TL;DR: Moonshot AI lanzó Kimi K3 el 16 de julio de 2026: un modelo revolucionario de pesos abiertos con 2,8 billones de parámetros (el primero en la clase de 3T), multimodalidad nativa, contexto de 1 millón de tokens y rendimiento de frontera que rivaliza o supera a modelos propietarios líderes como Claude Fable 5 y GPT-5.6 Sol en programación, tareas con agentes, desarrollo frontend y trabajo de conocimiento.
Puntos clave
- Escala e innovación: 2,8T de parámetros, MoE con 16/896 expertos activos, Kimi Delta Attention (KDA), Attention Residuals; ~2,5x de eficiencia de escalado sobre K2, Kimi K3 - Plataforma de la API de Kimi
- Rendimiento: Artificial Analysis Intelligence Index ~57 (top 4, por delante de Claude Opus 4.8), líder en Frontend Code Arena, fuerte en Terminal-Bench (88,3%), BrowseComp (91,2%), GPQA-Diamond (93,5%). Queda por detrás de Fable 5/Sol en general, pero supera a la mayoría de los demás; #1 en Arena.ai Frontend Code Arena (1.679 Elo, superando a Fable 5), publicación de Arena en X y cobertura de Tom's Hardware.
- Capacidades: Visión/video nativos, 1M de contexto para repositorios/código masivos, codificación con agentes, razonamiento 3D, edición de video, paneles de investigación.
- Acceso: Inmediato vía kimi.com, API (modelo kimi-k3, guía de acceso); pesos abiertos pronto. Moonshot pausó temporalmente nuevas suscripciones de Kimi K3 tras un pico de demanda. Integración sencilla vía CometAPI.
- Valor: Menor costo por tarea (~$0.94 en algunas evaluaciones), menos negativas, ideal para flujos de trabajo de programación/Visión.
El Kimi K3 Tech Blog describe a Kimi K3 como “Open Frontier Intelligence, Kimi K3 marca un momento crucial en la democratización de la IA. A medida que laboratorios chinos como Moonshot amplían los límites pese a las restricciones de cómputo, este modelo abierto desafía el dominio de los frontiers cerrados de EE. UU. y empodera a desarrolladores de todo el mundo”.
¿Qué es Kimi K3? Un modelo abierto de clase 3T de Moonshot AI
Moonshot AI, una startup con sede en Pekín, lanzó Kimi K3 el 16 de julio de 2026 como su modelo insignia. Se posiciona explícitamente como el primer modelo abierto en la clase de ~3 billones de parámetros, con 2,8 billones de parámetros totales en una arquitectura dispersa de Mixture-of-Experts (MoE). Solo 16 de 896 expertos se activan por token, equilibrando una escala masiva con eficiencia.
Esto se construye sobre la serie Kimi K2 (K2.5, K2.6, etc.), ya conocida por programación y multimodalidad. K3 introduce innovaciones arquitectónicas: Kimi Delta Attention (KDA) y Attention Residuals (AttnRes), además de Stable LatentMoE y entrenamiento consciente de cuantización (pesos MXFP4, activaciones MXFP8 desde la etapa SFT). Esto produce ~2,5x mejor eficiencia de escalado y hasta 6,3x decodificación más rápida en comparación con sus predecesores.
Especificaciones clave (Kimi K3 Technical Specifications):
- Parámetros: 2,8T totales (MoE disperso).
- Ventana de contexto: 1.048.576 tokens (~1M).
- Modalidades: Comprensión nativa de texto + imagen + video; salida en texto.
- Salida máxima: 131k tokens por defecto, hasta el límite de contexto.
- Razonamiento: Esfuerzo máximo por defecto en el lanzamiento; llegarán modos inferior/superior.
- Pesos abiertos: Prometidos para el 27 de julio de 2026 (licencia estilo MIT modificada, según precedente de K2).
K3 apunta a tareas de largo horizonte: no solo respuestas rápidas, sino completar flujos complejos de ingeniería, investigación o agentes con retroalimentación visual (“Vision in the Loop”). Las demos incluyen construcción autónoma de un compilador para GPU (a la altura de Triton), diseño de chips en proceso de 45 nm y investigación en astrofísica a gran velocidad.
La demanda ya ha tensionado la capacidad
La recepción temprana del modelo ha sido lo suficientemente fuerte como para crear presión de capacidad. Moonshot publicó en X que la demanda en las últimas 48 horas había empujado cerca de sus límites actuales de GPU y que las nuevas suscripciones se pausarían temporalmente mientras la empresa añadía capacidad. Business Insider informó sobre la misma pausa de capacidad y señaló que los suscriptores existentes no se vieron afectados.
Esto importa para la planificación de producción. Un modelo puede ser excelente y aun así enfrentar limitaciones de disponibilidad si la demanda supera el cómputo. Los equipos que evalúan Kimi K3 deberían evitar la dependencia de un solo proveedor, monitorear latencia y tasas de error, y usar en lo posible enrutamiento de respaldo mediante un proveedor unificado como CometAPI .
Benchmarks de programación: dónde Kimi K3 se ve más fuerte
El perfil de programación de Kimi K3 es la razón clave por la que los desarrolladores prestan atención. Está casi empatado con GPT-5.6 Sol en Terminal-Bench 2.1, supera a GPT-5.6 Sol y Claude Fable 5 en Program Bench, y lidera a GPT-5.6 Sol por un margen significativo en FrontierSWE. También supera a los modelos comparados en SWE Marathon en la tabla de OpenLM.
El resultado en frontend de Arena añade otra señal práctica. Arena reportó a Kimi K3 con 1.679 puntos en Frontend Code Arena, por delante de Claude Fable 5. Ese benchmark importa porque el trabajo frontend suele juzgarse por preferencia humana, no solo por tests unitarios. Un asistente de programación que pueda producir una UI limpia y visualmente coherente a partir de un prompt es valioso para equipos de producto, agencias, constructores de SaaS y herramientas internas.
Clasificaciones generales
- Artificial Analysis AI Leaderboard: Debutó en el #3. Las puntuaciones del Intelligence Index lo sitúan de forma competitiva (p. ej., ~57,1 en algunas evaluaciones).
- Evaluación privada de trabajo de conocimiento de largo horizonte: Elo 1547 (+732 respecto a K2.6), solo por detrás de Fable 5.
Benchmarks de programación y agentes (autoinformados e independientes)
K3 destaca aquí, aprovechando su escala y arquitectura para un rendimiento sostenido con agentes.
- Frontend Code Arena (Arena.ai): #1 con 1.679 puntos, superando a Fable 5 y GPT-5.6 Sol. Destaca en preferencia ciega de desarrolladores para desarrollo web.
- DeepSWE: 67,3–67,5 (fuerte, con el arnés KimiCode).
- Program Bench: #1 con 77,8.
- SWE Marathon: #1 con 42,0 (algunos arneses).
- Terminal-Bench 2.1: Competitivo, cerca de GPT-5.6 Sol.
Visión y multimodal
El entrenamiento nativo (no añadido a posteriori) produce resultados sólidos:
- MMMU-Pro: 81,6%
- MathVision: Competitivo/altos 90 en algunos reportes.
- OmniDocBench: 91,1% (líder).
Admite capturas de pantalla, diagramas y video para tareas de bucle cerrado como refinamiento de UI o desarrollo de juegos.
Tabla comparativa: Kimi K3 vs. modelos líderes (aproximada/compilada de reportes; esfuerzo máximo cuando se indica)
| Benchmark | Kimi K3 | Claude Fable 5 | GPT-5.6 Sol | Notas/Fuente |
|---|---|---|---|---|
| Frontend Code Arena | 1.679 (#1) | Inferior | Inferior | Arena.ai |
| DeepSWE | 67,3–67,5 | Competitivo | - | Moonshot/KimiCode |
| Program Bench | 77,8 (#1) | - | Cercano | Vals.ai |
| Intelligence Index (AA) | ~57,1 | ~59,9 | ~58,9 | Artificial Analysis |
| Long-Horizon Elo | 1547 | Superior | - | Moonshot interno |
| Costo por tarea (evals) | ~$0.94 | Superior | Superior | Independiente |
Datos obtenidos de el blog técnico de Moonshot, clasificaciones independientes y análisis. Los resultados pueden variar según arnés/esfuerzo; verifica siempre lo más reciente.
K3 muestra menos negativas en temas sensibles y gran consistencia en flujos con agentes. Pruebas independientes (p. ej., evaluaciones en YouTube, Vals AI) lo confirman como uno de los modelos abiertos más fuertes para programación en el mundo real.
¿Qué puede hacer Kimi K3? Capacidades en programación, visión y más
Programación e ingeniería con agentes
K3 mantiene sesiones largas con mínima supervisión: navega repositorios masivos, usa herramientas, depura mediante capturas (“visión en el bucle”).
Ejemplos:
- Optimización de kernels y desarrollo de compiladores: Construyó MiniTriton (compilador tipo Triton) desde cero, rivalizando con pilas optimizadas. Optimiza kernels para GPU en competencia con Fable 5.
- Desarrollo de juegos: Convierte conceptos/imágenes/videos en experiencias 3D/multijugador jugables con refinamiento iterativo.
- Diseño de chips: Ejecución autónoma de 48 horas diseñando un chip nano-modelo.
- Frontend: Lidera clasificaciones para apps web y tareas full-stack.
Visión y multimodal
La comprensión nativa de imágenes/video permite:
- Edición de video: Editó su propio teaser a partir de 56 clips (selección, cortes, sincronización, revisiones): horas de trabajo en minutos.
- Razonamiento 3D, motion graphics, paneles interactivos.
- “Visión en el bucle” para iteración de código mediante capturas.
La documentación de la API de Kimi muestra entrada de imagen mediante URLs de datos base64 y entrada de video mediante archivos subidos referenciados por ms://. También advierte que no se admiten URLs públicas de imagen en la entrada de visión, así que los desarrolladores deben enviar base64 o referencias a archivos subidos y hacer que el contenido del mensaje sea un arreglo de objetos. Ese es un detalle importante de implementación: no serialices un mensaje mixto de imagen y texto en una sola cadena plana.
Trabajo de conocimiento e investigación
Para empresas, aquí es donde Kimi K3 puede ser más valioso que un chatbot normal. El modelo está diseñado para trabajo “agéntico” donde puede mantener un plan, llamar herramientas, procesar resultados intermedios y producir un artefacto final. Ejemplos incluyen informes de investigación de mercado, asistentes de limpieza de datos, resúmenes de cumplimiento, mantenimiento de bases de conocimiento de soporte al cliente y copilotos de ingeniería internos.
- Genera informes de nivel consultoría, visualizaciones interactivas, paneles (p. ej., análisis de 42 años de la industria ASIC a partir de miles de fuentes).
- Flujos científicos: Reprodujo relaciones de astrofísica, analizó ondas gravitacionales con subagentes.
- Widgets/Paneles en Kimi Work para vistas persistentes basadas en datos.
K3 conecta la literatura con código ejecutable, produciendo resultados de calidad de publicación de manera eficiente.
Kimi K3 vs otros modelos de frontera: comparación práctica
| Modelo | Mejor encaje | Fortalezas | Precauciones | Recomendación de CometAPI |
|---|---|---|---|---|
| Kimi K3 | Contexto largo para programación, trabajo de conocimiento, agentes, razonamiento visual | Escala MoE de 2,8T, 1M de contexto, fuertes benchmarks de programación y agentes, hoja de ruta de pesos abiertos | Presión de capacidad en semana de lanzamiento, sensibilidad al historial de pensamiento, el soporte de visión puede variar según la ruta | Probar como modelo insignia para programación y contexto largo |
| GPT-5.6 Sol | Razonamiento difícil, programación, investigación, tareas amplias de producción | Perfil de benchmarks muy fuerte y tooling maduro | Precio más alto en muchas rutas | Usar como comparación y modelo de escalado |
| Claude Fable 5 | Escritura, programación, flujos con agentes, tareas de preferencia humana | UX sólida y rendimiento de frontera amplio | Costo más alto y posibles retrocesos de políticas en algunas tareas | Comparar para agentes de cara al usuario y apps centradas en escritura |
| Claude Opus 4.8 | Razonamiento profundo y trabajo profesional confiable | Comportamiento de asistente estable de gama alta | Más antiguo que los lanzamientos insignia más recientes | Mantener como respaldo o línea base de benchmark |
| GLM-5.2 | Evaluación de modelos abiertos con sensibilidad al costo | Alternativa abierta competitiva | Más débil en varias comparaciones listadas con K3 | Incluir en pruebas de enrutado costo/rendimiento |
Cómo acceder a Kimi K3: guía paso a paso
- Web/App: Visita kimi.com o descarga la app Kimi (iOS/Android). Selecciona K3 (K3 Max o Swarm Max).
- Kimi Code: Enfocado a terminal/IDE para desarrolladores. Excelente para agentes de programación.
- Acceso por API:
- URL base: https://api.moonshot.ai/v1
- Modelo: kimi-k3
- Obtén la clave en platform.moonshot.ai/console.
- Ejemplo con SDK compatible con OpenAI (Python):
Python
from openai import OpenAI
client = OpenAI(api_key="YOUR_KEY", base_url="https://api.moonshot.ai/v1")
response = client.chat.completions.create(
model="kimi-k3",
messages=[{"role": "user", "content": "Your prompt"}]
)
Admite herramientas, modo JSON y caché de contexto. Precios: $3 entrada, $15 salida por M tokens (caché $0.30).
- Agregadores: Usa CometAPI (cometapi.com) para acceso unificado a Kimi K3 + 500+ modelos con una sola clave, menores costos (20–40% de ahorro) y conmutación sencilla. Ideal para producción: compatible con OpenAI listo para usar, baja latencia.
- Autoalojamiento: Tras la publicación de pesos del 27 de julio en Hugging Face. Espera necesidades de hardware elevadas (supernodos, 64+ aceleradores recomendados). Herramientas comunitarias como vLLM llegarán después.
Recomendación de CometAPI: Integra Kimi K3 vía CometAPI para evitar múltiples claves/facturaciones. Pruébalo junto con Claude/GPT para A/B, optimiza costos y escala de forma confiable. Su panel rastrea el uso entre modelos: ideal para monitorear experimentos con K3. Regístrate en cometapi.com para obtener créditos gratuitos y acceso unificado.
Veredicto final
Kimi K3 es uno de los lanzamientos de modelos más importantes de 2026 hasta ahora. Combina una escala enorme, una estrategia seria de pesos abiertos, una ventana de contexto de 1M de tokens, comprensión visual nativa y resultados de benchmark que lo sitúan cerca de la cima de los sistemas de IA actuales para programación y agentes. No elimina la necesidad de GPT, Claude, Gemini, DeepSeek, Qwen u otros modelos, pero ofrece a los desarrolladores una nueva opción creíble para los flujos de trabajo más exigentes de contexto largo.
Empieza hoy en kimi.com o a través de CometAPI para una integración sin esfuerzo. Experimenta con sus fortalezas en programación y visión: los resultados hablan por sí solos.