Kimi K3: el modelo open source de 2.8 billones de parámetros que ya rivaliza con OpenAI y Anthropic
Moonshot AI acaba de soltar el modelo abierto más grande de la historia. 2.8 billones de parámetros, 1 millón de tokens de contexto, y benchmarks que dejan atrás a Claude Opus 4.8 y GPT-5.5. Lo mejor: los pesos serán gratuitos el 27 de julio.
En resumen
- Moonshot AI lanza Kimi K3, el modelo open source más grande del mundo con 2.8 billones de parámetros. Supera a Claude Opus 4.8 y GPT-5.5 en múltiples benchmarks. Pesos gratis el 27 de julio.
- El modelo es multimodal nativo —acepta texto e imágenes— y tiene el modo de razonamiento (thinking) siempre activo.
- Moonshot AI acaba de soltar el modelo abierto más grande de la historia.
El 16 de julio de 2026, la startup china Moonshot AI anunció Kimi K3, un modelo de lenguaje con 2.8 billones de parámetros que se convierte en el modelo open source más grande jamás lanzado. La noticia sacudió los mercados —el Nasdaq cayó un 1%— y reabrió el debate sobre quién lidera realmente la carrera de la inteligencia artificial.
Llevo días siguiendo las reacciones, y lo que más me sorprende no son los números (que son bestiales), sino lo que significa para el ecosistema: por primera vez, un modelo chino de frontera no solo compite con los mejores de Estados Unidos, sino que ofrece sus pesos de forma abierta. Lo han llamado el primer modelo "3T-class" abierto, superando con creces el récord anterior de DeepSeek con su V4 Pro de 1.6 billones.
Arquitectura: cómo han metido 2.8 billones en un modelo que corre
Kimi K3 usa una arquitectura Mixture-of-Experts (MoE) con 896 expertos, de los cuales solo activa 16 por token. Eso es aproximadamente un 1.8% del pool, una eficiencia brutal que permite que un modelo con 2.8 billones de parámetros totales tenga un coste computacional razonable en inferencia.
La innovación clave está en la Kimi Delta Attention (KDA), un mecanismo de atención con residuales que Moonshot ha desarrollado internamente. Según el documento técnico oficial, KDA permite que el modelo mantenga coherencia en contextos largos sin disparar el coste computacional. Los resultados hablan solos: ventana de contexto de 1 millón de tokens, nativa, sin trucos.
El modelo es multimodal nativo —acepta texto e imágenes— y tiene el modo de razonamiento (thinking) siempre activo. En las pruebas de OpenRouter, Kimi K3 muestra una latencia media de 15.45 segundos con un throughput de 15 tokens por segundo, y una disponibilidad del 99.96%.
Un detalle que no pasa desapercibido: Moonshot entrenó K3 usando silicio Nvidia de grado de exportación junto a un proveedor de GPUs alternativo no nombrado. Es la primera evidencia clara de que las restricciones de exportación de EE.UU. están empujando a las empresas chinas a diversificar su hardware, y que están teniendo éxito.
Benchmarks: ¿a quién supera y contra quién pierde?
Los datos de Moonshot son extensos, pero lo interesante es que también hay benchmarks independientes que los confirman. Esto es lo que tenemos hasta ahora:
- Frontend Code Arena (Arena.ai): Kimi K3 es #1 con 1,679 puntos, superando incluso a Claude Fable 5. Esto es significativo porque es una evaluación ciega con desarrolladores reales votando.
- Artificial Analysis Intelligence Index: Elo de 1,547, un salto de +732 puntos respecto a Kimi K2.6. Solo Claude Fable 5 queda por encima.
- Self-reported vs competidores: supera a Claude Opus 4.8 max y GPT-5.5 high en la mayoría de pruebas. Pierde contra Claude Fable 5 y GPT-5.6 Sol, pero les pisa los talones.
- Uso eficiente de tokens: según Simon Willison, que lo probó generando un SVG de un pelícano en bicicleta, el modelo usó 13,241 tokens de razonamiento de 16,658 totales, para un coste de solo 25 centavos.
El leaderboard público de BenchLM lo sitúa en el puesto #4 de 200 modelos con una puntuación de 80.96/100 basada en 54 benchmarks publicados. Eso es territorio de frontera, sin discusión.
Precios: adiós a la narrativa del modelo chino barato
Uno de los cambios más comentados es el precio. Kimi K3 cuesta $3 por millón de tokens de entrada y $15 por millón de salida. Con caché, baja a $0.30 por millón.
Para ponerlo en contexto: Kimi K2 (lanzado hace un año) costaba $0.60 por millón de entrada. K3 cuesta 5 veces más. Estamos en el mismo rango que Claude Sonnet, lo que The Agent Report describe acertadamente como "el fin de la narrativa de que Kimi es el modelo de frontera económico".
Dicho esto, el coste por tarea ($0.94) es similar al de GPT-5.6 Sol ($1.04) y aproximadamente la mitad que Claude Opus 4.8 ($1.80). Y un detalle importante: Kimi K3 usa un 21% menos de tokens de salida que K2.6 para las mismas tareas, según el análisis de Artificial Analysis. Más caro por token, pero más eficiente por tarea.
🎬 Moonshot AI Kimi K3 Explained: The Open-Source AI Model Beating Claude
Open source real: los pesos llegarán el 27 de julio
Esto es lo que más me interesa personalmente. Moonshot ha prometido liberar los pesos completos del modelo el 27 de julio de 2026. No es un "open weight" con restricciones —es open source real, con licencia que permite modificar, redistribuir y construir sobre el modelo.
Si cumplen, será la primera vez que un modelo de esta escala —2.8 billones de parámetros, rendimiento de frontera— esté disponible para que cualquiera lo descargue, lo ejecute en local, lo afine o lo integre en sus productos. DeepSeek V4 Pro (1.6T) ya era impresionante. Esto lo dobla.
Claro, ejecutarlo en local no será trivial. Con 2.8 billones de parámetros, incluso en cuantización 4-bit estamos hablando de ~1.4 TB de VRAM. Necesitarás un cluster de GPUs. Pero para empresas con infraestructura, la posibilidad de tener un modelo de frontera sin depender de APIs externas cambia las reglas del juego en privacidad de datos, latencia y costes a escala.
Moonshot ya ha lanzado varias versiones del modelo para diferentes casos de uso: Kimi K3 Max (la versión completa) y Kimi K3 Swarm Max (optimizada para despliegues multi-agente). Están disponibles en Kimi.com, Kimi Work y Kimi Code.
¿Qué significa esto para el ecosistema?
Personalmente, creo que hay tres implicaciones que merecen atención:
1. La ventaja americana se estrecha. Durante meses, el argumento era que China estaba detrás por las restricciones de chips. Kimi K3 demuestra que están encontrando alternativas —GPUs de proveedores no estadounidenses, optimización de eficiencia, innovación arquitectónica como KDA— y que el gap se está cerrando más rápido de lo que muchos esperaban.
2. El open source gana enteros. Que el modelo más grande y capaz de código abierto sea chino no es casualidad. Mientras OpenAI y Anthropic mantienen sus mejores modelos cerrados, Moonshot libera los suyos. Para startups, investigadores y desarrolladores en mercados emergentes, esto es una oportunidad enorme. El New York Times lo califica como "el modelo que amenaza el liderazgo americano", y por una vez, no es hipérbole.
3. El precio de la frontera está subiendo. Durante el año pasado, los modelos chinos compitieron en precio. Kimi K3 cambia esa estrategia: apuesta por calidad y cobra en consecuencia. Esto puede ser una señal de que la guerra de precios en IA está llegando a su fin, y que estamos entrando en una fase donde el rendimiento vuelve a ser el factor diferenciador.
Kimi K3 no es un modelo más. Es la declaración de intenciones más clara de que la IA de frontera ya no es un coto privado de Silicon Valley. Con pesos abiertos, rendimiento competitivo y una arquitectura innovadora, Moonshot ha puesto sobre la mesa algo que ni OpenAI ni Anthropic ofrecen: acceso real a un modelo que puede competir con los mejores. El 27 de julio sabremos si cumplen la promesa de los pesos abiertos. Yo, desde luego, estaré mirando.
Este artículo se publicó originalmente el 19 de julio de 2026. Los benchmarks y precios pueden variar; revisa las fuentes oficiales de Moonshot AI para la información más actualizada.