Qué es realmente Kimi K3
Kimi es el asistente de chat y la familia de modelos de Moonshot AI, un laboratorio chino que ha pasado el último año elevando el techo de tamaño para los modelos abiertos. Su buque insignia anterior, Kimi K2, era un modelo de pesos abiertos de 1 billón de parámetros que muchos desarrolladores adoraron porque era capaz y muy barato. K3 es el sucesor, y Moonshot está apostando fuerte: el blog de lanzamiento lo llama "el primer modelo abierto de clase 3T del mundo".
Aquí está la versión honesta, directamente de Moonshot: "Aunque su rendimiento general todavía queda por detrás de los modelos propietarios más potentes, Claude Fable 5 y GPT 5.6 Sol, Kimi K3 demostró un rendimiento de nivel de frontera en toda nuestra suite de evaluación, superando de forma consistente a todos los demás modelos probados". Esa es una declaración de lanzamiento refrescantemente poco exagerada, y resulta ser, a grandes rasgos, cierta.
Las especificaciones que importan:
- 2,8 billones de parámetros totales, el modelo abierto más grande anunciado hasta la fecha (Moonshot).
- Ventana de contexto de 1 millón de tokens (exactamente 1.048.576 tokens), así que puede contener una base de código o un conjunto de documentos muy grande de una sola vez (documentación de la plataforma).
- Visión nativa, así que recibe texto e imágenes y devuelve texto.
- Razonamiento siempre activo. K3 siempre "piensa" antes de responder, con el nivel fijado mediante un campo
reasoning_effortque por ahora solo admitemax(guía rápida).
Bajo el capó: cómo funciona Kimi K3
Aquí es donde K3 se vuelve genuinamente interesante, y donde un número grande de parámetros deja de ser el titular. Un modelo denso de 2,8T sería imposiblemente caro de ejecutar, así que K3 es un modelo Mixture-of-Experts: la mayoría de esos parámetros permanecen inactivos en cualquier token dado, y solo se activa una pequeña porción.
Moonshot escaló la escasez de forma que el modelo activa efectivamente 16 de 896 expertos usando un framework que llaman Stable LatentMoE. Otras dos piezas hacen el trabajo pesado: Kimi Delta Attention, un mecanismo de atención lineal híbrido, y Attention Residuals, un reemplazo directo de las conexiones residuales estándar que Moonshot publicó como código abierto por separado. Sumado a una receta de entrenamiento refinada, Moonshot afirma que estos cambios producen "una mejora aproximada de 2,5x en la eficiencia de escalado general en comparación con Kimi K2".
El número de parámetros activos todavía no se ha publicado, y tampoco el informe técnico completo. Ambos se prometen junto con los pesos abiertos. Así que, por ahora, toma los detalles internos como el enfoque de Moonshot, no como una arquitectura confirmada de forma independiente.
Cómo rinde en la práctica
Moonshot publicó un muro de benchmarks, y el patrón es consistente: K3 queda en tercer lugar detrás de Fable 5 y GPT-5.6 Sol en las evaluaciones agénticas y de programación más difíciles, y cómodamente por delante de la frontera anterior (Opus 4.8, GPT-5.5) en la mayoría de ellas.
Algunas lecturas concretas de los gráficos de Moonshot: K3 lidera en Automation Bench (30,8), SpreadsheetBench 2 (34,8) y BrowseComp (91,2), y queda segundo en AA-Briefcase y JobBench detrás de Fable 5. En las evaluaciones de programación más duras baja un peldaño: Fable 5 lidera en FrontierSWE (86,6 frente al 81,2 de K3) y Kimi Code Bench 2.0 (76,9 frente a 72,9). Las pruebas independientes de Artificial Analysis situaron el Intelligence Index de K3 en 57, colocándolo cuarto de los 189 modelos que ha evaluado.
La evidencia más convincente, sin embargo, no es un número. Son los desarrolladores que lo probaron en su propio trabajo:
"Llevo jugando con él unas horas, y creo que es un modelo increíble. No estoy seguro de poder distinguirlo de Fable en una prueba a ciegas. La cuota del plan Kimi Coding de 100 $ parece alinearse más o menos con lo que obtengo del plan de Anthropic de 200 $ cuando uso principalmente Fable."
La lectura más serena en esos mismos hilos vale la pena tenerla presente: esto está "un poco por debajo" de lo más alto, y parte de la energía de "supera a todo" venía de gráficos del fabricante antes de que las pruebas independientes se pusieran al día.
"Vaya, Fable salió hace apenas 2 semanas, y GPT-5.6 Sol hace apenas 1 semana. Sí, Kimi K3 parece estar un poco por debajo de ambos, pero por encima de todos los demás modelos. Así que diría que va unas semanas por detrás, no meses ya..."
Las demos que hicieron que la gente dejara de hacer scroll
El lanzamiento de Moonshot se apoyó fuertemente en la autonomía de largo alcance, y las demostraciones hablaron por sí solas. Con un solo prompt, K3 construyó juegos jugables desde cero: un RPG de mundo abierto wuxia, una arena de disparos con globos en primera persona, un coliseo voxel, un juego de lucha.
Las demos más serias son las que levantaron cejas. En una sesión autónoma de 48 horas, Moonshot afirma que K3 diseñó un chip (Nangate 45nm, 4 mm², simulado a más de 8.700 tokens/segundo de decodificación) para ejecutar un modelo pequeño sobre su propia arquitectura. En otra, escribió "MiniTriton", un compilador de GPU desde cero que igualó o superó a Triton en algunos kernels. En una tarea de optimización de kernels, redujo un pase forward-más-backward de 283,6 ms a 114,4 ms. La reacción de los desarrolladores fue a partes iguales asombro y "muéstranos la factura de tokens":
"¿Alguien vio en el blog que fue capaz de programar un compilador de GPU completo desde cero? Parece que incluso superó a Triton en algunos kernels de GPU. Eso me parece una locura. Me pregunto si lo abrirán y mostrarán cuántos tokens costó."
Esa última frase es el punto honesto, y lleva directo al precio.
Cuánto cuesta Kimi K3
Aquí está el giro. Toda la historia de Kimi solía ser "calidad de frontera a una fracción del precio". K3 acabó con eso en silencio. Tiene el precio de un buque insignia.
| Modelo | Entrada (fallo de caché) | Entrada (acierto de caché) | Salida | Ventana de contexto |
|---|---|---|---|---|
kimi-k3 | 3,00 $ / 1M | 0,30 $ / 1M | 15,00 $ / 1M | 1.048.576 tokens |
Fuente: precios oficiales de Kimi K3. Hay algunas cosas que destacan. Hay un modelo, un precio, porque el razonamiento siempre está activo, así que no hay una variante "sin pensar" más barata. El precio es plano en toda la ventana de 1M, sin un nivel superior para prompts largos. Y un acierto de caché reduce la entrada a 0,30 $, un descuento del 90 %, que es la verdadera palanca de costos para trabajo de agentes de contexto largo.
A 3 $ / 15 $, K3 queda justo a la altura del precio de Claude Sonnet, por encima de GPT-5.x y Gemini 3 Pro, y por debajo de Claude Opus. Está por debajo del nivel superior de Anthropic, así que sigue siendo una jugada de valor frente a Opus. Pero frente a DeepSeek, cuyo V4 Flash cuesta 0,14 $ de entrada / 0,28 $ de salida, la salida de K3 es aproximadamente 50 veces más cara. DeepSeek sigue siendo la opción de frontera económica; K3 ya no compite ahí. Esa sorpresa es la nota más sonada en la reacción de la comunidad:
"El nuevo modelo destaca por su precio: 3 $/millón de tokens de entrada y 15 $/millón de tokens de salida, poniéndolo al mismo nivel que la serie Claude Sonnet de Anthropic."
Donde K3 brilla de verdad es en la relación costo-rendimiento en las tareas en las que es bueno. En BrowseComp, logra la mejor puntuación por una fracción del costo por tarea de los modelos Claude:
Si prefieres usar Kimi a través de la app en lugar de la API, los planes de consumidor llevan nombres de tempos musicales:
| Nivel | Mensual | Anual (por mes) | Qué incluye |
|---|---|---|---|
| Free | 0 $ | -- | Acceso básico al chat |
| Moderato | 19 $ | 15 $ | Docs/Sheets/Slides, Deep Research, acceso a Kimi Code |
| Allegretto | 39 $ | 31 $ | 2x créditos de agente, 5x créditos de Kimi Code |
| Allegro | 99 $ | 79 $ | 5x créditos de agente, agentes paralelos Swarm |
| Vivace | 199 $ | 159 $ | 10x créditos de agente, concurrencia Swarm máxima |
Fuente: precios de membresía de Kimi. Vale la pena señalar: la página lleva un banner que dice que llegan nuevos planes y que los beneficios de Kimi y Kimi Code se dividirán en productos separados, así que esta tabla está a punto de cambiar.
Hay un segundo costo que los gráficos no muestran: K3 tiende a consumir más tokens que Fable para terminar la misma tarea, lo que empuja el precio efectivo hacia arriba incluso cuando la tarifa por token parece razonable. Hasta los fans admiten el punto en lugar de negarlo. Presupuéstalo si vas a ejecutar K3 en bucles de agentes largos.
Qué cambió de K2 a K3
Si usaste K2, el salto es más grande que un simple cambio de versión. Aquí la versión corta de lo que realmente cambió.
El tamaño casi se triplicó, la eficiencia de escalado mejoró aproximadamente 2,5x, y el razonamiento siempre activo reemplazó el interruptor de pensamiento separado de K2. Los dos cambios que de verdad marcarán tu decisión son los que van en la dirección "equivocada" para quien quiera cambiarse: el precio subió a territorio de buque insignia, y los pesos abiertos, todo el atractivo de K2, llegan semanas después del lanzamiento en lugar del primer día. El entusiasmo es real, pero la advertencia también, y la comunidad lo captó en cuestión de horas:
"Los pesos completos del modelo se publicarán antes del 27 de julio de 2026."
El panorama general: un modelo abierto en la frontera
Si quitas los detalles, aquí está por qué K3 importó lo suficiente como para ser tendencia durante una semana: un modelo abierto, de un laboratorio chino, ahora intercambia golpes con la frontera cerrada. Para mucha gente esto tiene menos que ver con K3 en sí y más con una línea que se ha cruzado.
"Sí, algunos aquí están en negación, pero lo que muchos dijeron que pasaría, pasó de verdad. No están "seis meses por detrás": el modelo es totalmente SOTA. Más barato, más rápido, y no solo aplastan a Sonnet 5 y Opus 4.8: en 6 de los 14 benchmarks que publicaron, Kimi K3 va por delante de Fable."
También hay un ángulo de control que sigue apareciendo: parte del atractivo de los modelos abiertos es no querer que un solo laboratorio decida qué puede y no puede ayudar a hacer un modelo. Eso es algo razonable a considerar, especialmente si planeas hacer fine-tuning o autoalojarlo una vez que lleguen los pesos.
"No creo que sea ético apoyar herramientas construidas para que una autoridad central decida qué esfuerzos intelectuales y trabajo de conocimiento son permisibles y cuáles no."
Dónde termina un modelo de frontera y empieza el trabajo de soporte
Ahora la parte que más me importa, porque me dedico a construir agentes de IA para vivir. Es tentador leer un lanzamiento así y pensar "genial, conecto el mejor modelo y mi cola de soporte se resuelve sola". No funciona así, y esa brecha es exactamente donde la mayoría de los proyectos de soporte con IA fallan en silencio.
Un modelo como K3 te da razonamiento en bruto. Lo que no te da es ninguna idea de tu política de reembolsos, los casos límite de tu producto, o el hecho de que el ticket #4021 es de un VIP que ya escribió dos veces. No tiene memoria de tus tickets pasados, ninguna barrera de seguridad que le impida inventar una respuesta con total confianza, y ninguna conexión al helpdesk donde el trabajo realmente ocurre. Una puntuación de benchmark más alta no arregla nada de eso.
Hemos pasado años poniendo IA en colas de soporte en vivo, y la lección que se quedó es que un modelo que suena seguro dando una respuesta equivocada es peor que ninguna respuesta. Por eso eesel AI ejecuta una simulación sobre tus tickets históricos antes de que nada salga en vivo, así ves la tasa de resolución y las respuestas exactas sobre conversaciones pasadas reales primero, no después de que un cliente se queme. También por eso las respuestas se enrutan por nivel de confianza: si el agente no está seguro, redacta para que lo revise un humano o escala en lugar de adivinar. En más de 500 equipos, Gridwise alcanzó un 73% de resolución de tickets de nivel 1 en su primer mes haciéndolo así.
El modelo subyacente importa mucho menos que ese envoltorio. Que es la buena noticia silenciosa sobre K3, Fable 5, o lo que sea que gane el próximo mes: la frontera sigue mejorando y abaratándose, y una IA para atención al cliente bien construida hereda esas ganancias sin que tengas que recablear nada.
Prueba eesel AI
Si llegaste hasta aquí porque quieres que un modelo de IA resuelva tickets de verdad y no solo chatee, ese es exactamente el propósito de eesel AI. Se conecta con Zendesk, Freshdesk, Slack y más de 100 herramientas más, aprende de tu centro de ayuda y tickets pasados, y empieza a redactar o resolver en minutos, no en semanas.
El diferenciador es la rampa de confianza: simula con tu historial real de tickets, mira los números, empieza en modo borrador, y pasa a totalmente autónomo solo cuando estés satisfecho. Obtienes la inteligencia del modelo de frontera con barreras de seguridad construidas para soporte. Prueba eesel gratis, sin necesidad de tarjeta de crédito.
Preguntas frecuentes
¿Kimi K3 es gratis?
¿Cuánto cuesta Kimi K3?
¿Kimi K3 es de código abierto?
¿Kimi K3 es mejor que Claude o GPT?
¿Puedo usar Kimi K3 para atención al cliente?
Article by
Alicia Kirana Utomo
Kira is a writer at eesel AI with a Computer Science background and over a year of hands-on experience evaluating AI-powered customer service tools. She focuses on breaking down how helpdesk platforms and AI agents actually work so that support teams can make better buying decisions.
