Es bueno, es bonito y es (bastante) barato. Lo conocimos hace unos días, pero es que Kimi K3, el nuevo modelo abierto de IA de la startup china Moonshot AI, está causando sensación. Tanta, tanta, que han tenido que pausar nuevas suscripciones porque no pueden con tanta demanda.
Otro punto de inflexión para la IA china. Kimi K3 es el modelo de IA de pesos abiertos más grande jamás publicado, con cifras que probablemente rivalizan con las de los modelos frontera de Anthropic y OpenAI, que no dan información sobre el tamaño de sus modelos. Esos 2,8 billones de parámetros marcan la diferencia y son buena parte del motivo por el que este modelo representa un verdadero salto de calidad según todos los benchmarks que se están publicando.
"Impresionante". El mismísimo Elon Musk publicaba un sencillo "Impresionante" en su cuenta de X/Twitter como respuesta al completísimo análisis de rendimiento de Artificial Analysis. Su comportamiento agéntico supera al de Opus 4.8 y solo Fable 5 le supera, pero en un benchmark específico va incluso más allá y es el mejor de todos los modelos evaluados por esta firma, incluidos los de OpenAI y Anthropic.
Más pruebas. En programación es mejor que Opus 4.8 y GPT-5.5, pero inferior a Fable 5 o GPT-5.6, y todas las pruebas independientes validan esos resultados: estamos ante un modelo que al menos sobre el papel compite directamente con lo mejor que hasta ahora tenían tanto Anthropic como OpenAI. Ningún modelo chino se había acercado tanto hasta ahora: GLM-5.2, aun siendo destacable, competía más con GPT-5.5 y Sonnet 5 que con los modelos frontera de EEUU.
Gigantesco... y no tan barato. DeepSeek demostró que era posible acceder a modelos realmente capaces a un precio muy asequible, y recientemente GLM-5.2 planteó exactamente lo mismo: es posible lograr el 90% de capacidad de modelos frontera como Opus 4.8, pero a un 20% del coste. Lo curioso es que con Kimi K3 la tendencia cambia: es un modelo más asequible que Fable 5 o que GPT-5.6, pero no tanto como uno podría esperar: el coste por millón de tokens de entrada/salida es de 3/15 dólares, mientras que en Fable 5 cuesta 10/50, Opus 4.8 cuesta 5/25 y GPT-5.6 Sol cuesta 5/30.
Tokens por doquier. Uno de los factores que probablemente influye en esa relación calidad/precio está en el gran número de tokens que Kimi K3 parece usar al responder. Es un modelo que "piensa mucho", y eso, aunque mejora sin duda la precisión y capacidad del modelo, también provoca que genere mayores facturas para el usuario. El propio informe de Artificial Analysis va más allá: el coste por tarea en su batería de pruebas es de 0,95 dólares, al nivel de los 1,04 dólares de GPT-5.6 Sol y ciertamente más barato que Fable 5 (2,75 dólares), pero también mucho más caro que Grok 4.5 (0,31 dólares) o GLM-5.2 (0,47).
La prueba del pelícano. El analista Simon Willinson pudo probar el modelo para realizar una prueba con la que evalúa el comportamiento de todos estos desarrollos: que el modelo genere una imagen SVG de un pelícano en bicicleta. En sus pruebas la imagen fue de muy buena calidad, pero generó casi 17.000 tokens para la respuesta con un coste de tarea de 25 centavos. No es que este test sea demasiado concluyente, pero sí revela que para una tarea sencilla, el resultado, aunque sobresaliente, no es especialmente eficiente en consumo de tokens.
Ciberseguridad, la incógnita. Al contrario que los últimos modelos de Anthropic o de OpenAI, en Moonshot AI no parecen interesados de momento en que se use en el ámbito de la ciberseguridad. No hay mención alguna a esas potenciales capacidades en las notas del lanzamiento, pero eso no significa que no cumpla. El CTO de Vercel, Malte Ubl, explicaba que aunque no es el más avanzado de los modelos de IA en este ámbito, tras ejecutar varias pruebas le pareció un modelo que puede ser muy útil a la hora de encontrar y corregir vulerabilidades.
La demanda, por las nubes. La expectación generada por este modelo ha sido tal que la empresa ha anunciado que pone en pausa nuevas suscripciones. Eso les permitirá poder hacer frente a todas las peticiones para usarlo sin perjudicar la experiencia tanto a viejos usuarios como a los nuevos. Una decisión llamativa y que parece dejar clara una realidad: no dan abasto.
