Un modelo de clase tres billones lanzado con un solo ajuste

Moonshot AI sacó Kimi K3 al mundo el 16 de julio con una frase que ya le hace todo el marketing: el primer modelo abierto de clase 3T del mundo, diseñado para la inteligencia de frontera en programación de horizonte largo, trabajo de conocimiento y razonamiento. La especificación que hay detrás de la frase es real. K3 lleva 2,8 billones de parámetros totales en un diseño de mezcla de expertos que activa 16 de 896 expertos en cada token, construido sobre lo que Moonshot llama Kimi Delta Attention y Attention Residuals, y entrenado con conciencia de cuantización para que los pesos queden en MXFP4 y las activaciones en MXFP8. La ventana de contexto nativa es de un millón de tokens. La visión no es un añadido posterior; el modelo acepta imágenes y vídeo directamente.

El detalle que gobierna su factura no está en el anuncio. Está en la documentación de inicio rápido. Moonshot describe el razonamiento de K3 como configurable de forma nativa, con una profundidad de pensamiento que usted fija en cada llamada, y a continuación señala que el ajuste solo admite por ahora el nivel de esfuerzo máximo. Léalo dos veces, porque invierte el acuerdo habitual. En la mayoría de las API de frontera, el control de esfuerzo es la forma de comprar una respuesta barata a una pregunta barata. En K3, hoy hay una sola marcha. El modelo razona al máximo tanto en la petición trivial como en la difícil, y el contador no nota la diferencia.

Todo lo demás en la interfaz está construido para quien piensa gastar. El almacenamiento en caché del contexto funciona de forma automática, sin identificador de caché que gestionar y sin tiempo de vida que ajustar. Las definiciones de herramientas se cargan de forma dinámica en lugar de viajar en cada petición. La salida estructurada se valida conforme a un esquema. El streaming separa los tokens de razonamiento de los tokens de respuesta, de modo que usted puede ver al modelo pensar en un canal y escribir en otro. Son las características de un sistema que espera sesiones largas, caras y agénticas, y Moonshot ha construido las tripas justo para eso.

El modelo abierto que usted no puede descargar hasta el 27 de julio

La palabra abierto está haciendo once días de trabajo no remunerado. El anuncio de Moonshot afirma que los pesos completos de K3 se publicarán el 27 de julio. Hasta entonces, el primer modelo abierto de clase 3T del mundo es accesible por una sola vía: la API de pago de Moonshot, en los servidores de Moonshot, en Pekín, bajo las condiciones que estén vigentes esa mañana. Todas las propiedades que hacen que merezca la pena elegir un modelo de pesos abiertos, la capacidad de inspeccionarlo, de alojarlo dentro de su propio perímetro, de fijar una versión que nadie pueda retirarle bajo los pies, de marcharse sin una migración, llegan en la fecha posterior. Lo que llegó el 16 de julio es un producto cerrado con una publicación de código abierto programada.

La licencia tampoco ha aterrizado. Moonshot publicó la familia K2 bajo una licencia MIT modificada, que es la razón por la que K2 se convirtió en uno de los modelos de pesos abiertos genuinamente utilizables y no en uno de los meramente descargables, y la expectativa en el sector es que K3 siga el mismo camino, con un informe técnico junto a los pesos. Expectativa es la palabra correcta. No hay tarjeta de modelo publicada, ni texto de licencia, ni archivo de pesos, así que a una organización a la que ya le han dicho que el modelo es abierto le han dicho algo que está programado en lugar de algo que es cierto. La distancia entre esos dos estados es la totalidad de su revisión legal.

Esto no es una acusación de mala fe. Es un problema de calendario, y los problemas de calendario son los que reinician un proceso de compra sin hacer ruido. Un equipo que evalúe K3 esta semana está evaluando la API. Los hallazgos, las cifras de latencia, el coste por tarea, la calidad sobre su propia carga de trabajo, todo eso describe un servicio alojado. El 27 de julio aparece un artefacto distinto, y la posición honesta es que usted todavía no lo ha probado. Si el plan pasaba en algún momento por ejecutar K3 en su propio hardware, la evaluación que importa no ha empezado, y la que está haciendo ahora mide la infraestructura de otro.

Quince dólares el millón, y algunas respuestas tardan media hora

K3 cuesta 0,30 dólares por millón de tokens cuando hay acierto de caché, 3 dólares por millón cuando hay fallo de caché y 15 dólares por millón a la salida, o unos 0,26, 2,60 y 13 euros. La brecha de diez a uno entre un acierto y un fallo de caché es el número más escandaloso de esa lista, y es la razón por la que Moonshot hizo automático el almacenamiento en caché. Una carga de trabajo que reutiliza un prefijo largo, el mismo repositorio de código, el mismo documento de políticas, la misma ficha de cliente, paga una décima parte de lo que paga una carga que llega en frío. Una carga que reconstruye su contexto en cada llamada encuentra el camino caro ella sola, y nada en la API se lo va a advertir.

La salida es donde un modelo de solo esfuerzo máximo se pone interesante, porque los tokens de razonamiento son tokens de salida. Moonshot ha descrito K3 como un modelo construido para el razonamiento profundo antes que para la respuesta rápida, y hay informes de generaciones de más de 30 minutos en las tareas más pesadas. Un modelo que piensa al máximo por defecto, factura su pensamiento a 13 euros el millón y puede pasar media hora en una sola petición no tiene un precio por token que un equipo financiero pueda usar. Tiene un precio por tarea completada, y el único número que significa algo es lo que cuesta un trabajo terminado sobre su propia carga.

Así que mida la tarea, no el token. Coja diez trabajos reales de la cola, los que de verdad le pasaría a un modelo, ejecútelos de principio a fin y divida. Esa cifra es comparable a la tarifa diaria de un contratista y al modelo más barato que ya está ejecutando, y es la única cifra que sobrevive al contacto con un presupuesto. La tarifa por millón de la página de precios no le dice casi nada cuando el modelo decide por sí mismo cuánto tiempo piensa, y hoy no tiene ninguna instrucción para pensar poco.

Moonshot publicó las pruebas que pierde

La línea más útil del lanzamiento es la que concede. Moonshot afirma que, entre los modelos que probó, la inteligencia general de K3 queda segunda solo por detrás de Claude Fable 5 y GPT-5.6 Sol. Los laboratorios no están obligados a decir eso, y la mayoría encuentra un gráfico en el que salen primeros. Por debajo, los números son específicos y mixtos a propósito: GPQA-Diamond en 93,5, MathVision con Python en 97,8, Terminal Bench 2.1 en 88,3, DeepSWE en 67,5 y BrowseComp en 91,2. En las evaluaciones agénticas, Moonshot sitúa K3 por delante de la frontera ante la que por lo demás cede, con GDPval-AA v2 en 1687 frente a Claude Opus 4.8 Max en 1600, y AA-Briefcase en 1527 frente a GPT-5.6 Sol Max en 1495.

Lea esa forma en lugar de las puntuaciones sueltas. La afirmación no es que K3 sea el mejor modelo. La afirmación es que K3 está lo bastante cerca en inteligencia general y por delante en el trabajo largo, con uso de herramientas, de navegar y actuar, que es justo la carga para la que ha sido diseñado y tarificado. Un proveedor que nombra Fable 5, GPT-5.6 Sol, Opus 4.8, GPT-5.5 y GLM-5.2 en su propia tabla comparativa ha elegido el terreno en el que quiere que se le juzgue, y le ha dicho en voz baja cuáles de sus tareas espera ganar.

El dinero está de acuerdo con el posicionamiento. La ronda más reciente de Moonshot valora la compañía en unos 31.500 millones de dólares, unos 27.000 millones de euros, después de una ronda de mayo de 2.000 millones de dólares con una valoración de 20.000 millones de dólares. Una compañía cuya valoración ha subido la mitad en dos meses no necesita ganar una prueba; necesita que las empresas crean que la distancia hasta la frontera cerrada es lo bastante pequeña como para dejar de pagarla. Publicar un segundo puesto es una forma más barata de defender ese argumento que reclamar un primero.

Tres cosas que resolver antes de que lleguen los pesos

Primero, decida qué K3 está comprando, porque hay dos y llegan con once días de diferencia. Si la respuesta es la API, entonces la historia de los pesos abiertos es marketing que no le afecta, y K3 debe juzgarse como un servicio de frontera chino alojado, por precio, latencia, tratamiento de datos y las condiciones que se aplican a sus prompts. Si la respuesta son los pesos, entonces nada de lo que aprenda esta semana se transfiere, el texto de la licencia es un documento que abre o cierra la puerta en lugar de un trámite, y la evaluación real empieza el 27 de julio sobre hardware que usted controla.

Segundo, averigüe lo que cuesta un trabajo antes de averiguarlo en producción. Ejecute sus diez tareas reales más duras, registre el tiempo de reloj y el total de tokens de salida incluido el razonamiento, y compare esa cifra con la del modelo que ejecuta hoy. Un modelo de solo esfuerzo máximo, con un techo de 30 minutos y una tarifa de salida de 13 euros por millón, puede ser un valor excelente en un trabajo que antes le llevaba una mañana a un especialista, e indefendible en una petición que un modelo pequeño responde en cuatro segundos. El mismo modelo, la misma lista de precios, veredictos opuestos, y la variable que decide es su carga de trabajo y no la tabla de pruebas.

Tercero, escriba qué pasa si el ajuste de esfuerzo se queda soldado al máximo. La documentación de Moonshot dice por ahora, que es una expresión con una hoja de ruta detrás y ninguna fecha adjunta. Si llega un nivel de esfuerzo más bajo, K3 se convierte en un modelo de dos velocidades y el argumento de coste cambia por completo. Si no llega, entonces usted está ejecutando un modelo al que no se le puede meter prisa, y la mitigación es arquitectónica en lugar de comercial: mande las preguntas baratas a otro sitio y reserve K3 para el trabajo que merece media hora. Decídalo ahora, mientras es una decisión de diseño, y no el primer mes, cuando ya es una factura.

Leer a continuación: OpenAI reduce a la mitad el precio de la IA diaria  |  Grok 4.5 pierde los benchmarks y gana la factura