Kimi K3: El modelo frontier de código abierto de 2,8T de Moonshot AI para codificación agéntica

Kimi K3 es el nuevo modelo de lenguaje grande insignia de Moonshot AI — y, con 2,8 billones de parámetros, el modelo de pesos abiertos más grande lanzado hasta la fecha. Presentado el 16 de julio de 2026, combina un diseño Mixture-of-Experts (MoE) de clase frontier con una ventana de contexto de 1 millón de tokens y un enfoque centrado en agentes para codificación y trabajo de conocimiento de largo horizonte. Lo que lo hace notable no es solo el tamaño: Moonshot está lanzando los pesos completos, poniendo un rendimiento genuinamente frontier al alcance de los agentes autoalojados. Aquí está lo que K3 realmente es, cómo se desempeña en benchmarks, cuánto cuesta y dónde encaja.

Esta guía cubre la arquitectura de K3, benchmarks, precios, cómo se compara con la línea K2, y los flujos de trabajo concretos que los desarrolladores ya están ejecutando en él.

¿Qué es Kimi K3?

Kimi K3 es un modelo frontier de pesos abiertos y enfocado en agentes de Moonshot AI, con sede en Beijing, lanzado el 16 de julio de 2026 como sucesor de la serie Kimi K2. Moonshot lo describe como el modelo de codificación de código abierto más potente de la compañía hasta la fecha, diseñado para sostener largas sesiones de ingeniería, navegar repositorios grandes y orquestar herramientas de terminal con supervisión humana mínima. (Fortune)

El número principal es la escala. K3 incorpora 2,8 billones de parámetros totales en una arquitectura MoE dispersa — aproximadamente 2,8× el tamaño de K2.6, y más grande que rivales chinos como DeepSeek V4 Pro (~1,6T) y la serie GLM-5 de Zhipu. Eso lo convierte, según Moonshot, en el modelo de pesos abiertos más grande jamás construido. (VentureBeat)

Crucialmente, los pesos no permanecerán bloqueados. Moonshot ha programado los pesos abiertos completos para el 27 de julio de 2026, lo que significa que los desarrolladores podrán inspeccionar, modificar y autoalojar el modelo en lugar de solo llamar a una API alojada. (Axios)

Especificaciones y Arquitectura

K3 mantiene la filosofía de diseño centrada en agentes al estilo OpenAI de la línea K2 y eleva el techo en cada eje.

• MoE disperso de 2,8T de parámetros — cientos de expertos con activación dispersa, de modo que solo una fracción de la red se ejecuta por token. La escala se trata de amplitud y especialización, ajustada para razonamiento de largo horizonte y uso complejo de herramientas. (VentureBeat)
• Ventana de contexto de 1 millón de tokens — suficiente para mantener una base de código completa, un sistema de diseño o un corpus de investigación "a la vista" sin fragmentación elaborada. (Axios)
• Kimi Delta Attention (KDA) — un mecanismo de atención lineal híbrido publicado por primera vez como investigación abierta por Moonshot, orientado a mantener secuencias ultralargas manejables sin el aumento de costos de la atención estándar. (VentureBeat)
• Attention Residuals (AttnRes) — descrito por Moonshot como un reemplazo directo de las conexiones residuales que ofrece ganancias de escalado consistentes. (VentureBeat)
• Entrada multimodal nativa — comprensión visual de texto e imágenes, además de un modo de razonamiento siempre activo que Moonshot llama "modo de pensamiento". (Axios)
• Compatible con OpenAI-SDK — la API refleja la interfaz de OpenAI, por lo que los equipos que ya construyen sobre cadenas de herramientas de OpenAI o Anthropic pueden integrarse con cambios mínimos. (VentureBeat)

Tanto KDA como AttnRes fueron publicados previamente como investigación abierta en GitHub — una señal de que las ganancias de eficiencia de K3 provienen de la arquitectura, no solo de la escala bruta. (VentureBeat)

Benchmarks: Dónde Se Posiciona K3

K3 debutó en el puesto No. 3 del ranking de Artificial Analysis, detrás de Claude Fable 5 de Anthropic y GPT-5.6 Sol de OpenAI — pero por delante de todo lo demás, y lideró algunas pruebas prácticas de forma directa. (Wikipedia)

Algunos resultados destacan de los análisis del lanzamiento:

• GDPval-AA v2 (tareas del mundo real en 44 ocupaciones y 9 industrias): K3 obtuvo 1.687, tercero en general detrás de Claude Fable 5 Max (1.815) y GPT-5.6 Sol Max (1.747,8), y por delante de Claude Opus 4.8 (1.600). (VentureBeat)
• AA-Briefcase (un benchmark privado de trabajo de conocimiento de largo horizonte): K3 ocupó el segundo lugar con 1.527, superando a GPT-5.6 Sol Max y quedando solo detrás de Fable 5 Max. (VentureBeat)
• Automatización de tareas: K3 ocupó el primer lugar en cuatro de ocho benchmarks — incluyendo Automation Bench, SpreadsheetBench 2 y BrowseComp — quedando segundo ante Fable 5 en la mayoría de los demás. (VentureBeat)
• Codificación front-end: en pruebas ciegas realizadas por Arena, los desarrolladores prefirieron K3 sobre todos los modelos líderes de EE. UU. para codificación front-end, incluidos Fable 5 y GPT-5.6 Sol. (Axios)

Un detalle importante para los desarrolladores de agentes: Moonshot afirma que logró estos resultados de automatización en una configuración de agente único usando el contexto de 1M de tokens — sin compresión de contexto ni trucos externos de gestión de contexto. Eso sugiere que la longitud de contexto bruta más una recuperación sólida puede rivalizar con elaboradas soluciones multiagente. (VentureBeat)

La advertencia: K3 ha sido público solo por días, y las demostraciones virales y los benchmarks tempranos pueden sobreestimar qué tan confiablemente funciona un modelo en trabajo de producción real. Trata los números del ranking como un punto de partida prometedor, no como un veredicto definitivo. (Axios)

Precios y Acceso

K3 está disponible hoy a través de la interfaz kimi.com, aplicaciones móviles y la API de la plataforma Moonshot en platform.moonshot.ai. El precio alojado está establecido en aproximadamente $3 por millón de tokens de entrada y $15 por millón de tokens de salida. (MLQ)

Ese es el precio más alto de cualquier laboratorio de IA chino — una clara ruptura con los grandes descuentos por los que eran conocidos los modelos anteriores de Moonshot. Para contexto, está muy por encima del GLM-5.2 de z.ai ($4,40/M de salida) y DeepSeek V4 ($0,87/M de salida), aunque sigue siendo mucho más barato que los modelos frontier de EE. UU.: Claude Fable cuesta alrededor de $50 por millón de tokens de salida para trabajo comparable. (Fortune)

Dos notas prácticas antes de presupuestar:

• K3 actualmente expone solo un nivel de esfuerzo de razonamiento ("max"), y los evaluadores independientes reportan un consumo elevado de tokens de razonamiento — uno señaló aproximadamente 13.241 tokens (alrededor de $0,25) para generar un único SVG simple. Las cadenas largas se acumulan rápidamente. (MLQ)
• Una vez que los pesos se publiquen el 27 de julio, el autoalojamiento se convierte en una opción para los equipos que necesitan residencia de datos o quieren controlar los costos a escala — el mismo camino de alojado a autoalojado que hemos visto en los lanzamientos de pesos abiertos de Moonshot. (Axios)

K3 vs. K2.5 / K2.6 / K2.7: Qué Cambió

Si has usado la línea K2, K3 se trata menos de una nueva API y más de elevar los techos. La plataforma mantiene la misma interfaz al estilo OpenAI y la semántica de llamada de herramientas, por lo que las rutas de actualización siguen siendo sencillas.

Los principales diferenciadores sobre K2.x: casi 3× los parámetros, una ventana de contexto 4× más larga (1M vs 256k), la nueva arquitectura KDA + AttnRes, y razonamiento multimodal más sólido. Moonshot también reporta que K3 usa aproximadamente 21% menos tokens de salida que K2.6 en tareas equivalentes — continuando la tendencia de eficiencia de Kimi K2.7 Code. (MLQ)

Casos de Uso Reales para Desarrolladores y Equipos

La combinación de K3 de rendimiento frontier, contexto enorme y pesos abiertos lo convierte en un candidato como columna vertebral para trabajo serio con agentes:

• Agentes de codificación autónomos que gestionan funcionalidades completas — sosteniendo largas sesiones de ingeniería, navegando repositorios masivos y orquestando herramientas de terminal con supervisión mínima. (Fortune)
• Migraciones y prototipado a escala de repositorio — convirtiendo PRDs, archivos de diseño y documentos heredados en andamiaje funcional mientras se mantiene el contexto completo del proyecto en la ventana de 1M de tokens.
• Trabajo de conocimiento intensivo en documentos en finanzas, legal y consultoría, donde un contexto amplio más visión nativa ayuda con informes densos, y los pesos abiertos permiten mover flujos de trabajo sensibles a infraestructura autoalojada más adelante.

Esto no es adopción hipotética. Los modelos anteriores de Moonshot ya estaban dentro de productos occidentales — Cursor usó Kimi para ayudar a construir su agente de codificación Composer 2, y el CTO de DoorDash dijo que la empresa delega "trabajo de nivel inferior a Kimi K2.6". K3 eleva el techo contra el que esos equipos están construyendo. (Fortune)

Por Qué K3 Importa para el Panorama de la IA

Estratégicamente, K3 es la apuesta de Moonshot para demostrar que los modelos de pesos abiertos pueden competir de frente con los sistemas cerrados en los segmentos de mayor valor: codificación compleja, razonamiento de largo horizonte e investigación multimodal. Los analistas enmarcaron el lanzamiento como evidencia de que la innovación arquitectónica más el escalado de preentrenamiento aún puede ofrecer ganancias significativas para los laboratorios chinos a pesar de las restricciones de hardware. (CNBC)

También es un shock competitivo. El lanzamiento — programado justo antes de la Conferencia Mundial de Inteligencia Artificial 2026 en Shanghái — es ampliamente interpretado como evidencia de que el código abierto ya no está rezagado respecto a los modelos cerrados por muchos meses. Para los desarrolladores que evalúan modelos frontier, eso significa que K3 pertenece a la lista de candidatos junto a Claude y GPT-5.x, especialmente si tu hoja de ruta incluye agentes autoalojados y flujos de trabajo multimodales. (VentureBeat)

Para el panorama más amplio de pesos abiertos, K3 se sitúa junto a los otros lanzamientos frontier que hemos seguido: DeepSeek V4 Pro, GLM-5.2 de Zhipu y MiniMax-01.

Pon un Modelo Como Kimi K3 a Trabajar en Tu Propia Fuerza Laboral de IA

El valor real de K3 se manifiesta cuando un modelo frontier está conectado a flujos de trabajo reales — repositorios, documentos, terminales y planes de múltiples pasos — no solo a un cuadro de chat. Para eso exactamente sirve una plataforma multiagente agnóstica al modelo: enrutar codificación de largo horizonte a un modelo como K3, mantener otros para tareas rutinarias y orquestarlos en trabajo real. Eigent es una aplicación de escritorio Cowork de código abierto que ejecuta una fuerza laboral de IA multiagente localmente, para que puedas conectar el mejor modelo por tarea y mantener los datos sensibles en tu propia máquina. Descubre cómo los agentes pueden revisar PRs de GitHub de principio a fin, luego descarga Eigent para probarlo.

Preguntas Frecuentes

¿Qué es Kimi K3?

Kimi K3 es el modelo de lenguaje grande frontier de Moonshot AI, lanzado el 16 de julio de 2026 — un modelo Mixture-of-Experts disperso de 2,8 billones de parámetros con una ventana de contexto de 1 millón de tokens y entrada multimodal nativa. Moonshot lo llama el modelo de pesos abiertos más grande jamás lanzado y su modelo de codificación de código abierto más potente hasta la fecha.

¿Es Kimi K3 de código abierto?

Moonshot se ha comprometido a lanzar los pesos completos de K3 el 27 de julio de 2026, momento en el que los desarrolladores podrán inspeccionarlo, modificarlo y autoalojarlo. Hasta entonces, K3 es accesible a través de la interfaz alojada kimi.com, aplicaciones móviles y la API de la plataforma Moonshot.

¿Cómo se compara Kimi K3 con Claude y GPT-5?

En el lanzamiento, K3 debutó en el puesto No. 3 del ranking de Artificial Analysis, detrás de Claude Fable 5 de Anthropic y GPT-5.6 Sol de OpenAI, mientras lideraba algunas pruebas prácticas — incluyendo la evaluación ciega de codificación front-end de Arena, donde los desarrolladores lo prefirieron sobre ambos. Ocupó el primer lugar en cuatro de ocho benchmarks de automatización de tareas.

¿Cuánto cuesta Kimi K3?

El precio alojado es aproximadamente $3 por millón de tokens de entrada y $15 por millón de tokens de salida — el más alto de cualquier laboratorio chino, pero aún muy por debajo de los modelos frontier de EE. UU. como Claude Fable. K3 actualmente ofrece solo un nivel de razonamiento "max", y los evaluadores reportan un uso elevado de tokens de razonamiento, por lo que las cadenas largas pueden volverse costosas.

¿Qué hay de nuevo en K3 respecto a la serie K2?

K3 escala de los 1T de parámetros de K2 a 2,8T, extiende la ventana de contexto de 256k a 1M de tokens, y añade dos nuevas técnicas arquitectónicas — Kimi Delta Attention y Attention Residuals. También reporta aproximadamente un 21% menos de tokens de salida que K2.6 en tareas equivalentes, junto con un razonamiento multimodal más sólido.

¿Puedo usar Kimi K3 con una plataforma multiagente como Eigent?

Sí. Dado que K3 es compatible con OpenAI-SDK y (desde el 27 de julio) autoalojable, una plataforma agnóstica al modelo como Eigent puede enrutar tareas de codificación de largo horizonte y trabajo de conocimiento a K3 mientras usa otros modelos para pasos rutinarios — manteniendo los datos locales cuando sea necesario.