TL;DR
Grok 4.6 es la opción predeterminada más sólida si quieres una API de frontera gestionada para codificación con agentes y trabajo de conocimiento: obtiene 61 en el Índice de Inteligencia de Artificial Analysis, genera más rápido según mediciones independientes actuales y parte de $2/$6 por millón de tokens de entrada/salida.
Kimi K3 es la opción más flexible cuando importan la longitud de contexto y la apertura del modelo. Combina 2.8 billones de parámetros, 104B parámetros activos y una ventana de contexto de aproximadamente 1M tokens, además de pesos abiertos y capacidades multimodales nativas. Su precio destacado en la API alojada es más alto a $3/$15 por millón de tokens de entrada/salida, pero los aciertos de caché cuestan solo $0.30 por millón de tokens.
Conclusión: elige Grok 4.6 para una API de agentes alojada y rentable; elige Kimi K3 por su contexto de 1M, pesos abiertos y control de la infraestructura. Para programación, prueba ambos en tus propios repositorios porque los proveedores publican diferentes versiones y arneses de benchmarks.
Puntos clave
- Grok 4.6 se lanzó el 12 de agosto de 2026 con énfasis específico en agentes de larga duración, trabajo en bases de código, trabajo de conocimiento y proyectos interactivos o visuales más ambiciosos.
- Kimi K3 es el buque insignia de pesos abiertos de Moonshot AI con 2.8T parámetros, Kimi Delta Attention, Attention Residuals, visión nativa y una ventana de contexto de 1M tokens.
- La inteligencia global independiente está casi empatada: 61 para Grok 4.6 frente a 60 para Kimi K3.
- Grok 4.6 tiene el precio de tokens oficial más bajo: $2 entrada / $6 salida frente a $3 entrada / $15 salida de Kimi K3.
- Kimi K3 ofrece aproximadamente el doble de capacidad de contexto y pesos abiertos; Grok 4.6 es propietario pero más eficiente en turnos y costos en varias evaluaciones independientes de agentes.
Grok 4.6 vs Kimi K3: comparativa rápida
| Especificación | Grok 4.6 | Kimi K3 |
|---|---|---|
| Desarrollador | SpaceXAI / xAI | Moonshot AI / Kimi |
| Fecha de lanzamiento | 12 de agosto de 2026 | 16 de julio de 2026 |
| ID del modelo | grok-4.6 | kimi-k3 |
| Arquitectura | No divulgada públicamente | MoE; KDA + AttnRes + Stable LatentMoE |
| Parámetros totales | No divulgados | 2.8T |
| Parámetros activos | No divulgados | 104B |
| Expertos | No divulgados | 896 en total; 16 activados/token |
| Ventana de contexto | 500,000 tokens | 1,048,576 / aprox. 1M tokens |
| Entrada / salida | Texto + imagen → texto | Texto + imagen → texto |
| Razonamiento | Configurable | Siempre activo; bajo / alto / máximo |
| Uso de funciones/herramientas | Llamadas a funciones + salidas estructuradas | ToolCalls, tool_choice, dynamic tool loading |
| Pesos abiertos | No | Sí |
| Índice de Inteligencia de Artificial Analysis | 61 | 60 |
| Precio oficial entrada/salida | $2 / $6 por MTok | $3 / $15 por MTok |
| Mejor para | Agentes alojados, programación, trabajo de conocimiento | Contexto largo, despliegue con pesos abiertos, programación + razonamiento visual |
¿Qué es Grok 4.6?
Grok 4.6 es el modelo de frontera de SpaceXAI para programación, tareas con agentes y trabajo de conocimiento. La empresa afirma que esta versión se construyó alrededor de agentes de larga duración y trabajos interactivos y visuales más ambiciosos, en lugar de ser solo una actualización de benchmarks estáticos. En la práctica, significa que el modelo está pensado para mantenerse en una tarea a lo largo de muchos pasos: investigar un tema, navegar una base de código, analizar información, llamar herramientas e iterar hacia una aplicación o artefacto final.
¿Qué cambió respecto a Grok 4.5?
SpaceXAI informa de una fase de entrenamiento suplementaria más larga usando datos de razonamiento generados por modelos curados, conceptos técnicos avanzados, datos de ingeniería de alta calidad y un optimizador y receta de entrenamiento mejorados. Luego, el equipo regeneró trayectorias de SFT con Grok 4.5 a lo largo de esfuerzos de razonamiento y arneses de agentes, filtró trazas problemáticas y aplicó aprendizaje por refuerzo agéntico en entornos que abarcan programación general, optimización de kernel, desarrollo web, CAD y trabajo de conocimiento.
El resultado práctico es un modelo que no solo puntúa más alto, sino que también muestra más autoevaluación y verificación en trayectorias más largas. Ese comportamiento importa para los agentes porque el costo de un pequeño error se compone cuando se permite que un modelo edite archivos, llame herramientas o ejecute un plan de varios pasos sin intervención humana constante.
Especificaciones de Grok 4.6
| Propiedad | Grok 4.6 |
|---|---|
| Contexto | 500,000 tokens |
| Modalidades | Entrada de texto e imagen; salida de texto |
| Razonamiento | Razonamiento configurable |
| Capacidades nativas API | Llamadas a funciones y salidas estructuradas |
| Corte de conocimiento | 1 de febrero de 2026 |
| Precio de contexto corto | $2 entrada / $0.50 en caché / $6 salida por MTok |
| Umbral de contexto largo | ≥200K tokens del prompt; $4 / $1 / $12 |
¿Qué es Kimi K3?
Kimi K3 es el modelo agéntico multimodal de pesos abiertos insignia de Moonshot AI. Combina 2.8 billones de parámetros totales con una ventana de contexto de 1M tokens y visión nativa, posicionándolo para programación de largo horizonte, trabajo de conocimiento de extremo a extremo, razonamiento y tareas de software fundamentadas visualmente.
A diferencia de Grok 4.6, Kimi K3 expone sus pesos. La ficha oficial del modelo identifica 104B parámetros activos durante la inferencia, por lo que su ruta de cómputo es mucho menor que el total de 2.8T parámetros, aunque desplegar el modelo completo sigue requiriendo una infraestructura sustancial.
KDA, AttnRes y un MoE más disperso
La arquitectura es uno de los mayores diferenciadores de K3. Moonshot afirma que Kimi Delta Attention (KDA) y Attention Residuals (AttnRes) están diseñados para mejorar el flujo de información a través de secuencias largas y capas profundas del modelo. Stable LatentMoE aumenta la dispersión para que 16 de 896 expertos se activen por token. Junto con cambios en entrenamiento y receta de datos, Moonshot reporta ~2.5× mejor eficiencia de escalado general que Kimi K2.
Especificaciones de Kimi K3
| Propiedad | Kimi K3 |
|---|---|
| Parámetros totales/activos | 2.8T / 104B |
| Arquitectura | MoE con KDA + AttnRes + Stable LatentMoE |
| Expertos | 896; 16 activados por token |
| Contexto | 1M tokens |
| Visión | Comprensión visual nativa |
| Razonamiento | Siempre habilitado; bajo / alto / máximo |
| Herramientas | ToolCalls, tool_choice constraints, dynamic tool loading |
| Pesos abiertos | Disponibles en Hugging Face |
| Precio oficial | $0.30 acierto de caché / $3 entrada / $15 salida por MTok |
Grok 4.6 vs Kimi K3: comparación de benchmarks
La comparación directa más limpia es el Índice de Inteligencia de Artificial Analysis porque ambos modelos se evalúan bajo el mismo marco. Las puntuaciones actuales son 61 para Grok 4.6 (alta) y 60 para Kimi K3 (máx.). Una diferencia de un punto es demasiado pequeña para justificar que uno esté “una generación por delante”. La pregunta más útil es dónde obtiene cada modelo su puntuación.
| Métrica independiente | Grok 4.6 | Kimi K3 | Ventaja |
|---|---|---|---|
| Índice de Inteligencia de Artificial Analysis | 61 | 60 | Grok 4.6 por 1 punto |
| Velocidad de salida | 65.8 tok/s | 40.7 tok/s | Grok 4.6 |
| Tiempo hasta el primer token | ~32.3 s | 3.27 s | Kimi K3 |
| Ventana de contexto | 500K | ~1.05M | Kimi K3 |
Rendimiento en programación
SpaceXAI publica varios resultados de programación e ingeniería de software para Grok 4.6: 69.9% en CursorBench 3.2, 65.9% en DeepSWE 1.1, 61.3% en FrontierCode 1.1 Extended, 56.4% en APEX-SWE y 26.0% en Terminal-Bench 3.0. Son significativos porque cubren edición de repositorios, ingeniería de software con agentes y trabajo en terminal, en lugar de solo trivialidades de autocompletado de código.
| Benchmark de programación reportado por el proveedor (Grok 4.6) | Puntuación |
|---|---|
| CursorBench 3.2 | 69.9% |
| DeepSWE 1.1 | 65.9% |
| FrontierCode 1.1 Extended | 61.3% |
| APEX-SWE | 56.4% |
| Terminal-Bench 3.0 | 26.0% |
Para Kimi K3, Moonshot publica un conjunto de programación diferente pero amplio. Su material oficial de lanzamiento informa 67.5 en DeepSWE, 88.3 en Terminal-Bench 2.1, 81.2 en FrontierSWE, 77.8 en ProgramBench y 42.0 en SWE Marathon. La advertencia importante es que Terminal-Bench 2.1 y 3.0 son versiones distintas, y FrontierSWE no es la misma evaluación que FrontierCode. Esas filas no deben tratarse como victorias equivalentes comparando números brutos.
Fuente: Moonshot AI / Kimi
Trabajo de agentes y de conocimiento
El trabajo con agentes es donde Grok 4.6 se ve más fuerte. SpaceXAI informa 1753 Elo en GDPVal-AA v2, 57.5% en APEX-Agents y 1577 Elo en AA-Briefcase. Artificial Analysis destaca de forma independiente el mismo patrón: las mayores ganancias de Grok 4.6 están en trabajos de largo horizonte con uso de herramientas, y no solo en razonamiento estático.
Kimi K3 también apunta a agentes de trabajo de conocimiento. El conjunto de lanzamiento de Moonshot muestra resultados sólidos en BrowseComp, GDPval-AA v2, JobBench, SpreadsheetBench 2 y evaluaciones de agentes visuales. Más importante para desarrolladores, la API de Kimi expone restricciones de tool choice y dynamic tool loading, que son controles prácticos cuando un agente debe usar sistemas empresariales o recuperar hechos antes de responder.
Fuente: Moonshot AI / Kimi
Multimodalidad y razonamiento visual
Kimi K3 tiene una historia de multimodalidad a nivel de arquitectura más clara: Moonshot describe capacidades de visión nativas y demuestra específicamente “visión en el bucle” para desarrollo de juegos, ingeniería frontend y CAD, donde el modelo puede inspeccionar retroalimentación visual y revisar el código.
Grok 4.6 también acepta entrada de texto e imagen y SpaceXAI afirma que el modelo produce primeros intentos más sólidos en proyectos visuales e interactivos que Grok 4.5. La diferencia tiene menos que ver con si alguno puede ver imágenes y más con la filosofía de despliegue: Kimi expone un modelo multimodal abierto, mientras que Grok empaqueta la comprensión visual dentro de una API de frontera gestionada y un ecosistema de agentes.
Ventana de contexto: 500K vs 1M
Grok 4.6 soporta 500,000 tokens, mientras que Kimi K3 soporta alrededor de 1 millón de tokens. Eso hace que Kimi sea la opción obvia cuando la carga de trabajo requiere realmente más de 500K tokens en una sola solicitud—por ejemplo, repositorios muy grandes, colecciones de investigación de varios libros o trazas de agentes excepcionalmente largas.
Sin embargo, el tamaño del contexto es capacidad, no garantía de recuperación o calidad de razonamiento. Para sistemas de producción, prueba el modelo en tus modos de fallo reales de contexto largo: seguimiento de dependencias entre archivos, recuperación de hechos lejanos, detección de contradicciones y persistencia de instrucciones. La recuperación aumentada por generación puede seguir siendo más barata y más controlable que enviar un millón de tokens en cada solicitud.
Velocidad y latencia
Artificial Analysis actualmente mide a Grok 4.6 en 65.8 tokens de salida por segundo y a Kimi K3 en 40.7 tokens por segundo. Una vez que comienza la generación, Grok es materialmente más rápido en esta medición. Pero el patrón del primer token va al revés: Kimi K3 tiene un TTFT medido de 3.27 segundos, mientras que Grok 4.6 en la medición del proveedor actual es mucho más lento en comenzar a transmitir.
Eso crea una distinción de producto útil. Para experiencias interactivas de chat o IDE, un tiempo hasta el primer token rápido puede hacer que Kimi se sienta receptivo incluso si la respuesta completa tarda más. Para generaciones largas y ejecuciones de agentes, el mayor rendimiento de generación de Grok puede reducir la cola de la solicitud. Proveedor, región, esfuerzo de razonamiento, estado de la caché y tamaño de la solicitud pueden cambiar estos números, así que trátalos como una instantánea actual más que como una propiedad permanente.
Grok 4.6 vs Kimi K3: precios de API
En longitudes de contexto estándar, Grok 4.6 cuesta $2 por millón de tokens de entrada, $0.50 por millón de tokens en caché y $6 por millón de tokens de salida. Para prompts de 200K tokens o más, xAI factura toda la solicitud a tarifas de contexto largo de $4 entrada, $1 en caché y $12 salida por millón de tokens.
Kimi usa precios de pago por uso planos en toda su ventana de contexto de 1M. La API de Kimi lista $0.30 por millón de tokens con acierto de caché, $3 por millón de tokens de entrada y $15 por millón de tokens de salida. Eso significa que Kimi es más barato en aciertos de caché pero mucho más caro en tokens de salida nuevos; la ventaja de precios de Grok se reduce cuando las solicitudes de Grok cruzan el umbral de contexto largo de 200K.
Precios oficiales destacados por 1M tokens. Las solicitudes de contexto largo de Grok (≥200K tokens del prompt) usan tarifas más altas que no se muestran en el gráfico. Fuente: Precios de SpaceXAI y Kimi API
| Precio / 1M tokens | Grok 4.6 | Kimi K3 |
|---|---|---|
| Entrada oficial contexto corto | $2.00 | $3.00 |
| Acierto de caché oficial | $0.50 | $0.30 |
| Salida oficial | $6.00 | $15.00 |
| Precio de contexto largo | ≥200K: $4 / $1 / $12 | Precio plano hasta 1M de contexto |
| Entrada en CometAPI | $1.60 | $2.40 |
| Salida en CometAPI | $4.80 | $12.00 |
En CometAPI, Grok 4.6 figura actualmente a $1.60 entrada / $4.80 salida por millón de tokens, mientras que Kimi K3 figura a $2.40 entrada / $12 salida. Ambos están 20% por debajo de los precios oficiales de entrada/salida de los proveedores mostrados en sus páginas de modelo de CometAPI en el momento de escribir esto.
Pesos abiertos vs modelo propietario
Kimi K3 es un modelo de pesos abiertos con pesos descargables. Eso habilita investigación, control fino de infraestructura, arquitecturas de inferencia privadas y despliegue mediante pilas de inferencia de terceros. No significa que K3 sea liviano: un modelo de 2.8T parámetros es un proyecto de sistemas serio incluso con dispersión MoE y formatos de baja precisión.
Grok 4.6 es propietario. Su arquitectura y recuento de parámetros no se divulgan públicamente, y los desarrolladores acceden a él como un servicio gestionado. La compensación es la simplicidad operacional: no tienes que construir un clúster de inferencia, gestionar pesos de modelos ni optimizar kernels para obtener rendimiento de agentes de frontera.
Fortalezas y debilidades
| Modelo | Fortalezas | Compromisos |
|---|---|---|
| Grok 4.6 | Precio más bajo en API alojada; 61 en AA Intelligence; generación más rápida medida; resultados fuertes en agentes de largo horizonte; pila de herramientas xAI integrada | Contexto de 500K; pesos cerrados; los precios de contexto largo se duplican; TTFT medido más lento |
| Kimi K3 | ~1M de contexto; pesos abiertos; MoE de 2.8T; multimodalidad nativa; suite fuerte de programación/agentes; precio de acierto de caché muy bajo | Precio de salida más alto; generación de tokens más lenta medida; el autoalojamiento completo exige mucha infraestructura |
Grok 4.6 vs Kimi K3: ¿cuál deberías elegir?
| Caso de uso | Recomendado | Por qué |
|---|---|---|
| API de frontera predeterminada | Grok 4.6 | Precio más bajo con una ligera ventaja independiente en inteligencia |
| Agente de trabajo del conocimiento de larga duración | Grok 4.6 | Evidencia más fuerte en GDPVal-AA y AA-Briefcase |
| Programación a escala de repositorio | Prueba ambos | Ambos están diseñados para programación de largo horizonte; los suites de benchmarks difieren |
| Prompt >500K tokens | Kimi K3 | Alrededor de 1M de contexto |
| Investigación con pesos abiertos | Kimi K3 | Los pesos y la arquitectura están disponibles |
| Inferencia privada/autogestionada | Kimi K3 | Los pesos abiertos permiten despliegue personalizado |
| Bajo coste por acierto de caché | Kimi K3 | Precio de $0.30/MTok en aciertos de caché |
| Menor coste por tokens de salida nuevos | Grok 4.6 | $6/MTok vs $15/MTok en contexto estándar |
| Primera respuesta visible rápida | Kimi K3 | TTFT medido mucho menor |
| Generación larga más rápida | Grok 4.6 | Mayor velocidad medida de tokens/s de salida |
| Programación visual / CAD / flujos de trabajo de juegos | Kimi K3 | Visión nativa + enfoque oficial en “visión en el bucle” |
Recomendación general: Grok 4.6 es la mejor API alojada predeterminada para la mayoría de desarrolladores de agentes. Kimi K3 es el modelo de frontera más flexible cuando el contexto de 1M, los pesos abiertos y el control de despliegue son requisitos y no extras opcionales.
Cómo acceder a Grok 4.6 y Kimi K3 a través de CometAPI
Ambos modelos están activos en CometAPI. La página del modelo Grok 4.6 lista el ID de modelo grok-4.6 y soporte para acceso tipo Chat Completions / Responses, mientras que la página del modelo Kimi K3 expone kimi-k3 mediante el endpoint unificado de CometAPI. Eso facilita el A/B testing porque puedes cambiar IDs de modelo manteniendo la autenticación y la mayor parte del plumbing de la aplicación constantes.
from openai import OpenAI
import os
client = OpenAI(
base_url="https://api.cometapi.com/v1",
api_key=os.environ["COMETAPI_KEY"],
)
for model in ["grok-4.6", "kimi-k3"]:
response = client.chat.completions.create(
model=model,
messages=[
{"role": "user", "content": "Revisa este bug del repositorio y propone una solución probada."}
],
)
print(model, response.choices[0].message.content)
Para una evaluación de producción, mantén idénticos el prompt, las herramientas, la instantánea del repositorio y los criterios de éxito. Rastrea no solo la calidad de la respuesta, sino también el éxito de las llamadas a herramientas, el número de turnos, los tokens totales de entrada/salida, la latencia y la recuperación de llamadas de herramientas fallidas. Eso es más predictivo del costo real de agentes que una única puntuación de benchmark.
Conclusión
El resultado más importante de la comparación entre Grok 4.6 y Kimi K3 es que su inteligencia de primera línea está mucho más cerca que su diseño de producto. La evaluación independiente actualmente los sitúa en 61 frente a 60, pero la economía y las opciones de despliegue circundantes son muy diferentes.
Grok 4.6 está optimizado como servicio de frontera gestionado: precios más bajos para tokens nuevos, benchmarks fuertes con agentes, generación más rápida medida y una ruta madura de herramientas/API. Kimi K3 está optimizado para flexibilidad: ventana de contexto de 1M, escala MoE de 2.8T, multimodalidad nativa y pesos abiertos.
Para la mayoría de desarrolladores que simplemente necesitan el mejor modelo alojado predeterminado para programación y agentes de larga duración, Grok 4.6 es el punto de partida más seguro. Si tu sistema depende de >500K de contexto, despliegue con pesos abiertos, programación visual o control sobre la pila de inferencia, Kimi K3 puede ser la mejor elección arquitectónica incluso cuando su precio de tokens alojado es mayor.
Preguntas frecuentes
¿Grok 4.6 es más inteligente que Kimi K3?
En el Índice de Inteligencia de Artificial Analysis actual, Grok 4.6 obtiene 61 y Kimi K3 60. Es una ventaja estrecha, no una brecha decisiva. El rendimiento a nivel de tarea puede invertirse según la carga de trabajo.
¿Cuál es mejor para programar?
Ambos son modelos creíbles para programación. Grok 4.6 tiene resultados sólidos actuales en programación con agentes y precios alojados más bajos; Kimi K3 ofrece una ventana de contexto mayor, pesos abiertos y buenos resultados en programación de repositorios/visual. Usa el benchmark de tu propio repo porque los proveedores reportan diferentes versiones de benchmark.
¿Qué modelo tiene la ventana de contexto más grande?
Kimi K3 soporta alrededor de 1M tokens, aproximadamente el doble de los 500K tokens de contexto de Grok 4.6.
¿Cuál es más barato?
Para tokens nuevos en contexto estándar, Grok 4.6 es más barato a $2 entrada / $6 salida por MTok frente a $3 / $15 de Kimi K3. Kimi tiene la tarifa de acierto de caché más barata a $0.30/MTok, mientras que Grok aplica tarifas más altas una vez que el prompt alcanza 200K tokens.
¿Puedo autoalojar Kimi K3?
Kimi K3 tiene pesos abiertos disponibles en Hugging Face, por lo que el despliegue autogestionado es posible. Sin embargo, el modelo completo de 2.8T es extremadamente grande y requiere infraestructura de inferencia multinodo o especializada para un rendimiento práctico.
¿Puedo autoalojar Grok 4.6?
No hay pesos públicos disponibles de Grok 4.6. Grok 4.6 se ofrece como un modelo propietario gestionado a través de SpaceXAI y APIs asociadas.
¿Puedo acceder a ambos desde una sola API?
Sí. CometAPI actualmente lista tanto Grok 4.6 como Kimi K3, permitiendo a los desarrolladores compararlos detrás de una API y capa de facturación unificadas.