La carrera por la supremacía en inteligencia artificial acaba de acelerarse con un nuevo contendiente de peso pesado. Moonshot AI presentó Kimi K3.1 Pro, un modelo de arquitectura Mixta de Expertos (MoE) con 2.8 billones de parámetros totales y 104 mil millones activos, que promete competir cara a cara con los modelos propietarios más avanzados del mercado.
Especificaciones técnicas que impresionan
El modelo, primero de la serie K3.1, destaca por su ventana de contexto de 1 millón de tokens, una capacidad que supera a muchos competidores actuales. Según la documentación técnica, utiliza Kimi Delta Attention (KDA) y Attention Residuals (AttnRes), activando 16 de 896 expertos a través del framework Stable LatentMoE. Acepta texto, imágenes y video a través de la API, aunque las imágenes deben enviarse en base64 o como archivos subidos, no mediante URLs públicas.
Rendimiento en benchmarks: fortalezas y debilidades
Los números autopublicados por Moonshot revelan un perfil de rendimiento desigual pero potente. En programación, el modelo brilla: alcanza 65.7% en Terminal-Bench 4.0 (solo 0.7 puntos detrás de Claude Opus 5.5) y lidera SWE-Marathon con 51.7 puntos. Sin embargo, en tareas científicas muestra una brecha significativa: apenas 38.1 en Terminal-Bench Science 0.1, comparado con 68.1 de GPT-6 Astra.
- Coding: Terminal-Bench 4.0: 65.7% | SWE-Marathon: 51.7
- Ciencia: Terminal-Bench Science 0.1: 38.1
- 3D y CAD: BenchCAD con herramientas: 92.7 | Sin herramientas: 72.8
- Finanzas: OfficeQA Pro v2: 64.4 | Frontier Finance: 58.6
- Alucinaciones: Reducción del 65% respecto a K3, hasta 8.3%
Acceso y costos para desarrolladores
El modelo ya está disponible en Kimi.ai, Kimi Work, Kimi Code y la API compatible con OpenAI. La versión estándar cuesta $2.00 por millón de tokens en entrada y $10.00 en salida, mientras que la variante Highspeed (2-3 veces más rápida) cuesta $4.00/$20.00. Estos precios representan una reducción respecto al K3 anterior, que costaba $3.00/$15.00.
Las limitaciones prácticas incluyen: modo de pensamiento siempre activo, temperatura fija en 1.0, top-p en 0.95, salida máxima de 1,048,576 tokens, y necesidad de recarga mínima de $1 para acceder. Moonshot advierte que eliminar el historial de razonamiento en los harnesses puede desestabilizar la salida.
Lo que falta y lo que viene
La principal limitación actual es la ausencia de pesos abiertos, lo que impide el auto-hosting. Moonshot espera liberarlos en noviembre de 2026. El tamaño del modelo (2.8T) apunta a infraestructura multi-nodo, requiriendo supernodos de 64+ aceleradores con pesos MXFP4 y activaciones MXFP8.
En ciberseguridad, la compañía eliminó datos relacionados durante el entrenamiento, resultando en un rendimiento del 81.0% en pruebas internas, por detrás de los modelos propietarios de vanguardia en tareas ofensivas.