Kimi k3 se publica como código abierto con 2,8 billones de parámetros, pero aún sigue a Anthropic y OpenAI en los benchmarks

En la superficie, las cifras son asombrosas. Kimi K3 es un modelo de mezcla de expertos con 2,8 billones de parámetros que activa 16 de 896 expertos por token. Su arquitectura incluye Kimi Delta Attention (KDA) y Attention Residuals (AttnRes), dos innovaciones de diseño que el laboratorio afirma mejoran la eficiencia de escalado aproximadamente 2,5× en comparación con su predecesor, Kimi K2. El modelo admite una ventana de contexto de 1 millón de tokens y procesa de forma nativa texto, imágenes y video.

Pero la tabla de benchmarks cuenta una historia más matizada. En más de 40 evaluaciones que abarcan codificación, tareas agénticas, razonamiento, conocimiento y visión, Kimi K3 se sitúa en el nivel superior, pero rara vez en la cima. En el benchmark de codificación insignia DeepSWE, obtiene 67,5, por detrás de GPT 5.6 Sol (73,0) y Claude Fable 5 (70,0). En la prueba de razonamiento GPQA-Diamond, su 93,5 sigue al 94,1 de GPT 5.6 Sol. Solo en Terminal Bench 2.1 (88,3) y BrowseComp (91,2) supera a los líderes propietarios.

Un modelo abierto, pero no de frontera

El encuadre de Kimi es cuidadoso: "Aunque su rendimiento general aún sigue a los modelos propietarios más potentes, Claude Fable 5 y GPT 5.6 Sol, Kimi K3 demostró un rendimiento de nivel frontera". Esa distinción importa. Kimi K3 es el modelo abierto más grande jamás lanzado, pero la escala por sí sola no se traduce en dominio.

En benchmarks agénticos, la brecha es más pronunciada. En GDPval-AA v2, Kimi K3 obtiene un Elo de 1.668, en comparación con 1.760 de Claude Fable 5 y 1.748 de GPT 5.6 Sol. En DECK-Bench, su propia evaluación interna, obtiene 73,5, por debajo del 74,7 de GPT 5.6 Sol. El patrón se mantiene en los benchmarks de visión: en CharXiv con python, Kimi K3 alcanza 91,3, pero Claude Fable 5 alcanza 93,5.

Kimi K3 sí supera en algunas tareas de nicho. Vence a todos los modelos propietarios en SWE Marathon (42,0 vs. 35,0 de Fable 5), en SpreadsheetBench 2 (34,8 vs. 34,7 de Fable 5) y en Automation Bench (30,8 vs. 29,1 de Fable 5). Pero estos no son los benchmarks que definen la frontera para la mayoría de los profesionales.

Arquitectura: la verdadera historia

Más interesante que la clasificación del benchmark es lo que Kimi construyó bajo el capó. KDA está diseñado para mejorar el flujo de información a lo largo de secuencias largas; el equipo afirma que maneja un contexto de 1M de tokens de manera más eficiente que los mecanismos de atención estándar. AttnRes, por su parte, recupera selectivamente representaciones de capas anteriores en lugar de acumularlas uniformemente, lo que potencialmente reduce la penalización de profundidad en redes muy profundas.

Junto con Stable LatentMoE, que activa 16 expertos de 896, y un método de entrenamiento experto-paralelo completamente equilibrado, Kimi ha resuelto varios problemas de ingeniería que han afectado a modelos MoE de gran escala anteriores. El modelo también utiliza entrenamiento consciente de cuantización desde la etapa SFT en adelante con pesos MXFP4 y activaciones MXFP8, lo que garantiza una amplia compatibilidad de hardware.

Estas innovaciones podrían resultar más trascendentales que los números de los benchmarks. Si KDA y AttnRes se generalizan bien, representan un avance arquitectónico genuino, uno que laboratorios más pequeños y proyectos de código abierto podrían adoptar en sus propios modelos.

Precios y disponibilidad

Kimi K3 ya está disponible en Kimi.com, Kimi Work (aplicación de escritorio), Kimi Code (terminal) y la API de Kimi. Los precios son agresivos: $0,30/MTok para entrada con acierto de caché, $3,00/MTok para entrada sin acierto de caché y $15,00/MTok para salida, notablemente más baratos que los niveles comparables de Anthropic y OpenAI. La API afirma una tasa de acierto de caché superior al 90% en cargas de trabajo de codificación gracias a la arquitectura de inferencia desagregada de Mooncake.

Los pesos completos del modelo se publicarán antes del 27 de julio de 2026, aunque aún no hay un informe técnico disponible. Kimi dice que está "trabajando estrechamente con socios de inferencia y mantenedores de código abierto" para garantizar un despliegue fiable.

En resumen

Kimi K3 es un logro de ingeniería serio y el modelo abierto más grande jamás lanzado. Pero la comparación con los modelos propietarios de frontera revela que aún no es un líder; compite con el segundo nivel. Para las organizaciones que desean un modelo de 2,8T parámetros que puedan inspeccionar, modificar y alojar ellos mismos, Kimi K3 representa un cambio de nivel en la capacidad de los modelos abiertos. Para los usuarios que necesitan el rendimiento más crudo en benchmarks, Claude Fable 5 y GPT 5.6 Sol siguen siendo los puntos de referencia.