en contexto. Si estás valorando específicamente los modelos chinos abiertos, nuestro artículo sobre qué es GLM y cómo compite es un complemento útil.

El negocio detrás de Moonshot AI

Kimi K3 llega en un momento decisivo para Moonshot AI, la startup pequinesa fundada en 2023 por Yang Zhilin. En julio se informó de que la empresa estaba levantando entre 1.000 y 2.000 millones de dólares con una valoración de hasta 31.500 millones, alrededor de un 50% por encima de los 20.000 millones que alcanzó en mayo y unas siete veces lo que valía en diciembre de 2025. Esa cifra ya se ha quedado atrás. Reuters informó el 3 de septiembre de 2026 de que Moonshot había presentado de forma confidencial una salida a bolsa en Hong Kong, con el objetivo de captar 3.000 millones de dólares con una valoración de 50.000 millones en una ronda en curso, de la mano de Goldman Sachs, CICC y Deutsche Bank. Es la misma salida a bolsa que TechNode había señalado en julio como posible en seis meses, y Moonshot declinó comentar la presentación.

La estrategia open-source es central para ese impulso. Cuando Moonshot publicó Kimi K2.6 como open source en abril de 2026, se convirtió en el segundo modelo de lenguaje grande más utilizado en OpenRouter a mediados de 2026. Eso puso a un laboratorio fundado tres años antes por delante de la mayoría de los laboratorios occidentales de frontera en los rankings de uso independientes. Publicar los pesos de K3 extiende ese mismo enfoque a un modelo de clase frontera.

El momento no fue accidental. Kimi K3 llegó justo antes de la Conferencia Mundial de Inteligencia Artificial de 2026 en Shanghái, donde se esperaba que el presidente chino Xi Jinping expusiera las prioridades de IA de Pekín. Días después en esa misma conferencia, Alibaba presentó un avance de Qwen 3.8, su propio rival de 2,4 billones de parámetros. La reacción en Occidente fue una mezcla de asombro y alarma, con observadores señalando que China parece estar cerrando lo que antes era una cómoda ventaja estadounidense.

Por qué importa Kimi K3

Kimi K3 no es solo otro lanzamiento de modelo. Con los pesos públicos es el modelo open-weight más grande jamás publicado, poniendo en manos de los desarrolladores una capacidad de escala frontera que pueden descargar, inspeccionar y ejecutar por sí mismos. Eso es un desafío directo a los modelos cerrados de precio premium que han definido la cima del mercado.

La brecha que cierra es más estrecha de lo que sugiere el titular y más amplia de lo que parece.

Catorce puntos en el Intelligence Index de Artificial Analysis separan ahora a K3 de Claude Opus 5.5, y 2,7 puntos separan a K3 del modelo abierto que lo adelantó en septiembre. Hace dos meses la primera brecha era de cuatro puntos y la segunda iba en sentido contrario. El campo cerrado se movió más durante el verano que el campo abierto, y el campo abierto además cambió de líder.

El contexto de negocio deja clara la ambición. La familia Kimi de Moonshot habría superado los 300 millones de dólares de ingresos recurrentes anualizados a mediados de junio y, según el reportaje de lanzamiento de TechCrunch, la empresa estaba entonces levantando capital fresco con una valoración declarada de 31.500 millones de dólares. Dos meses después, esa misma ronda se cifra en 50.000 millones y con una salida a bolsa presentada detrás. Un laboratorio bien financiado que lanza un modelo abierto gigantesco a precios agresivos es exactamente el tipo de presión que redefine lo que cobran los demás. Para ver a qué velocidad se mueve el lado cerrado, nuestra guía de GPT-6 Sol y Luna es un contrapunto útil.

Conclusión

Kimi K3 cumplió lo que prometió. Los pesos son públicos, la licencia es viable para casi todo el que vaya a usarlos de verdad y el precio es oficial y bajo. Lo que no ha aguantado es la corona. Artificial Analysis ya no lo llama el modelo abierto más fuerte que existe y coloca por encima al MiMo-V2.6-Pro de Xiaomi y al GLM-5.3 de Z.ai, mientras que los votantes humanos de Arena siguen situando a K3 el primero entre los modelos abiertos en los dos rankings que lo han visto. Nunca fue el mejor modelo que existe, y Moonshot lo dice ella misma.

Nuestra recomendación: usa K3 cuando lo que necesites sean pesos abiertos, coste o un contexto de un millón de tokens, y cuando quieras un modelo abierto con historial real detrás y no una puntuación de benchmark de hace unos días. Ten Claude Opus 5.5 a mano para la programación de producción más dura, donde lidera todos los rankings independientes que han evaluado a los dos. Si quieres la versión práctica de ese equilibrio, nuestra reseña de Claude Opus 5.5 cubre lo que ofrece hoy el lado cerrado por $4 por millón de tokens de entrada.

Kimi K3 merece una comparación cara a cara. Con Fello AI puedes usar Kimi junto a Claude, GPT-6, Gemini, DeepSeek y Perplexity en una sola app nativa para Mac, iPhone y iPad. Manda la misma tarea de programación o investigación a todos los modelos de frontera a la vez y mira cuál gana de verdad con tu trabajo, sin hacer malabares con cuentas separadas. Cuando llega un modelo abierto tan capaz, la forma más rápida de juzgarlo es una prueba en paralelo. En un Mac es un cliente de escritorio nativo de Kimi, así que K3 se abre como cualquier otra app.

Preguntas frecuentes