Cada vez que otro laboratorio anuncia a bombo y platillo una ventana de contexto de un millón de tokens y un modelo de casi tres billones de parámetros, se me activa al instante el escepticismo profesional. Demasiadas veces hemos visto cómo unas cifras espectaculares en los benchmarks se convierten en la práctica en un monstruo lento que pierde el hilo de la conversación a los veinte mil tokens o suelta lugares comunes estériles en lugar de código funcional.
Pero el laboratorio chino Moonshot AI ha lanzado el nuevo Kimi K3.1 Pro, y aquí los ingenieros sí que han montado una arquitectura realmente curiosa. Es un modelo de tipo Mixture of Experts (MoE) con un peso total de 2.8 billones de parámetros, de los cuales para cada token activo se conecta un bloque compacto de 104 mil millones. La gran baza es su millón de tokens nativo de contexto y un ciclo profundo de post-entrenamiento con verificadores sintéticos. Me puse a probar esta combinación con tareas complejas para ver cómo responde en la práctica cuando no basta con charlar, sino que hay que construir productos reales.
En entregas anteriores ya seguimos cómo evolucionaba la familia Kimi K3 y los modelos abiertos para programación, pero en la versión 3.1 Pro la forma de trabajar ha cambiado de raíz. El modelo incorpora un motor de razonamiento siempre activo, así que su comportamiento recuerda más al de un arquitecto de sistemas reflexivo que al de un generador rápido de texto.
Arquitectura de 2.8 billones de parámetros y contexto de un millón
Veamos qué hay bajo el capó de esta bestia, porque ahí se esconde un equilibrio poco evidente entre potencia y coste computacional. En los modelos densos clásicos, cada petición hace pasar la señal por todas las capas de la red neuronal al completo. En Kimi K3.1 Pro, la arquitectura MoE activa exactamente 104 mil millones de parámetros de los 2.8 billones totales. Eso permite mantener los tiempos de cómputo bajo control sin renunciar a la enorme base de conocimiento del modelo principal.
Pero lo más interesante es el control sobre la profundidad del pensamiento. Los desarrolladores han expuesto en la API el parámetro reasoning_effort con tres niveles: low, high y max (por defecto viene activado precisamente max). A diferencia de los primeros intentos de simular razonamiento con prompts rígidos de sistema, aquí hay un verificador oculto de cadenas de pensamiento integrado. Antes de entregar al usuario el primer carácter de la respuesta, el modelo genera tokens internos de autocomprobación, simula posibles escenarios de fallo y solo entonces pasa a ensamblar el código definitivo o el informe.
Una ventana de contexto de 1,000,000 de tokens no sirve únicamente para darle de comer un tomo enorme de documentación. En las pruebas de extracción de información tipo «aguja en un pajar» (Needle In A Haystack), K3.1 Pro alcanzó una precisión superior al 99.2% hasta una profundidad de 950,000 tokens. Esto significa que, si escondes un parámetro concreto de configuración o una cláusula diminuta en un contrato en mitad de novecientas páginas de texto, el algoritmo la encontrará prácticamente con total seguridad, sin diluir su atención hacia el final del documento.
Pruebas en escenarios reales: escenas 3D, código y retención de datos
Puse a prueba a Kimi K3.1 Pro con un reto en el que suelen tropezar incluso los favoritos de la industria: crear una aplicación web 3D completa para navegador basada en la librería Three.js y WebGL. Lo habitual es que los algoritmos olviden cerrar búferes de geometría o se líen con las matrices de transformación de la cámara, obligando al desarrollador a perder horas cazando errores de renderizado.
Le pasé al modelo la descripción en texto de un sistema solar interactivo con escalado físico correcto de órbitas, shaders procedurales para la atmósfera y control con el ratón. En modo reasoning_effort: max, el modelo dedicó unos 22 segundos a su razonamiento oculto y después entregó un único archivo HTML monolítico con sus scripts completamente funcional y sin un solo error de sintaxis. En las pruebas de BenchCAD, el modelo reconstruye con solvencia modelos 3D paramétricos a partir de dos o tres proyecciones planas, generando contornos vectoriales limpios.
En el benchmark Terminal-Bench, que mide la capacidad del modelo para resolver tareas de ingeniería complejas instalando dependencias, editando archivos de configuración y ejecutando pruebas unitarias, K3.1 Pro se acercó muchísimo a las cifras de Claude Opus 5.5. Esto se nota sobre todo al refactorizar bases de código grandes: subes un archivo comprimido con decenas de módulos y el modelo no se inventa importaciones inexistentes, porque ve toda la estructura del repositorio en memoria activa.
La versión rápida Highspeed y el coste real de cómputo
Para los casos en los que esperar entre 20 y 30 segundos de razonamiento resulta inaceptable, Moonshot AI lanzó la variante de infraestructura Kimi K3.1 Pro Highspeed. Funciona entre 2.5 y 3 veces más rápido que la versión estándar gracias a una decodificación especulativa paralela muy agresiva y a una caché optimizada de claves y valores (KV-cache). Si estás montando un asistente interactivo para un agente de soporte o una consola en tiempo real para desarrolladores, Highspeed es una opción mucho más práctica.
La política de precios a través de la API oficial y agregadores como OpenRouter resulta sumamente agresiva frente a las alternativas occidentales:
- Kimi K3.1 Pro estándar: $2.00 por cada millón de tokens de entrada y $10.00 por cada millón de tokens de salida.
- Al acertar en la caché de contexto, el precio del millón de entrada cae hasta unos irrisorios $0.20.
- La versión Highspeed cuesta $4.00 en entrada y $20.00 en salida por cada millón de tokens.
Si comparas esto con las tarifas de las API cerradas de gama alta, la diferencia en el coste de una sesión de análisis profundo es de entre tres y cinco veces a favor de Kimi. Para startups que construyen pipelines analíticos sobre grandes bases de conocimiento, esta economía suele marcar la diferencia entre que el servicio sea rentable o seguir quemando dinero de inversores sin fin.
Los puntos flacos: dónde tropieza el modelo y cuándo no conviene elegirlo
Sería ingenuo pensar que el lanzamiento no tiene pegas. El primer compromiso, y el más palpable, es el tiempo hasta el primer token (TTFT). Cuando el contexto cargado supera los 800–900 mil tokens, la demora antes de empezar a responder en el modo de razonamiento estándar puede llegar al medio minuto. Para microservicios síncronos donde el usuario espera una reacción instantánea en pantalla, este escenario no sirve en absoluto.
El segundo punto es la ejecución en local. Aunque los pesos se han anunciado para la comunidad abierta, una arquitectura MoE de 2.8 billones de parámetros exige físicamente clústeres de servidores muy potentes. Incluso con una cuantización agresiva de 4 bits, para arrancarla hace falta un pool de al menos 8 aceleradores del nivel de NVIDIA H100 o H200. No vas a poder desplegar algo así en un laboratorio doméstico ni en un servidor alquilado modesto, así que para la mayoría el formato real de trabajo sigue siendo la API en la nube.
Por último, antes del lanzamiento los ingenieros de Moonshot AI aplicaron un procedimiento de zero-day dampening, debilitando de forma intencionada la capacidad del modelo para buscar exploits de día cero de bajo nivel. Es una medida sensata desde el punto de vista de la seguridad, aunque en tareas legítimas de pentesting el modelo rechazará expresamente generar ciertos shellcodes específicos.
En definitiva, tenemos entre manos una herramienta muy potente para análisis complejos, programación y proyectos a gran escala, donde la ventana de un millón de tokens por fin ha dejado de ser un truco de marketing para convertirse en un recurso de trabajo fiable.

