Kimi K3.1 Pro: el modelo chino de pesos abiertos al nivel de Claude Opus 5.5A fondo · digest del 25 de octubre
Bodegón de estudio del puesto de trabajo de un ingeniero con pantalla de terminal Linux, chip de silicio expuesto y esquema del modelo Kimi K3.1 Pro.
A fondo4 secciones≈ 11 min

Kimi K3.1 Pro: el modelo chino de pesos abiertos al nivel de Claude Opus 5.5

Si sigues de cerca la carrera de la inteligencia artificial, seguro que recuerdas la regla no escrita de los últimos dos años: en código abierto podías encontrar modelos ligeros estupendos para autocompletar código o chatear rápido, pero cuando tocaba razonar durante horas sobre ingeniería, administrar servidores Linux en producción o depurar fallos de arquitectura enrevesados, no había alternativa a los gigantes propietarios occidentales como Claude Opus. Nos habíamos acostumbrado a que la primera división estuviera cerrada tras APIs propietarias y los pesos abiertos fueran una o dos generaciones por detrás.

Pues bien, ese statu quo acaba de saltar por los aires. El laboratorio pekinés Moonshot AI ha lanzado Kimi K3.1 Pro, un sistema multimodal insignia que, en auditorías independientes, no solo le ha plantado cara a Claude Opus 5.5 y GPT-6 Astra, sino que los ha superado en toda una serie de pruebas exigentes de terminal y programación. Y lo más llamativo de todo: Moonshot ha confirmado que el 4 de noviembre de 2026 publicará los pesos del modelo en abierto bajo una licencia de investigación libre. Vamos a quitarle el envoltorio brillante a los anuncios y a destripar juntos cómo funciona esta bestia por dentro, cómo han logrado los desarrolladores chinos cerrar la brecha y dónde se esconden las inevitables pegas.

Arquitectura de 2,8 billones de parámetros: cómo funciona el enrutamiento disperso

Cuando ves por primera vez en las especificaciones la cifra de 2,8 billones de parámetros, lo primero que se te pasa por la cabeza es que hará falta una pequeña central hidroeléctrica y un rack de servidores de millones de dólares para moverlo. Pero no te alarmes antes de tiempo. Toda la clave de ingeniería de Kimi K3.1 Pro reside en la activación dispersa: Mixture-of-Experts (MoE).

Esquema arquitectónico del enrutamiento disperso de Kimi K3.1 Pro con activación de tres expertos de un conjunto de clústeres.

Imagina un enorme instituto universitario de investigación donde trabajan miles de profesores de las más diversas disciplinas. Si llega un estudiante con una duda sobre cómo corregir un fallo de segmentación de memoria en C, el instituto no convoca un claustro general con los tres mil empleados. Un coordinador inteligente en la entrada dirige la consulta al instante a exactamente tres especialistas en memoria de bajo nivel. En Kimi K3.1 Pro ocurre exactamente lo mismo: de ese colosal conjunto de 2,8 billones de pesos, para cada token procesado solo se activan de forma dinámica unos 104 mil millones de parámetros.

¿Qué significa esto en la práctica? Que en carga de cómputo y velocidad de generación, K3.1 Pro es comparable a redes densas estándar de tamaño medio, pero conserva la inmensa capacidad de conocimiento y profundidad asociativa acumulada por un ejército de expertos.

El segundo parámetro crítico es su ventana de contexto de 1 000 000 de tokens (unas 750 000 palabras, o una buena estantería llena de manuales técnicos gruesos). Lo más notable es que Moonshot AI no tuvo que volver a entrenar el modelo base desde cero. La versión anterior, Kimi K3, salió apenas tres meses antes, y todo el salto cualitativo es fruto de un postentrenamiento intensivo por refuerzo (Reinforcement Learning over thousands of specialized downstream domains). Los desarrolladores montaron un sistema masivo de verificación que penaliza automáticamente los errores de sintaxis, las conclusiones infundadas y los fallos en las cadenas lógicas.

Además, K3.1 Pro es multimodal de forma nativa. No es un Frankenstein hecho pegando con cinta aislante un módulo externo de visión por ordenador: la red procesa a la vez y en un único espacio semántico texto, imágenes ráster de alta resolución, capturas de terminal y flujo continuo de vídeo.

Anatomía de los benchmarks: auditoría independiente en Terminal-Bench, SWE-bench y HLE

Anuncios grandilocuentes en notas de prensa corporativas ya hemos visto cientos, así que a mí me interesaban ante todo las mediciones independientes de la plataforma Artificial Analysis. Y aquí es donde empiezan los números que seguro han provocado más de un escalofrío entre la competencia.

La prueba más reveladora para agentes autónomos hoy en día es Terminal-Bench 4.0. A diferencia de los tests sintéticos con preguntas de instituto, aquí sueltan al modelo en una consola virtual real de Linux. Le plantan emergencias de verdad: un demonio de base de datos caído, enlaces simbólicos rotos, una configuración de Nginx desbaratada o un driver del kernel que no compila. El modelo tiene que escribir comandos bash por su cuenta, analizar la salida estándar, leer logs del sistema, localizar el fallo y resolverlo.

Resultados en Terminal-Bench 4.0:

  • Kimi K3.1 Pro obtuvo un 65,7 % (y en una serie de ejecuciones ampliadas con mayor presupuesto de razonamiento llegó al 67,2 %);
  • El buque insignia de Anthropic, Claude Opus 5.5, marcó un 66,4 %;
  • El modelo de OpenAI GPT-6 Astra se quedó en apenas un 58,2 %;
  • Mientras tanto, la versión anterior Kimi K3 apenas arañaba un 12,6–13 % en este mismo test.

¿Ves la magnitud del salto? En menos de un trimestre, una arquitectura abierta china ha cruzado el abismo que separa a un chatbot indefenso de un administrador de sistemas Linux hecho y derecho, compitiendo codo con codo con el gran favorito mundial.

Pasamos a SWE-marathon, una exigente prueba de estrés donde conectan la red neuronal a repositorios reales de GitHub y le piden resolver un bug documentado que obliga a tocar decenas de archivos interconectados. Aquí Kimi K3.1 Pro se llevó el primer puesto absoluto con un 51,7 %, dejando atrás tanto a Claude Opus 5.5 (46,3 %) como a GPT-6 Astra (42,5 %).

En el examen académico interdisciplinar Humanity's Last Exam (HLE), compuesto por 2500 problemas de nivel experto, el resultado de Kimi con herramientas alcanzó el 70,0 % frente al 67,7 % de Opus 5.5. En Agent's Last Exam (122 escenarios complejos de investigación donde está prohibido copiar respuestas directamente de la búsqueda), Kimi logró un 43,2 % frente al 42,6 % del modelo insignia de Anthropic. Y en la prueba de investigación web BrowserComp clavó un 92,1 %, compartiendo el liderazgo con GPT-6 Astra (91,5 %).

Síntesis espacial y agente de escritorio: 3D, vídeo y visión por ordenador

Las cifras en los benchmarks quedan muy bien en los informes, pero ¿cómo se ve esa potencia en manos de un investigador real? El conocido divulgador de IA Matthew Berman realizó un experimento práctico muy ilustrativo: les propuso a Kimi K3.1 Pro y a Claude Opus 5.5 exactamente la misma tarea compleja: generar desde cero una escena 3D interactiva del lanzamiento de un cohete espacial con mallas procedurales, física de partículas para el fuego del propulsor y shaders de humo en WebGL.

El resultado fue llamativo no solo por la calidad, sino también por la economía del proceso:

  • Kimi K3.1 Pro escribió todo el código de la escena en 6 minutos, gastando $1,95 en tokens de razonamiento y generación;
  • Claude Opus 5.5 tardó 24 minutos en la misma tarea y la factura de la API ascendió a $10,35.

¡Un ahorro de más de cinco veces en presupuesto siendo cuatro veces más rápido! Y encima, la escena visual de Kimi funcionó a la primera sin errores de sintaxis en los shaders.

El segundo componente impresionante es el modo de agente de escritorio (Desktop Agent), integrado en el cliente oficial de Kimi. El modelo puede observar lo que ocurre en la pantalla de tu ordenador en tiempo real a varios fotogramas por segundo. No solo reconoce texto, sino las coordenadas exactas de los botones de la interfaz, menús desplegables, campos de texto y menús contextuales, para luego generar eventos sintéticos de teclado y ratón. Esto abre la puerta a automatizar programas locales pesados (desde editores gráficos hasta sistemas CAD) que ni siquiera tienen API de integración.

Economía de inferencia, ciberseguridad y pesos abiertos: las reglas del nuevo juego

Hablemos claro de dinero, porque al final son las tarifas las que deciden si una tecnología brillante se queda en juguete de un par de laboratorios o si cambia toda la industria.

El precio oficial de la API de Moonshot para Kimi K3.1 Pro se ha fijado en $2 por cada millón de tokens de entrada y $10 por cada millón de tokens de salida. Comparemos con sus rivales directos:

  • Claude Opus 5.5 cuesta $4 de entrada y $20 de salida (justo el doble);
  • GPT-6 Astra exige $10 de entrada y $50 de salida (cinco veces más caro que Kimi).

Este recorte agresivo de precios, combinado con una calidad al nivel de Opus, convierte a K3.1 Pro en el backend definitivo para cualquier pipeline agéntico donde el consumo en razonamiento continuo y verificación de hipótesis se mide en decenas de millones de tokens al día.

Al preparar el conjunto de datos, los ingenieros de Moonshot AI dieron además un paso sin precedentes en ciberseguridad: purgaron deliberadamente del entrenamiento de K3.1 Pro las bases de datos de exploits de día cero (0-day), los generadores de malware polimórfico y los escenarios especializados de ciberataque ofensivo. La compañía renunció conscientemente a fabricar ciberarmas antes de liberar los pesos en abierto, enfocando las capacidades autónomas del modelo únicamente en la ingeniería de sistemas constructiva, administración, auditoría y refactorización.

Eso sí, para que no te hagas la ilusión de que estamos ante un unicornio mágico sin defectos, debo enumerarte con honestidad los puntos débiles de Kimi K3.1 Pro que han salido a la luz en las pruebas de estrés:

  1. Sensibilidad a la redacción de instrucciones de sistema en inglés. Si le pasas a Kimi un prompt de sistema de cinco páginas con decenas de reglas de formato anidadas, a veces puede pasar por alto algún requisito menor, mientras que Opus 5.5 mantiene la estructura compleja con mano de hierro.
  2. Ejecutar en local los 2,8T MoE completos exigirá racks de servidores con terabytes de memoria distribuida incluso en cuantización de 4 bits (GGUF Q4_K_M). Un PC doméstico normal no podrá mover semejante mole sin destilación.
  3. En tareas de edición literaria fina, Claude Opus 5.5 sigue conservando la corona por la sutileza de sus matices lingüísticos.

Aquí tienes un ejemplo funcional para interactuar con el endpoint oficial de Kimi K3.1 Pro mediante el cliente estándar de OpenAI, activando el razonamiento profundo:

import openai

# Kimi K3.1 Pro es totalmente compatible con el protocolo OpenAI API
client = openai.OpenAI(
    api_key="MOONSHOT_API_KEY",
    base_url="https://api.moonshot.ai/v1"
)

response = client.chat.completions.create(
    model="kimi-k3.1-pro",
    messages=[
        {
            "role": "system",
            "content": "You are an autonomous engineering agent inside an Ubuntu terminal."
        },
        {
            "role": "user",
            "content": "Audit the Nginx configuration, identify misconfigured SSL ciphers, and fix upstream timeouts."
        }
    ],
    temperature=0.2,
    max_tokens=4096,
    stream=True,
    extra_body={
        "reasoning_effort": "high",
        "thought_budget_tokens": 8192
    }
)

for chunk in response:
    delta = chunk.choices[0].delta
    if hasattr(delta, "reasoning_content") and delta.reasoning_content:
        print(f"[Razonamiento]: {delta.reasoning_content}", end="", flush=True)
    if delta.content:
        print(delta.content, end="", flush=True)

Y si necesitas lanzar una petición directa a la API desde la terminal usando curl sin instalar librerías externas, se hace literalmente con un solo comando:

curl -X POST https://api.moonshot.ai/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $MOONSHOT_API_KEY" \
  -d '{
    "model": "kimi-k3.1-pro",
    "messages": [
      {"role": "user", "content": "Explain the sparse routing mechanism of Kimi K3.1 Pro"}
    ],
    "temperature": 0.3
  }'

La conclusión principal es sencilla: el 4 de noviembre de 2026 llega a su fin el monopolio de los laboratorios cerrados sobre el razonamiento autónomo complejo. Nos llevamos una herramienta de primera categoría con pesos abiertos, al alcance de cualquier desarrollador independiente.

Quiero un análisis detalladoLos votos ayudan a elegir qué analizar a fondo. Este material tiene 0 votos.
Fuentes · 4