Moonshot AI presentó Kimi K3.1 Pro, un modelo de lenguaje de aproximadamente 3 billones de parámetros y una ventana de contexto de un millón de tokens, que se posiciona como el modelo de pesos abiertos más grande del mundo 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 estrategia: en el índice de inteligencia de Artificial Analysis, K3.1 Pro ocupa el cuarto lugar a nivel mundial y el primero entre todos los modelos abiertos. Además, Moonshot ofrece la inferencia estándar a 13 yuanes por millón de tokens de entrada y 68 yuanes por millón de tokens de salida, aproximadamente una quinta parte del precio de GPT-6 Astra, y promete publicar los pesos completos del modelo antes del 4 de noviembre.
Este lanzamiento llega en un momento en que los modelos chinos dominan el consumo global de tokens en OpenRouter durante 25 semanas consecutivas, acaparando los cinco primeros puestos. Para México y América Latina, este movimiento representa una oportunidad para acceder a tecnología de frontera a bajo costo, así como un desafío para las empresas locales que compiten en el mercado de inteligencia artificial.
¿Qué es exactamente Kimi K3.1 Pro?
Kimi K3.1 Pro es la primera versión de la serie K3.1 y una versión fuertemente post-entrenada del modelo Kimi K3, lanzado en julio con 2.8 billones de parámetros. Esta actualización incorpora un gran incremento en el cómputo de aprendizaje por refuerzo en cientos de dominios. El enfoque declarado de Moonshot está en las áreas donde realmente se genera valor: programación, creación 3D, investigación financiera y tareas agénticas de largo horizonte, esas labores multitarea que requieren llamadas a herramientas y pueden extenderse por horas.
Según la compañía, en pruebas de programación, agentes y conocimiento, K3.1 Pro ha alcanzado o se ha acercado al nivel de los modelos cerrados más potentes. 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.
Precios que sacuden al mercado
El movimiento de precios es tan importante como el de capacidades. Con 13 yuanes por millón de tokens de entrada y 68 yuanes por millón de salida, la tarifa estándar de K3.1 Pro reduce los precios de la generación anterior en 35% y 32% respectivamente. Moonshot lo compara públicamente con GPT-6 Astra, señalando que cuesta aproximadamente una quinta parte.
Esta estrategia resuena con la observación de J.P. Morgan Asset Management: las aplicaciones agénticas inflan el consumo de tokens, por lo que el costo total de la tarea, y no el precio de lista, es la variable real en la selección de modelos. Los modelos chinos de pesos abiertos están diseñados para ganar en esa métrica.
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 a los pocos pasos a alternar zancadas y caminar de forma continua durante 11.2 segundos. En el proceso, el modelo identificó y corrigió 36 errores en los cálculos de la fuerza del brazo de palanca en los músculos del hombro antes de reentrenar el controlador.
Es una anécdota pequeña dentro de una hoja de resultados, pero es la ilustración más clara de lo que significa un “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 en 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, que se puede previsualizar, editar y descargar para impresión 3D. La historia de la programación sigue la misma forma: el modelo emplea herramientas profesionales de diseño y desarrollo, combina búsqueda web con generación 3D y produce experiencias web y de juego completas con una composición, diseño, animación y acabado notablemente mejores.
La decisión de gobernanza que pocos notaron
Enterrada en el anuncio hay una decisión de gobernanza que merece más atención. 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. Por ello, identificó y eliminó datos relacionados con ciberseguridad en las etapas de entrenamiento medio y de aprendizaje por refuerzo, y continuará aplicando estos controles en cada etapa futura.
El equipo publicó dos principios explícitos de apertura: no liberará pesos abiertos que empujen la frontera absoluta de la ciberofensiva, y elevará gradualmente el nivel de capacidad ciberdisponible en los pesos abiertos. La razón es digna de mención: los modelos poderosos 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 es mejor que concentrarla en unos pocos sistemas cerrados.
Esto se puede contrastar con el incidente PHP2Shell de esta semana, donde un modelo de OpenAI encontró dos vulnerabilidades de CVSS 9.2 y una filtración convirtió la ventana de parcheo en un ejercicio de fuego real. La industria está formando un nuevo pacto no escrito: un laboratorio elimina datos ciber 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 ciber no es una característica que se agrega, sino una propiedad emergente que debe gobernarse.
Por qué es emocionante
La emoción es estructural, no solo numérica. Durante 25 semanas consecutivas, los modelos chinos han superado en consumo a los 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. K3.1 Pro es el instrumento más afilado de esa tendencia: pesos abiertos, contexto de un millón de tokens, inteligencia cercana a la frontera y precios que obligan a cada proveedor cerrado a recalcular.
Los pesos abiertos también se retroalimentan: los desarrolladores contribuyen con evaluaciones, herramientas y optimizaciones; las empresas aportan datos de dominio y prácticas de ingeniería; el ecosistema alimenta el siguiente 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 para los vendedores de 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. 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 difícil 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 en el presupuesto del mismo cliente. Cada punto porcentual de ese cambio es una revalorización de múltiples puntos en algún lugar de los mercados privados.
Fuentes: China News Service (24 de octubre de 2026), CGTN, Beijing Daily, CCTV Finance, Shanghai Securities News / China Securities Journal, OpenRouter.