Moonshot AI presentó Kimi K3.1 Pro, una actualización de su modelo Kimi K3 de julio, que alcanza aproximadamente 3 billones de parámetros y una ventana de contexto de un millón de tokens, consolidándose como el modelo de pesos abiertos más grande del planeta por número de parámetros. El anuncio, realizado en las primeras horas del 24 de octubre hora de Pekín, no solo destaca por su tamaño, sino por su posicionamiento: en el índice de inteligencia de Artificial Analysis, K3.1 Pro ocupa el cuarto lugar mundial y el primero entre todos los modelos abiertos, con un precio de inferencia estándar de 13 yuanes por millón de tokens de entrada y 68 yuanes por millón de tokens de salida, aproximadamente una quinta parte del costo de GPT-6 Astra. La compañía promete publicar los pesos completos del modelo antes del 4 de noviembre.
Un salto en capacidad y precio
Kimi K3.1 Pro es el primer lanzamiento de la serie K3.1 y representa una versión fuertemente post-entrenada del Kimi K3 de julio, que contaba con 2.8 billones de parámetros. Moonshot informa un aumento significativo en el cómputo de aprendizaje por refuerzo en cientos de dominios. El enfoque declarado de la empresa está exactamente donde está el dinero: programación, creación 3D, investigación financiera y tareas agénticas de largo horizonte, ese trabajo de múltiples pasos, con llamadas a herramientas y que dura horas, por el que las empresas realmente pagan.
La compañía reporta que, en pruebas de programación, agentes y conocimiento, K3.1 Pro ha alcanzado o se ha acercado al nivel de los modelos cerrados más potentes. Además, en dos evaluaciones financieras internacionales, supera de extremo a extremo a los modelos cerrados de frontera, desde la recuperación de documentos y la verificación de datos entre documentos hasta la construcción de modelos financieros y el análisis de rentabilidad.
El movimiento de precios es tan importante como el de capacidad. Con 13 yuanes por millón de tokens de entrada y 68 yuanes por millón de salida, K3.1 Pro estándar reduce el costo entre un 35% y un 32% respectivamente en comparación con la generación anterior, y Moonshot lo compara públicamente con GPT-6 Astra a aproximadamente una quinta parte del costo. La observación de J.P. Morgan Asset Management —que las aplicaciones agénticas inflan el consumo de tokens, haciendo que el costo total de la tarea, y no el precio de etiqueta, sea la variable real en la selección de modelos— es precisamente el argumento que los modelos chinos de pesos abiertos están diseñados para ganar.
El humanoide simulado que robó el show
La demostración que circuló en la industria es casi poética. Los investigadores pidieron a K3.1 Pro que construyera un sistema simulado de caminata humana. El modelo iteró: analizó el experimento, localizó el problema, ajustó el controlador de marcha y volvió a entrenar. El humano simulado pasó de colapsar en pocos pasos a alternar zancadas y caminar continuamente durante 11.2 segundos; en el proceso, el modelo identificó y corrigió 36 errores en los cálculos de los brazos de fuerza de los músculos del hombro antes de reentrenar el controlador. Es una anécdota pequeña dentro de una hoja de benchmarks, pero es la ilustración más clara hasta ahora de lo que significa “agente de largo horizonte” en la práctica: no responder una pregunta, sino ejecutar un bucle de investigación sobre su propio problema de física durante el tiempo que sea necesario.
El flujo de trabajo 3D es igualmente agéntico: se le da al modelo una descripción de texto, un boceto o una imagen de referencia, e infiere forma, proporción y relaciones espaciales, maneja software de modelado profesional, ensambla un modelo 3D utilizable y lo integra en una escena interactiva completa, previsualizable, editable y descargable para impresión 3D. La historia de la programación sigue la misma forma: el modelo maneja herramientas profesionales de diseño y desarrollo, combina búsqueda web con generación 3D y produce experiencias completas de juegos y web con una composición, diseño, animación y acabado notablemente mejores.
La parte inesperada: limpiar habilidades cibernéticas a propósito
Enterrada en el anuncio hay una decisión de gobernanza que merece más atención de la que recibió. Moonshot reveló que durante el desarrollo descubrió que las capacidades de ciberofensiva y ciberdefensa del modelo aumentaban naturalmente con la escala de entrenamiento, sin necesidad de datos especiales, y que identificó y eliminó datos relacionados con ciberseguridad tanto en las etapas de entrenamiento medio como de aprendizaje por refuerzo, con controles similares que continuarán en cada etapa futura. El equipo publicó luego dos principios explícitos de apertura: no liberará pesos abiertos que empujen la frontera absoluta de la ciberofensiva, y elevará gradualmente el nivel de capacidad cibernética disponible en pesos abiertos.
La razón vale la pena citarla en espíritu: los modelos potentes liberados abiertamente y ejecutables en infraestructura controlada por el usuario permiten que muchos más equipos auditen el código que mantienen, por lo que difundir la capacidad supera a concentrarla en unos pocos sistemas cerrados. Puesto al lado del incidente PHP2Shell de esta semana —donde un modelo de OpenAI encontró dos fallas de CVSS 9.2 y una filtración convirtió la ventana de parcheo en un ejercicio de fuego real— se puede ver el nuevo pacto no escrito de la industria formándose en tiempo real. Un laboratorio elimina datos cibernéticos de sus pesos abiertos y explica por qué; el modelo de otro encuentra el error de la década y lo ve filtrarse. Ambas son respuestas correctas al mismo descubrimiento: con 3 billones de parámetros, la habilidad cibernética ya no es una característica que se agrega, es una propiedad emergente que hay que gobernar.
Por qué esto es emocionante
El entusiasmo es estructural, no solo numérico. Durante 25 semanas consecutivas, los modelos chinos han superado en consumo a los modelos estadounidenses en OpenRouter —164 billones de tokens a nivel global en la semana del 12 al 18 de octubre, con los cinco primeros puestos ocupados por modelos chinos— y K3.1 Pro es el instrumento más afilado de esa tendencia hasta ahora: pesos abiertos, contexto de un millón de tokens, inteligencia cercana a la frontera y un precio que obliga a cada director financiero de proveedores cerrados a recalcular.
Los pesos abiertos también se componen: los desarrolladores contribuyen con evaluaciones, herramientas y optimizaciones; las empresas aportan datos de dominio y prácticas de ingeniería; el ecosistema alimenta la siguiente ronda de entrenamiento. Cuando el modelo abierto más grande del mundo es también la opción seria más barata para trabajo agéntico de largo horizonte, el “mercado de alto valor” para programación e investigación financiera deja de ser un foso de laboratorio cerrado y se convierte en un mercado disputado, que es exactamente donde los precios caen y la capacidad se compone.
Por qué es frustrante —si vendes modelos cerrados
Para los proveedores de código cerrado, la frustración es aritmética. Un rival lanza un modelo de pesos abiertos de 3 billones de parámetros a una quinta parte del precio de GPT-6 Astra, supera a los modelos cerrados de frontera en dos evaluaciones financieras y promete los pesos completos en once días. El encuadre de Shanghai Securities Press es contundente: rendimiento al alza, costo a la baja, ecosistema en expansión; los tres se refuerzan mutuamente, y para los vendedores cerrados que buscan financiamiento o cotización, la pregunta ya no es si la tecnología lidera, sino si la tecnología conduce a ingresos. Las empresas pueden mantener modelos cerrados para el trabajo más duro y enrutar tareas estandarizadas de alta frecuencia hacia pesos abiertos más baratos, lo que significa que la lucha no es solo por nuevos clientes sino por la participación del presupuesto del mismo cliente. Cada punto porcentual de ese cambio es una revalorización de múltiples puntos en algún lugar de los mercados privados.
Con información de China News Service (24 de octubre de 2026), CGTN, Beijing Daily, CCTV Finance, Shanghai Securities News / China Securities Journal y OpenRouter.