Moonshot AI presentó Kimi K3.1 Pro, un modelo de inteligencia artificial 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, 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 empresa promete publicar los pesos completos del modelo antes del 4 de noviembre.
Un salto en capacidades y precios
Kimi K3.1 Pro es la primera versión de la serie K3.1 y representa una actualización profundamente post-entrenada del modelo Kimi K3, lanzado en julio con 2.8 billones de parámetros. Moonshot AI incrementó significativamente el cómputo de aprendizaje por refuerzo en cientos de dominios, enfocándose en áreas donde las empresas realmente invierten: programación, creación 3D, investigación financiera y tareas agénticas de largo horizonte, aquellas que implican múltiples pasos, uso de herramientas y horas de trabajo autónomo.
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. En dos evaluaciones financieras internacionales, supera a los modelos cerrados de vanguardia de extremo a extremo, desde la recuperación de documentos y la verificación cruzada de datos hasta la construcción de modelos financieros y el análisis de rentabilidad.
El movimiento de precios es tan relevante 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 es un 35% y un 32% más baja que la generación anterior, respectivamente, y Moonshot la compara públicamente con GPT-6 Astra, situándola en aproximadamente una quinta parte de su costo. La observación de J.P. Morgan Asset Management —que las aplicaciones de agentes inflan el consumo de tokens, por lo que el costo total de la tarea, y no el precio de etiqueta, es 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 acaparó la atención
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 reentrenó. El humano simulado pasó de colapsar en 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 los brazos de fuerza de 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 “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, y este infiere forma, proporción y relaciones espaciales, opera 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 línea: el modelo maneja 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 esperaban
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 en las etapas de entrenamiento medio y 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 ciberdisponible en pesos abiertos. La razón merece citarse en espíritu: 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 supera a concentrarla en unos pocos sistemas cerrados.
Póngase eso 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 parche en un ejercicio de fuego real— y se puede ver formarse en tiempo real el nuevo pacto no escrito de la industria. 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, 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 de tokens 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— 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 generan un efecto compuesto: 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 multiplica.
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, 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 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.
Impacto para México y América Latina
Para la región, la llegada de modelos abiertos de esta escala y precio representa una oportunidad para acelerar la adopción de inteligencia artificial en sectores como la banca, la manufactura y los servicios financieros, donde el costo de inferencia ha sido una barrera. Con pesos abiertos, las empresas locales pueden ejecutar el modelo en su propia infraestructura, lo que facilita el cumplimiento de regulaciones de datos y reduce la dependencia de proveedores extranjeros. Además, la disponibilidad de un modelo con capacidades agénticas avanzadas y bajo costo podría impulsar el desarrollo de soluciones locales en programación, análisis financiero y creación 3D, áreas donde el talento mexicano y latinoamericano ya destaca.
La decisión de Moonshot de publicar los pesos completos antes del 4 de noviembre permitirá a desarrolladores y empresas de la región evaluar el modelo y construir sobre él, lo que podría democratizar aún más el acceso a herramientas de vanguardia. Sin embargo, también plantea desafíos de gobernanza y seguridad que las autoridades locales deberán considerar, especialmente en lo relativo a la ciberseguridad, un tema que la propia empresa ha reconocido y comenzado a gestionar.