Kimi K3: Cuando la inteligencia artificial construye su propia infraestructura

Moonshot AI presentó el 16 de julio de 2026 Kimi K3: 2.800 billones de parámetros, un millón de tokens de contexto, nativo multimodal. El verdadero desafío está debajo. Según el fabricante, una versión temprana de K3 escribió la mayor parte de sus propios kernels de entrenamiento, construyó un compilador y diseñó un chip en 48 horas. Para los responsables de decisiones en cloud y plataformas, esto cambia las reglas del juego en cuanto a pesos abiertos, economía de inferencia y codificación agentiva.

Lo más importante en resumen

Relacionado:Inkling: Qué puede hacer el nuevo modelo de pesos abiertos  /  Casi en nivel de élite, más económico y entrenado en tres continentes

Lo que Moonshot ha omitido – y por qué afecta a los equipos de cloud

Trabajo a diario con equipos que evalúan los modelos como una variable operativa: coste por tarea, ruta de despliegue, soberanía de datos y estabilidad de agentes. Precisamente en esta lógica, Kimi K3 resulta interesante. Moonshot presenta al sucesor de la línea K2 como el primer modelo abierto de la clase de 3.000 billones: 2.800 billones de parámetros en total, Mixture-of-Experts con 16 de 896 expertos activos (alrededor del 1,8%), ventana de contexto de 1.048.576 tokens, nativo multimodal (entrada de texto, imagen y vídeo, salida de texto).

La arquitectura, según Moonshot, se ha construido desde cero: Kimi Delta Attention (KDA), Attention Residuals (AttnRes) y Stable LatentMoE. Frente a K2, el fabricante habla de una eficiencia de escalado aproximadamente 2,5 veces mayor. En el lanzamiento, el razonamiento solo funciona con reasoning_effort=max (valor predeterminado); se esperan niveles inferiores. La API ya está disponible. Quien escuche «abierto» y piense «hoy en mi propio hardware», se adelanta: los pesos están anunciados para el 27 de julio de 2026 – el 17 de julio aún no están disponibles.

Por qué esto afecta a los responsables de plataformas: un modelo descargable de 2.800 billones desplaza el límite entre la inferencia gestionada y el supernodo propio. Al mismo tiempo, la pila de autoevolución sigue siendo la historia que va más allá del marketing de parámetros – y que debe leerse como una declaración del fabricante.

La pila de autoevolución: Kernel, compilador, chip

Moonshot relata tres casos que no aparecen en ninguna tabla clasificatoria de benchmarks -y que, por tanto, deberían tratarse como demostraciones autoinformadas, no como certificaciones independientes-.

Primero, el trabajo en el kernel: en una fase avanzada del desarrollo, una versión temprana de K3 asumió la mayor parte de la optimización interna del kernel. En un ciclo de iteración de 15 horas, el proceso forward-plus-backward pasó de 283,6 ms a 114,4 ms -unas 2,48 veces más rápido, según Moonshot-. Segundo, MiniTriton: K3 construyó desde cero un compilador para GPU similar a Triton (con IR a nivel de tile sobre MLIR, pasadas de optimización y generación de código PTX) y alcanzó o superó a Triton y torch.compile en los benchmarks de Roofline compatibles. Tercero, el diseño de chips: en una única ejecución de 48 horas, K3 diseñó un chip en Nangate 45nm con EDA de código abierto -unos 4 mm², cierre de temporización a 100 MHz y una matriz MAC INT4-. Alex Ker, de Baseten, resume así la cadena: el software construye su propio hardware.

Este es el relato que mantiene despiertos a los responsables de la nube. Cuando los modelos participan en el diseño de partes de su pipeline de entrenamiento y hardware, aumenta la presión sobre las cadenas de herramientas internas, los equipos de kernels y los flujos de trabajo EDA. También crece la exigencia de reproducibilidad: quien asuma estas afirmaciones en revisiones de arquitectura necesitará sus propias mediciones.

Para contextualizar el rendimiento: el propio Moonshot señala que K3 queda por detrás de Claude Fable 5 y GPT-5.6 Sol en el panorama general, aunque muestra valores cercanos a la frontera en codificación y cargas de trabajo agentivas. Las mediciones independientes dibujan un escenario similar: un escalón por debajo de la cima absoluta, pero con claras fortalezas en áreas donde hoy los equipos de plataforma queman dinero: sesiones largas de codificación, orquestación de herramientas, navegación y trabajo en frontend. Los datos detallados se encuentran en el módulo inferior.

La tabla separa las afirmaciones del fabricante y las señales externas. Artificial Analysis establece el índice de inteligencia en 57 – aproximadamente al nivel de Opus-4.8, detrás de Fable 5 y GPT-5.6 Sol. Los índices de codificación y agentes son fuertes; según la evaluación, K3 consume alrededor de un 21 por ciento menos de tokens de salida por tarea que la generación anterior. En la arena de código frontend, K3 ocupa el primer lugar con 1679 puntos (17 puestos arriba), por delante de Fable 5. Las demostraciones autoinformadas y la arena Elo no reemplazan la evaluación de producción en sus cargas de trabajo.

Los pesos abiertos como cuestión de infraestructura

Por «pesos abiertos» se entiende aquí: anunciados hasta el 27 de julio de 2026, pero aún no disponibles. La API funciona; falta el paquete de descarga. La licencia aún no se ha publicado en su versión definitiva. Quien inicie procesos de cumplimiento y adquisición debería marcar el 27 de julio en el calendario -y aprobar el estado real del repositorio, la licencia definitiva y los artefactos MXFP4 solo cuando estén disponibles-.

La realidad del despliegue según Moonshot: al menos 64 aceleradores en un supernodo de aceleración, pesos en MXFP4. Esto no es «probar en el rack de la estación de trabajo y luego lanzar». Es un tema de clúster con dominios de alto ancho de banda, paralelismo experto y almacenamiento en caché de prefijos para KDA. Moonshot afirma haber aportado una implementación compatible de caché de prellenado a la comunidad vLLM, liberable junto con el modelo.

Para la disyuntiva nube vs. on-premise, esto implica tres vías que deben valorarse por separado. Primera: API gestionada: rápida, con pocas operaciones, pero los datos salen de vuestro perímetro. Segunda: autoalojamiento en la nube sobre un supernodo alquilado: control sobre los pesos, pero sigue siendo hardware y jurisdicción ajenos. Tercera: on-premise o colocación dedicada: máxima soberanía de datos, Capex y know-how del equipo para inferencia MoE en la clase de los 2.800 millones. Quien interprete «abierto» como una victoria automática del on-premise subestima el suelo operativo.

La soberanía de los datos sigue siendo el verdadero motor. Un MoE Frontier descargable permite escenarios air-gapped, ajustes finos específicos del sector y guardarraíles propios. Pero también os obliga a tomar en serio los ciclos de parcheo, las comprobaciones de la cadena de suministro y el inventario de modelos, como con cualquier runtime crítico.

Economía de la inferencia: contexto, caché y euros

Un contexto de un millón de tokens solo es una estrategia operativa si el decoding y el prefill no se disparan. Según Moonshot, KDA acelera el decoding en contextos de un millón de tokens hasta 6,3 veces. AttnRes debería mejorar la eficiencia del entrenamiento en torno a un 25 %, con menos del 2 % de costes adicionales. Ambos son datos del fabricante; lo relevante será lo que muestren vuestros cuadros de mando de latencia y costes tras el despliegue de la API.

Precios de la API (convertidos al tipo de cambio actual, a julio de 2026): entrada aproximadamente 2,75 euros por millón de tokens, entrada en caché alrededor de 0,28 euros, salida unos 13,80 euros. La generación anterior tenía precios de entrada notablemente más bajos. K3 es una tarifa Frontier con un descuento agresivo en caché. Según Moonshot, la tasa de aciertos de caché en cargas de trabajo de codificación supera el 90 %. Quien opere herramientas de codificación agentic -repositorios largos, prompts de sistema repetidos, trazas de herramientas- vive o muere en función de esta tasa de aciertos.

Lo que cuenta para los operadores: la salida sigue siendo la parte cara. Reducir los tokens de salida por tarea (según Artificial Analysis, un 21 % menos que la generación anterior) tiene más impacto que unos céntimos en la entrada. Al mismo tiempo, el razonamiento de lanzamiento se ejecuta al máximo esfuerzo, lo que genera tokens de pensamiento. Planificad vuestros bucles de agentes con un presupuesto explícito por tarea y medid los aciertos de caché por clase de carga de trabajo antes de incluir precios de lista en los casos de negocio.

Qué significa esto para los equipos

Interpretación sobria: K3 es una oferta de frontera abierta seria con un perfil de codificación y agente fuerte, una clasificación honesta bajo Fable 5 y GPT-5.6 Sol en el índice general y una historia sobre infraestructura en evolución propia que se debe rastrear como reclamo y no escribir como hecho en las RFP. Los pesos están anunciados para el 27 de julio – hasta entonces es API «abierta» más hoja de ruta.

Referencia de acción para los equipos de plataforma DACH: Inicien un piloto de API limitado en sus cargas de trabajo de codificación y agente – con métricas de aciertos de caché, tokens y calidad junto con Arena-Nimbus. Planifiquen paralelamente el 27 de julio como ventana de decisión para Self-Host versus Gestionado. Mantengan la historia de evolución propia fuera de los textos de seguridad y adquisiciones hasta que hayan comprobado la reproducibilidad y el texto de la licencia. Y calibren las expectativas: K3 es grande, anunciado abiertamente y competitivo en dominios de codificación – la frontera absoluta sigue siendo según mediciones independientes y según Moonshot incluso en los modelos propietarios de vanguardia.

Preguntas frecuentes

Recomendaciones de lectura de la redacción

• Un modelo para todo es un error de arquitectura en 2026
• Cuando las GPU devoran el presupuesto de SaaS
• Cuando los agentes de IA viajan: la residencia de datos como problema operativo

Más del MBF Media Netzwerk

Fuente de la imagen: generada por IA (julio de 2026)