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.

Las puntuaciones independientes también han llegado, y son sólidas, aunque no un éxito absoluto. Kimi K3 obtiene 57 en el Intelligence Index de Artificial Analysis, por delante de todos los demás modelos open-weight y por detrás de solo tres modelos cerrados. A continuación encontrarás las especificaciones verificadas, lo que la licencia permite en la práctica, las tarifas oficiales de la API que Moonshot ha publicado y una valoración honesta de cómo K3 se compara con Claude Opus 5.

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, la misma tarifa principal que Claude Sonnet 5.
• Obtiene 57 en el Intelligence Index de Artificial Analysis, el mejor resultado open-weight, con GLM-5.2 en segundo lugar con 51.

¿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 es el modelo abierto más grande publicado hasta la fecha, muy por encima del V4-Pro de DeepSeek con 1,6 billones. El diseño Mixture-of-Experts implica que solo una pequeña fracción de esos parámetros se activa en cada token, por lo que el coste computacional efectivo queda muy por debajo de lo que sugiere el número bruto. Activar 16 de 896 expertos es una ratio de dispersión inusualmente alta. Esa decisión es fundamental para entender cómo Moonshot extrajo un 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.

La adopción fue inmediata. Un día después de que los archivos estuvieran disponibles, el repositorio mostraba aproximadamente 99.000 descargas y más de 7.300 me gusta, contados el 28 de julio de 2026. Para un checkpoint que casi nadie puede alojar en su propia máquina, eso es mucho tráfico, y gran parte provendrá de proveedores de inferencia, proyectos de cuantización y laboratorios de investigación, no de usuarios individuales.

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.

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 se eliminan para el uso puramente interno, es decir, cualquier uso que nunca exponga el modelo o sus resultados 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. Por eso GLM y su licencia MIT sigue ganando en libertad de licencia aunque K3 gane en capacidad.

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. Es suficiente para contener una base de código completa, una pila de documentos extensos o una ejecución larga de un agente multipasos sin perder el hilo. También iguala la ventana que Anthropic ofrece con Claude Opus 5 y Sonnet 5, por lo que la ventaja en contexto largo que Kimi solía tener sobre los modelos cerrados de frontera 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 text-first de K2 a un territorio verdaderamente multimodal. La lista de modelos de Moonshot indica claramente que K3, K2.7 Code y K2.6 aceptan entrada de vídeo, y la ficha del modelo reporta 90,0 en Video-MME con subtítulos. El razonamiento está siempre activo, y el parámetro reasoning_effort ahora admite low, high y max, siendo max el valor por defecto. En el lanzamiento solo estaba disponible max, así que los niveles de esfuerzo prometidos han llegado.

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 puntúa a Kimi K3 con 57 en su Intelligence Index. Entre las 264 filas de ese ranking, exactamente seis variantes puntúan más alto, y pertenecen a solo tres modelos: Claude Opus 5 con 61, Claude Fable 5 con 60 y GPT-5.6 Sol con 59. En la competición open-weight no hay discusión: GLM-5.2 queda segundo con 51 y DeepSeek V4 Pro con 44.

El mismo ranking puntúa a K3 con 50,1 en su Agentic Index y 76,2 en codificación, en ambos casos el mejor resultado open-weight y en ambos casos por detrás de Opus 5 y GPT-5.6 Sol. Un número corta en la otra dirección: la velocidad de salida. Artificial Analysis mide a K3 en unos 33 tokens por segundo, frente a 55 de Opus 5 y 81 de GPT-5.6 Sol, por lo que K3 es el modelo más lento del grupo de frontera.

En el ranking WebDev de Arena, donde los humanos votan a ciegas sobre interfaces generadas, K3 obtuvo 1.681,6 puntos con el corte de votos del 27 de julio. Eso es segundo en general, por detrás de Claude Opus 5 con 1.725,3 y por delante de Claude Fable 5 con 1.629,1, GPT-5.6 Sol con 1.623,1 y GLM-5.2 con 1.586,8. K3 ocupó el primer puesto en el lanzamiento, antes de que Opus 5 llegara el 24 de julio y lo tomara.

El ranking Agent de Arena, que evalúa cómo los modelos orquestan herramientas en tareas reales, sitúa actualmente a Kimi K3 en el primer puesto con 0,148, por delante de Claude Fable 5 con 0,099 y GLM 5.2 con 0,091. Ese dato hay que leerlo con cautela, porque Claude Opus 5 todavía no aparece en ese ranking. En el ranking general de texto, K3 se sitúa en el número 11 con 1.485,8 puntos de 3.559 votos, un recordatorio de que la preferencia en chat y la capacidad agéntica no son lo mismo.

Benchmarks de codificación propios de Moonshot

Moonshot publicó una amplia suite comparando Kimi K3 con Claude Fable 5, GPT-5.6 Sol, Claude Opus 4.8, GPT-5.5 y GLM-5.2, todos ejecutados con el máximo esfuerzo de razonamiento. Son las propias ejecuciones del fabricante, con K3 evaluado en el harness de Kimi Code en varias filas, así que trátalos como afirmaciones de Moonshot, 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. 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

La comparación que todos hacen es Kimi K3 vs Claude, y la rivalidad cambió el 24 de julio cuando Anthropic lanzó Claude Opus 5. La tabla de lanzamiento de Moonshot se construyó contra Claude Opus 4.8, que era el modelo insignia activo en ese momento, así que esas columnas anteriores siguen atribuidas a la versión 4.8. Para una decisión que tomes hoy, Opus 5 es el modelo al otro lado de la tabla.

En precio, K3 gana con claridad: $3 / $15 frente a $5 / $25 de Opus 5 y $10 / $50 de Fable 5. En capacidad medida, Opus 5 lidera, cuatro puntos por encima en el Intelligence Index de Artificial Analysis y 44 puntos en el ranking WebDev de Arena. Anthropic no publica ninguna cifra de SWE-bench para Opus 5, así que quien te cite una no te está citando a Anthropic.

La diferencia real no está en la puntuación, sino en lo que puedes poseer. Opus 5 es el modelo más potente y el estándar más seguro para codificación en producción, y es el nuevo modelo predeterminado de Anthropic en Claude Max. K3 es el que puedes descargar, auditar, ajustar y ejecutar dentro de tu propia red, algo que ningún modelo de Claude permite a ningún precio. Si estás eligiendo entre modelos insignia para una tarea concreta, nuestra guía sobre cuándo usar cada modelo de IA desglosa la decisión tarea a tarea.

Precios de Kimi K3

Moonshot ha publicado ya las tarifas oficiales, lo que deja atrás las estimaciones de terceros que circularon en el lanzamiento. Los precios de Kimi K3 son $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 descuento del 90% que importa mucho si reenvías repetidamente el mismo contexto largo.

Esas tarifas sitúan a K3 exactamente al mismo precio principal que Claude Sonnet 5, que también corre a $3 de entrada y $15 de salida, mientras obtiene cuatro puntos más en el Intelligence Index de Artificial Analysis. Frente a los dos modelos de Claude que lo superan en puntuación, K3 es un 40% más barato que Opus 5 y un 70% más barato que Fable 5. La herramienta integrada de búsqueda web se factura aparte a $0,005 por llamada exitosa, aunque Moonshot actualmente señala esa herramienta como en revisión y desaconseja depender de ella a corto plazo.

K3 supone un claro salto de coste respecto a la línea K2, lo que refleja su mayor tamaño y el razonamiento siempre activo. Si tu carga de trabajo no necesita escala de nivel frontera, K2.6 o K2.7 Code siguen siendo mucho más baratos. En la plataforma de la API, K3 está disponible una vez que hayas realizado una recarga exitosa de al menos $1, y tu recarga acumulada establece tus límites de velocidad. Nuestro desglose completo de precios de Kimi compara todos los planes y tarifas de la API uno a uno.

La demanda ha superado el hardware de Moonshot. El 20 de julio de 2026, la empresa suspendió las nuevas suscripciones de Kimi. Dijo que la demanda de las 48 horas anteriores había «rozado los límites de su capacidad actual» y que «reabrirá plazas de suscripción en lotes» a medida que añada hardware, según una declaración recogida por el South China Morning Post. Los suscriptores existentes mantuvieron su acceso. La presión no ha cedido del todo. Moonshot está terminando ahora su bonificación de recarga del lanzamiento de K3 el 29 de julio de 2026 en lugar del 12 de agosto como estaba previsto, y su propia documentación de precios señala como motivo las recientes restricciones de recursos de cómputo.

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 de Pekín fundada en 2023 por Yang Zhilin. Según se informa, la empresa está recaudando entre $1.000 millones y $2.000 millones en una nueva ronda que la valoraría en hasta $31.500 millones. Eso es aproximadamente un 50% más que los $20.000 millones que alcanzó en mayo, cuando recaudó $2.000 millones. Si la ronda cierra en el objetivo, supondría un aumento de siete veces en la valoración desde diciembre de 2025, cuando Moonshot valía algo más de $4.000 millones. Ya hay una cifra mayor en la recámara. Bloomberg informó el 22 de julio de que Moonshot planea una ronda final pre-OPI con una valoración pre-dinero de hasta $50.000 millones, con conversaciones que comenzarán en agosto y una posible salida a bolsa en Hong Kong en los próximos seis meses.

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.

Cuatro puntos en el Intelligence Index de Artificial Analysis separan a K3 de Claude Opus 5, pero seis puntos separan a K3 del mejor modelo abierto anterior. El campo abierto avanzó más este mes que el campo cerrado.

El contexto de negocio deja clara la ambición. La familia Kimi de Moonshot superó supuestamente los $300 millones en ingresos recurrentes anualizados a mediados de junio y, según el informe de lanzamiento de TechCrunch, la empresa está recaudando capital nuevo a una valoración reportada de $31.500 millones, con una ronda pre-OPI mayor en perspectiva. Un laboratorio bien financiado que publica un modelo abierto gigante a precios agresivos es exactamente el tipo de presión que remodela lo que cobra todo el mundo. Para ver cuánto de rápido avanza el lado cerrado, nuestra guía sobre cómo sacar el máximo partido a GPT-5.6 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 realmente, y los precios son oficiales y bajos. Los rankings independientes confirman ahora que es el modelo abierto más potente que existe, con una ventaja clara. Lo que no es el mejor modelo que existe, y Moonshot lo dice él mismo.

Nuestra recomendación: usa K3 cuando lo que necesitas son pesos abiertos, coste reducido o un contexto de un millón de tokens. Mantén Claude Opus 5 para la codificación en producción más exigente, donde sigue liderando en todos los rankings independientes que han evaluado ambos. Si quieres la versión práctica de ese compromiso, nuestra reseña de Claude Opus 5 cubre lo que el lado cerrado ofrece ahora por $5 por millón de tokens.

Kimi K3 merece una comparación directa. Con Fello AI, puedes ejecutar Kimi junto a Claude, GPT-5.6, Gemini, DeepSeek y Perplexity en una sola app nativa para Mac, iPhone e iPad. Envía la misma tarea de codificación o investigación a todos los modelos de frontera a la vez y comprueba cuál gana realmente con tu trabajo, sin malabarismos con cuentas separadas. Cuando llega un modelo abierto tan capaz, la forma más rápida de evaluarlo es una prueba en paralelo.

Preguntas frecuentes