Por Redacción Pangea IA · 24 de octubre de 2026
Moonshot AI ha lanzado Kimi K3.1 Pro, un modelo multimodal con un contexto de un millón de tokens y una variante de mayor velocidad. La novedad llega con una combinación poco habitual: una API más barata que la de su antecesor, resultados competitivos frente a modelos cerrados y la promesa de publicar los pesos completos el 4 de noviembre. Las primeras mediciones independientes son buenas, pero todavía no convierten las cifras del fabricante en una victoria concluyente sobre Claude.
Qué ha presentado Moonshot AI
Kimi K3.1 Pro es el primer modelo de la nueva serie K3.1 de Moonshot AI. La empresa lo describe como una versión de Kimi K3 sometida a un posentrenamiento mucho más intensivo, especialmente para programación, uso de herramientas, trabajo con documentos, investigación financiera y creación de modelos 3D.
La arquitectura de partida es una mezcla de expertos de 2,8 billones de parámetros, de los que se activan 104.000 millones en cada inferencia. Esa escala no significa que todos los parámetros trabajen a la vez, pero sí anticipa unos requisitos de infraestructura muy alejados de un ordenador convencional. Aunque Moonshot lo denomina «open-weight», los pesos no están disponibles en el momento del anuncio: la fecha comprometida es el 4 de noviembre y la licencia todavía no se ha publicado.
El modelo admite texto, imágenes y vídeo, y mantiene hasta un millón de tokens de contexto. En la práctica, esa ventana permite enviar repositorios grandes, colecciones de documentos o secuencias visuales extensas. No garantiza, sin embargo, que el modelo recuerde con la misma precisión cada detalle ni que una entrada enorme sea la forma más barata de resolver una tarea.
- Kimi K3.1 Pro: versión estándar para conversación, código y agentes.
- Kimi K3.1 Pro Highspeed: variante que, según Moonshot, responde entre dos y tres veces más rápido.
- Acceso: Kimi.ai, las aplicaciones móviles, Kimi Work, Kimi Code y la API de Kimi.
- Integraciones: también está disponible a través de Vercel AI Gateway.
- Pesos: publicación anunciada para el 4 de noviembre de 2026.
Precio de Kimi K3.1 Pro y de Highspeed
Moonshot fija la tarifa de K3.1 Pro en 2 dólares por millón de tokens de entrada y 10 dólares por millón de tokens de salida. La caché de contexto cuesta 0,20 dólares por millón. Highspeed duplica las tarifas de entrada y salida a cambio de una mayor velocidad: 4 y 20 dólares, respectivamente, con la misma tarifa de caché.
| Modelo | Entrada / 1 M tokens | Salida / 1 M tokens | Caché / 1 M tokens |
|---|---|---|---|
| Kimi K3.1 Pro | 2 $ | 10 $ | 0,20 $ |
| Kimi K3.1 Pro Highspeed | 4 $ | 20 $ | 0,20 $ |
| Kimi K3 | 3 $ | 15 $ | 0,30 $ |
Frente a Kimi K3, el nuevo modelo reduce un tercio tanto el precio de entrada como el de salida. En una aplicación empresarial, el gasto real dependerá de la longitud de las respuestas, de la reutilización de la caché y del número de llamadas que haga el agente. Una ventana de un millón de tokens puede ser útil, pero llenarla en cada petición puede anular parte del ahorro.
La comparación con Claude Opus 5.5 y su estructura de precios deja claro el posicionamiento: Kimi quiere competir en tareas avanzadas sin cobrar una tarifa de modelo de gama alta. Para cargas masivas y muy sensibles al coste, aún hay opciones bastante más baratas, como MiniMax M3.1 Flash; la elección depende más del rendimiento por tarea completa que del precio aislado por token.
Qué dicen las pruebas independientes
La referencia independiente más sólida disponible el día del lanzamiento procede de Artificial Analysis. Su índice sitúa Kimi K3.1 Pro en cuarta posición, con 55 puntos, detrás de Claude Opus 5.5, Claude Sonnet 5.5 y Muse Wonder Full. La medición también registra alrededor de 77 tokens por segundo en la API estándar y unos 132 en Highspeed, una diferencia cercana a 1,7 veces en esas pruebas, no las dos o tres veces anunciadas por Moonshot.
El evaluador independiente destaca además un salto grande en tareas con herramientas. En GDPval-AA, que intenta aproximar trabajo profesional, K3.1 Pro alcanza 1.846 puntos Elo, por debajo de Opus 5.5 (1.866) y Muse Wonder Full (1.857). En AutomationBench-AA, centrado en flujos de software como servicio, sube del 58 % de Kimi K3 al 73 %.
Estos resultados son más útiles que una tabla del fabricante porque se han obtenido bajo una metodología común. Aun así, no equivalen a una auditoría universal: un índice agrega pruebas distintas, puede cambiar con nuevas ejecuciones y no reproduce los datos, permisos ni herramientas de cada empresa.
Las cifras de Moonshot, con cautela
Moonshot informa de un 65,7 % en Terminal-Bench 4.0, muy cerca del 66,4 % que atribuye a Claude Opus 5.5 y por encima del 58,2 % de GPT-6 Astra. También declara ventaja en SWE-Marathon y otras pruebas de agentes, aunque queda claramente por detrás en Terminal-Bench Science: 38,1 % frente al 63,3 % de Opus 5.5 y el 68,1 % de Astra.
Hay que leer esa tabla como una afirmación de la empresa. La propia documentación explica que no todos los modelos se midieron en las mismas ejecuciones y que algunos resultados proceden de blogs o clasificaciones externas. Artificial Analysis obtiene un 67 % para K3.1 Pro en Terminal-Bench 4.0, pero con su propia configuración. La dirección del avance parece real; el orden exacto entre modelos depende del arnés, el esfuerzo de razonamiento y las herramientas disponibles.
Qué significa el millón de tokens
El contexto de un millón de tokens puede abarcar cientos de miles de palabras o una combinación de código, documentos e imágenes. Para una pyme, los usos más plausibles son revisar un repositorio, cruzar contratos y manuales, analizar expedientes o construir un asistente que consulte mucha documentación sin fragmentarla de forma agresiva.
Pero «cabe en el contexto» no significa «se entiende a la perfección». Antes de adoptar el modelo conviene medir cuatro aspectos: recuperación de hechos situados en distintas partes del documento, tasa de citas correctas, estabilidad al repetir la consulta y coste total de la sesión. En muchos casos, un sistema de búsqueda y recuperación bien diseñado seguirá siendo más controlable que enviar todo el archivo en cada llamada.
¿Es realmente un modelo abierto?
Todavía no. Moonshot ha anunciado que publicará los pesos completos el 4 de noviembre, pero a 24 de octubre no se pueden descargar ni se conoce la licencia final. Por tanto, la descripción correcta es «pesos anunciados» o «futuro modelo de pesos abiertos», no «modelo ya abierto».
La distinción importa para quienes quieran ejecutar K3.1 Pro en infraestructura propia. Hasta que estén disponibles el archivo, la licencia, la documentación técnica y los requisitos de memoria, no es posible evaluar con rigor el coste de desplegarlo, modificarlo o usarlo comercialmente. El tamaño de la arquitectura apunta a un despliegue distribuido de gran escala, no a una instalación local corriente. Como referencia, Beam sí publicó sus pesos y una licencia Apache 2.0 desde el lanzamiento.
Qué debería probar una empresa antes de cambiar
- Elegir tres tareas reales. Por ejemplo, corregir una incidencia de código, extraer obligaciones de contratos y preparar un informe con fuentes.
- Medir el resultado completo. Registrar calidad, tiempo, tokens, reintentos y llamadas a herramientas; el precio por token aislado no basta.
- Revisar la residencia y el tratamiento de datos. Moonshot ofrece retención cero para clientes de API, pero cada organización debe comprobar contrato, transferencias internacionales, región de procesamiento y encaje con el RGPD.
- Limitar permisos del agente. El buen rendimiento en tareas autónomas aumenta la utilidad, pero también el daño potencial de una instrucción errónea. Las acciones con correo, pagos, repositorios o sistemas internos necesitan mínimos privilegios y aprobación humana.
- Repetir las pruebas tras la apertura de pesos. La versión alojada y un despliegue propio pueden diferir en cuantización, velocidad, herramientas y coste.
Para una pyme española o europea, la oportunidad inmediata está en evaluar la API con datos no sensibles o anonimizados. Un despliegue propio solo tendrá sentido cuando Moonshot publique los pesos, se conozca la licencia y exista una estimación fiable de infraestructura. El modelo puede abaratar algunas tareas avanzadas, pero no elimina los costes de integración, supervisión ni cumplimiento.
Conclusión: un competidor serio, todavía provisional
Kimi K3.1 Pro no es solo una actualización de ficha técnica. Combina una reducción de precio, un contexto muy amplio, capacidades multimodales y un salto independiente en tareas de agentes. Eso lo convierte en una alternativa creíble para equipos que comparan APIs de programación, análisis documental o automatización.
La conclusión debe mantenerse provisional. Las ventajas de velocidad de Highspeed no alcanzan aún la promesa máxima en las primeras mediciones; los pesos siguen pendientes; la licencia es desconocida; y buena parte de la comparación detallada con Claude procede de Moonshot. El lanzamiento merece atención y pruebas propias, no una migración automática.
Lecturas relacionadas
- Claude Opus 5.5 baja el precio y refuerza la seguridad
- MiniMax M3.1 Flash llega más rápido y a mitad de precio
- Beam ya se puede descargar: así es la IA de Reflection
Fuentes consultadas
- Moonshot AI: anuncio técnico de Kimi K3.1 Pro (23 de octubre de 2026; consulta: 24 de octubre de 2026).
- Artificial Analysis: evaluación independiente de Kimi K3.1 Pro (23 de octubre de 2026; consulta: 24 de octubre de 2026).
- Artificial Analysis: velocidad y precios por proveedor (consulta: 24 de octubre de 2026).
- Vercel: disponibilidad en AI Gateway (23 de octubre de 2026; consulta: 24 de octubre de 2026).
- The Next Web: lanzamiento y publicación prevista de pesos (23 de octubre de 2026; consulta: 24 de octubre de 2026).
Deja una respuesta