Kimi K3 llega con 2.8T de parámetros y tokens caros

Moonshot AI ha lanzado Kimi K3, calificándolo como su “modelo más capaz hasta la fecha” con 2.8T de parámetros. Anunciado el 16 de julio de 2026, el modelo está disponible a través del sitio web y la API de Moonshot, con una liberación de pesos abiertos prometida para el 27 de julio de 2026.

Moonshot describe a K3 como el primer “modelo abierto de la clase 3T”, adelantando al 1.6T v4 Pro de DeepSeek. Según las propias afirmaciones de benchmark de Moonshot, K3 supera en la mayoría de casos a Claude Opus 4.8 max y a GPT-5.5 high, pero queda por detrás de Claude Fable 5 y GPT-5.6 Sol.

Según Artificial Analysis, K3:

Recomendado

200 expertos advierten ante el rápido avance de la IA

• alcanzó un Elo global de 1547 en su evaluación privada de trabajo de conocimiento a largo plazo
• mejoró en +732 puntos respecto a Kimi K2.6
• se situó solo por detrás de Claude Fable 5 en esa prueba
• costó $0.94 por tarea, frente a $1.04 para GPT-5.6 Sol y $1.80 para Opus 4.8
• utilizó un 21% menos de tokens de salida en el Índice de Inteligencia de Artificial Analysis que K2.6

El modelo también lidera ahora la arena Frontend Code de Arena.ai, por delante de Claude Fable 5.

Los precios son uno de los cambios más llamativos. Kimi K3 cuesta $3 por millón de tokens de entrada y $15 por millón de tokens de salida, situándolo aproximadamente al mismo nivel que la tarifa de Claude Sonnet de Anthropic y convirtiéndolo, según la fuente, en el modelo más caro publicado hasta la fecha por un laboratorio de IA chino. Es un salto pronunciado respecto a Kimi K2.6, que estaba en $0.95/$4.

Simon Willison sometió a K3 a su prueba de larga trayectoria “Generar un SVG de un pelícano montando una bicicleta” usando OpenRouter. El resultado consumió 95 tokens de entrada y 16.658 tokens de salida, incluidos 13.241 tokens de razonamiento, por un coste total de $0.25.

Eso condujo a uno de los detalles más reveladores del artículo: K3 actualmente parece ofrecer solo una configuración de razonamiento, “max”. Willison señala que incluso un aviso trivial como “hi” contó como 86 tokens, lo que, según él, sugiere que puede haber un prompt de sistema oculto de 85 tokens, aunque el modelo no lo reveló.

Lo que la prueba del pelícano todavía muestra

Willison sostiene que el benchmark del pelícano ya no es un proxy fiable de la calidad general del modelo. Antes seguía de forma aproximada la capacidad del modelo, pero dice que esa conexión ahora se ha “visto mayormente rota”. La brecha mayor es que la prueba aporta poca información sobre lo que más importa en los modelos actuales: la capacidad de actuar como agentes para invocar y utilizar herramientas de forma fiable a lo largo de conversaciones largas.

Aun así, afirma que el ejercicio sigue siendo útil como una comprobación práctica rápida. En el caso de K3, sacó a la luz algunos rasgos concretos: alto uso de tokens de razonamiento, alto coste para tareas sencillas, buen rendimiento en visión y la capacidad de producir SVG válidos con un manejo razonable de la geometría y la disposición espacial.

Para Willison, eso es suficiente para mantener la prueba del pelícano—especialmente porque comparar salidas entre lanzamientos sigue mostrando progreso. Su veredicto sobre este: el pelícano de K3 es una mejora notable respecto a Kimi 2.5.