Kimi K3 vence a GPT-5.6 Sol en IA agéntica y libera su código el 27 de julio

El modelo que acaba de superar al buque insignia de OpenAI en el punto de referencia que más importa para el trabajo de codificación y conocimiento a largo plazo ya está disponible a través de API. No es de OpenAI, Google ni Anthropic. Kimi K3 es el último lanzamiento de Moonshot AI, una startup con sede en Pekín conocida principalmente por el chatbot Kimi, y es el modelo de lenguaje con pesos abiertos más grande jamás publicado: 2,8 billones de parámetros totales en una arquitectura dispersa que mantiene los costos bajos al activar solo una fracción de ellos por solicitud.

En AA-Briefcase —la evaluación autónoma de Artificial Analysis diseñada para simular trabajo de conocimiento real en lugar de problemas de libro de texto— Kimi K3 obtuvo 1.527 puntos, ubicándose solo por detrás de Claude Fable 5 Max con 1.587 y superando a GPT-5.6 Sol Max con 1.495. En el benchmark más amplio GDPval-AA, el modelo ocupa el tercer lugar con 1.687, detrás de Fable 5 Max (1.815) y GPT-5.6 Sol Max (1.747,8). La brecha de rendimiento entre el primer y segundo lugar en el benchmark autónomo es más estrecha que la brecha entre el segundo y el quinto.

La diferencia de precio es más difícil de ignorar que los rankings de los benchmarks. Kimi K3 cobra 3 dólares por millón de tokens de entrada no almacenados en caché y 15 dólares por millón de tokens de salida. Claude Opus 4.8 cobra 5 dólares por millón de entrada y 25 dólares por millón de salida. Para equipos que ejecutan flujos de trabajo autónomos de alto volumen, Moonshot reporta tasas de acierto de caché superiores al 90% en cargas de trabajo de codificación, lo que reduce el costo efectivo de entrada a 0,30 dólares por millón de tokens, una cifra que cambia la economía de implementar inteligencia artificial de clase fronteriza a escala.

Dos innovaciones arquitectónicas sustentan el modelo. Kimi Delta Attention es un mecanismo de atención lineal híbrido que la empresa dice que permite una decodificación 6,3 veces más rápida en contextos de un millón de tokens en comparación con la atención estándar. Attention Residuals se describe como un reemplazo directo para las conexiones residuales estándar que ofrece ganancias de rendimiento consistentes a medida que el modelo escala. La ventana de contexto de 1 millón de tokens —suficiente para contener aproximadamente diez novelas completas a la vez— es funcional y está activa, no es una especificación teórica.

Hay una distinción entre ‘disponible hoy’ y ‘código abierto’ que importa aquí. Kimi K3 es accesible ahora a través de API y la aplicación Kimi, lo que significa que las solicitudes pasan por los servidores de Moonshot. Los pesos reales del modelo —los parámetros entrenados que permitirían a cualquiera implementarlo en su propia infraestructura— aún no son públicos. Moonshot planea publicarlos el 27 de julio bajo una licencia MIT Modificada, los mismos términos aplicados al modelo K2 anterior. Para la mayoría de los desarrolladores, la API es lo que necesitan; para las organizaciones con requisitos de soberanía de datos o cumplimiento normativo, la publicación de los pesos es la fecha relevante.

El soporte multimodal nativo cubre entrada de texto, imágenes y video dentro de la misma llamada API. El recuento total de parámetros de 2,8 billones del modelo se refiere al conjunto completo de parámetros dispersos de MoE; el recuento de parámetros activos por paso hacia adelante es considerablemente menor, que es como Moonshot mantiene bajos los costos de inferencia. Ejecutar el modelo completo localmente requeriría hardware mucho más allá de una estación de trabajo de consumo. Lo que los pesos abiertos permitirán es la implementación en infraestructura de nivel empresarial sin enrutar datos a través de una API de propiedad china.

La publicación de los pesos el 27 de julio determinará cuánta de la ventaja en los benchmarks sobrevive en la implementación real. Cuando Moonshot lanzó K2 bajo términos abiertos comparables, la adopción por parte de los desarrolladores avanzó más rápido de lo que la empresa esperaba —en parte porque la combinación de rendimiento casi fronterizo y licencias estilo MIT eliminó la fricción legal para los equipos que necesitaban ambas cosas. K3 es una apuesta más grande por la misma estrategia.

Etiquetas: GPT-5.6, modelos de IA, IA local, IA open-source, Kimi K3, Moonshot AI