Moonshot AI presenta su nuevo modelo como una demostración del avance tecnológico de China, con 2.8 billones de parámetros, visión nativa y un contexto de un millón de tokens. Sin embargo, la propia empresa reconoce que Kimi K3 continúa por debajo de GPT-5.6 Sol y Claude Fable 5 en rendimiento general, experiencia de usuario y varias pruebas decisivas de razonamiento y programación.

El lanzamiento de Kimi K3 fue presentado como una nueva señal de que China está a punto de alcanzar o incluso superar a Estados Unidos en la carrera por la inteligencia artificial.

Su desarrolladora, Moonshot AI, lo describe como el primer modelo abierto de una categoría cercana a los tres billones de parámetros, capaz de programar durante largas sesiones, analizar imágenes y videos, investigar miles de documentos y trabajar con un contexto de hasta un millón de tokens.

Las cifras son impresionantes, pero no cuentan toda la historia.

La documentación oficial de Moonshot admite expresamente que el rendimiento general de Kimi K3 todavía se encuentra por debajo de los modelos propietarios más potentes de Estados Unidos: GPT-5.6 Sol, desarrollado por OpenAI, y Claude Fable 5, de Anthropic. La compañía también reconoce que existe una diferencia perceptible en la experiencia de uso frente a ambos sistemas.

Kimi K3 representa un avance real para la industria china y para los modelos con pesos disponibles. Sin embargo, no constituye la derrota tecnológica de las compañías estadounidenses ni la revolución absoluta sugerida por parte de la publicidad que acompañó su presentación.

Los 2.8 billones de parámetros pueden inducir a error

Uno de los principales argumentos promocionales de Kimi K3 es su tamaño: 2.8 billones de parámetros.

Este número puede llevar al público a pensar que el modelo utiliza simultáneamente una capacidad varias veces superior a la de sus competidores. En realidad, Kimi K3 emplea una arquitectura de mezcla de expertos, conocida como MoE.

El sistema dispone de 896 expertos, pero activa únicamente 16 para procesar cada token. Aunque el modelo completo suma 2.8 billones de parámetros, la cantidad activada durante cada operación es de aproximadamente 104,000 millones.

Esto no significa que la arquitectura sea engañosa ni ineficiente. La mezcla de expertos permite incrementar el conocimiento total del modelo sin utilizar toda su estructura en cada respuesta.

El problema aparece cuando la cifra de 2.8 billones se utiliza como sinónimo directo de inteligencia. Un modelo con más parámetros totales no es necesariamente más inteligente, preciso o confiable que otro con una arquitectura menor y mejor entrenamiento.

El verdadero rendimiento depende de la calidad de los datos, el proceso de aprendizaje, el razonamiento aplicado durante la inferencia, las herramientas disponibles y la capacidad del sistema para detectar sus propios errores.

La propia Moonshot reconoce que Estados Unidos mantiene la ventaja

Moonshot no oculta completamente la diferencia. En su publicación oficial de lanzamiento afirma que Kimi K3 todavía se encuentra por detrás de GPT-5.6 Sol y Claude Fable 5 en rendimiento general.

Su propia tabla de resultados confirma que los modelos estadounidenses conservan ventajas en varias pruebas importantes.

En GPQA Diamond, que mide razonamiento científico avanzado, Kimi K3 obtuvo 93.5 puntos, frente a 94.1 de GPT-5.6 Sol.

En CritPt, una prueba especialmente exigente de razonamiento crítico, Kimi alcanzó 23.4, mientras GPT-5.6 Sol logró 32.3 y Claude Fable 5 llegó a 28.6.

En Humanity’s Last Exam, Kimi K3 registró 43.5 puntos sin herramientas y 56 con asistencia. Claude Fable 5 alcanzó 53.3 y 63, mientras GPT-5.6 Sol obtuvo 44.5 y 58.

La diferencia en esta prueba es importante porque evalúa preguntas de nivel experto en numerosas disciplinas y busca medir capacidades que no pueden resolverse únicamente mediante memorización.

GPT-5.6 y Claude mantienen ventajas en programación compleja

Kimi K3 fue promocionado especialmente como un modelo para programación autónoma y proyectos prolongados.

Sus resultados son competitivos, pero tampoco muestran un dominio general.

En DeepSWE, una evaluación de resolución de problemas en repositorios reales, Kimi obtuvo 67.5 puntos. Claude Fable 5 alcanzó 70 y GPT-5.6 Sol llegó a 73.

En Terminal-Bench 2.1, Kimi registró 88.3, apenas por debajo de los 88.8 obtenidos por GPT-5.6 Sol.

En FrontierSWE, Claude Fable 5 alcanzó 86.6, frente a 81.2 de Kimi K3. En PostTrainBench, el modelo de Anthropic obtuvo 41.4 y Kimi quedó en 36.6.

En tareas de manejo autónomo de computadoras también aparecen diferencias. Kimi obtuvo 58.3 en OSWorld 2.0, mientras GPT-5.6 Sol registró 62.6 y Claude Fable 5 alcanzó 66.1.

OpenAI sostiene que GPT-5.6 Sol estableció nuevos resultados de referencia en Terminal-Bench y DeepSWE, además de mejorar la eficiencia, el uso de herramientas y el costo necesario para completar trabajos de programación.

Anthropic también presenta sus modelos más avanzados como superiores en tareas prolongadas, navegación, uso de computadoras y seguimiento de instrucciones complejas.

No es correcto afirmar que Kimi pierde en todo

Una evaluación crítica tampoco debe caer en el extremo contrario.

Los datos no respaldan la afirmación de que los modelos estadounidenses superan ampliamente a Kimi K3 en absolutamente todas las áreas.

El modelo chino obtuvo resultados superiores en varias pruebas.

Kimi alcanzó 91.2 puntos en BrowseComp, por encima de los 90.4 de GPT-5.6 Sol y los 88 de Claude Fable 5.

En MCPMark-Verified consiguió 94.5, frente a 92.9 de GPT-5.6 Sol y 87.4 de Claude Fable 5.

También lideró AutomationBench con 30.8, superó a sus competidores en SpreadsheetBench 2 y registró 94.6 en Harvey Lab-AA, una evaluación vinculada con trabajo jurídico asistido por agentes.

En SWE-Marathon obtuvo 42 puntos, por encima de GPT-5.6 Sol, Claude Fable 5 y Claude Opus 4.8. En OmniDocBench, relacionado con comprensión de documentos visuales, Kimi también encabezó la comparación publicada por Moonshot.

La conclusión más rigurosa es que Kimi K3 se encuentra dentro de la frontera tecnológica, pero no ocupa claramente el primer lugar.

Los modelos estadounidenses mantienen una ventaja general, especialmente en razonamiento difícil, confiabilidad, programación compleja y experiencia de usuario. Kimi, sin embargo, ya puede igualarlos o superarlos en tareas concretas.

Los resultados no son completamente comparables

Las tablas de rendimiento deben interpretarse con cautela.

Moonshot evaluó Kimi K3 utilizando el máximo nivel de razonamiento, diferentes herramientas y distintos entornos de ejecución. En algunas pruebas utilizó su propio sistema Kimi Code, mientras los modelos de OpenAI funcionaron con Codex y los de Anthropic con Claude Code.

Algunas cifras proceden de evaluaciones externas, otras fueron reproducidas por Moonshot y otras pertenecen a pruebas internas de la propia compañía.

La empresa reconoce que los modelos no siempre fueron evaluados con exactamente el mismo entorno, equipo informático o sistema de agentes. También señala que Claude Fable 5 activó mecanismos de respaldo en parte de una prueba, lo cual pudo reducir su puntuación.

Esto no invalida todos los resultados, pero impide convertir una diferencia de dos o tres puntos en una demostración definitiva de superioridad tecnológica.

Cada fabricante selecciona pruebas, niveles de razonamiento y configuraciones que pueden favorecer las fortalezas particulares de su producto.

Un millón de tokens no garantiza comprensión perfecta

Otra característica muy promocionada es la capacidad de procesar hasta un millón de tokens dentro de una misma sesión.

Esto permite introducir grandes repositorios de código, colecciones documentales o conversaciones extensas. Sin embargo, el tamaño máximo de la ventana no demuestra por sí solo que el modelo comprenda correctamente todo su contenido.

Un sistema puede aceptar un millón de tokens y aun así olvidar detalles, mezclar instrucciones, perder coherencia o dedicar demasiados recursos a información irrelevante.

La propia Moonshot advierte que Kimi K3 es sensible al historial de razonamiento. Si el sistema que lo ejecuta no devuelve correctamente toda la información producida en turnos anteriores, la calidad puede volverse altamente inestable.

También recomienda no cambiar desde otro modelo hacia Kimi K3 en medio de una conversación, porque el nuevo sistema podría no interpretar adecuadamente el historial previo.

Por lo tanto, la ventana de un millón de tokens representa una capacidad técnica valiosa, pero no equivale automáticamente a una memoria perfecta.

Kimi puede tomar decisiones que el usuario no solicitó

Moonshot también reconoce un problema de comportamiento denominado “proactividad excesiva”.

El entrenamiento de Kimi K3 está orientado a tareas complejas y prolongadas. Debido a ello, cuando encuentra instrucciones ambiguas o problemas menores, puede tomar decisiones inesperadas en nombre del usuario.

La compañía recomienda establecer restricciones explícitas para evitar que el modelo improvise fuera de los límites establecidos.

Este comportamiento puede ser útil durante una investigación abierta, pero representa un riesgo en sistemas empresariales, financieros o administrativos donde cada acción debe estar autorizada.

Una inteligencia artificial no solo debe ser capaz de actuar. También debe saber cuándo detenerse, solicitar confirmación y reconocer que no posee suficiente información.

Abierto no significa fácil de instalar

Kimi K3 ofrece sus pesos bajo una licencia propia, una característica que representa una diferencia importante frente a los sistemas cerrados de OpenAI y Anthropic.

Sin embargo, esto no significa que cualquier usuario pueda instalarlo en una computadora convencional.

Moonshot recomienda desplegar el modelo en configuraciones de “supernodo” con 64 aceleradores o más. Su tamaño, arquitectura y requerimientos de comunicación lo colocan fuera del alcance de la mayoría de las pequeñas empresas, universidades y desarrolladores independientes.

Los pesos pueden estar disponibles, pero ejecutar el modelo completo exige una infraestructura extremadamente costosa.

En la práctica, muchos usuarios deberán acceder mediante la nube de Moonshot o proveedores especializados, una dependencia similar a la que existe con los modelos propietarios.

El precio tampoco representa una revolución absoluta

Moonshot ofrece Kimi K3 mediante su API por 3 dólares por millón de tokens de entrada sin caché y 15 dólares por millón de tokens de salida. Las entradas recuperadas desde caché cuestan 30 centavos por millón.

El precio es competitivo, especialmente cuando existe un alto porcentaje de reutilización del contexto.

Sin embargo, no es extraordinariamente inferior a todas las alternativas estadounidenses. Claude Sonnet 5 tendrá un precio estándar de 3 dólares por millón de tokens de entrada y 15 dólares por millón de salida, exactamente el mismo precio base anunciado para Kimi K3 sin caché.

GPT-5.6 Sol es más caro, con 5 dólares por millón de tokens de entrada y 30 dólares de salida, pero OpenAI lo posiciona como su modelo de máxima capacidad y sostiene que utiliza menos tiempo y menos tokens para completar ciertas tareas.

Comparar únicamente el costo por token también puede ser engañoso. Un modelo barato que necesita más pasos, correcciones o repeticiones puede terminar costando más que uno caro que resuelve el problema en el primer intento.

El verdadero avance de China

Kimi K3 no es la maravilla incontestable que su cifra de parámetros puede sugerir.

No ha destronado a GPT-5.6 Sol ni a los modelos más avanzados de Anthropic. Tampoco ha demostrado una superioridad general en razonamiento, programación, ciencia o trabajo autónomo.

Los modelos estadounidenses todavía mantienen la delantera global y ofrecen una experiencia más pulida, consistente y confiable.

Pero minimizar completamente a Kimi K3 también sería un error.

El avance estratégico consiste en que una empresa china logró colocar un modelo con pesos disponibles muy cerca de los mejores sistemas cerrados de Estados Unidos. En algunas evaluaciones la diferencia es reducida y en otras Kimi incluso obtiene mejores resultados.

La noticia no es que China haya ganado la carrera de la inteligencia artificial. La noticia es que ha reducido significativamente la distancia y ha conseguido hacerlo con un modelo cuya arquitectura puede ser estudiada, modificada y desplegada fuera de la plataforma original.

Kimi K3 no representa el final del liderazgo estadounidense, pero sí una advertencia: la ventaja de OpenAI, Anthropic y otras compañías norteamericanas continúa existiendo, aunque ya no puede considerarse inalcanzable.