Moonshot ha presentado Kimi K3.1 Pro, el primer modelo de su nueva serie K3.1, y ha prometido los pesos completos antes del 4 de noviembre. La compañía reconoce que también ha recortado a propósito su capacidad ofensiva en ciberseguridad.
Kimi K3.1 Pro ya está en la web, la API y las herramientas de código
El modelo se puede usar desde hoy en Kimi.com, en la app móvil, en Kimi Work, en Kimi Code y a través de la API de la compañía. Los pesos, en cambio, no están disponibles. Moonshot ha fijado el 4 de noviembre como fecha límite para publicarlos.
Ese detalle cambia el cálculo de quien quiera ejecutar el modelo en su propio servidor: hasta entonces es cerrado en la práctica. Pesos abiertos significa que los archivos con los parámetros aprendidos se descargan y se usan en infraestructura propia. Código abierto es otra cosa.
Moonshot describe K3.1 Pro como una versión postentrenada de Kimi K3, con mucho más cómputo en esa fase. El postentrenamiento es el tramo en el que el modelo aprende de ejemplos, correcciones y recompensas.
Una ventana de contexto de un millón de tokens
La ficha oficial habla de 1.048.576 tokens de contexto. En la práctica, eso significa que un repositorio de código completo o un informe de varios cientos de páginas caben en una sola conversación, sin trocear el material a mano.
No es gratis. Cuanto más largo es el contexto, más caro sale cada consulta. Un millón de tokens sirve para auditorías y análisis documental. Para preguntas sueltas, sobra.
Arquitectura dispersa: 2,8 billones de parámetros y 104.000 millones activos
Aquí aparece el dato que más se repite en las comparativas. El modelo suma 2,8 billones de parámetros totales, pero solo activa unos 104.000 millones por cada token que genera. Es lo que se conoce como mezcla de expertos: una red grande dividida en especialistas, de los que solo unos pocos trabajan en cada paso.
El modelo puede tener un tamaño enorme y, aun así, responder a un coste por token parecido al de uno mucho más pequeño. Moonshot lo enmarca en la gama que llama 3T.
Terminal-Bench 4.0: el dato que Moonshot quiere que mires
El benchmark estrella del anuncio es Terminal-Bench 4.0, que mide a los agentes de programación en tareas de consola con pruebas estrictas para cada ejercicio. Según la compañía, K3.1 Pro alcanza el 65,7%, por delante del 58,2% que atribuye a GPT-6 Astra y muy cerca del 66,4% de Claude Opus 5.5.
Son cifras de la propia Moonshot, medidas en pruebas que también ejecuta la competencia. Léelas como una declaración de intenciones, no como un veredicto independiente. En su benchmark interno Kimi Code Bench 3.0, centrado en tareas largas, la empresa reporta un 61,2% frente al 55,95% de K3. En BenchCAD, que reconstruye modelos en 3D a partir de varias vistas y genera código CAD, la cifra sube al 92,7% con herramientas, por debajo del 96,2% de Opus 5.5 y del 95,9% de GPT-6 Astra. En OfficeQA Pro v2, Moonshot habla de 64,4 y de un resultado líder.
Menos alucinaciones, según la prueba interna de Moonshot
Otro número que la empresa destaca es el de alucinaciones. En su prueba de estrés Hallu Bench Hard, la tasa de afirmaciones falsas a nivel de frase baja del 23,4% en K3 al 8,3% en K3.1 Pro.
La propia Moonshot advierte de que ese conjunto está construido a propósito con muestras propensas al error, así que no refleja la tasa de fallos del día a día. Sirve para comparar dos versiones del mismo modelo. No sirve para prometer precisión.
El recorte deliberado en ciberseguridad: de 90,5% a 81,0%
Lo más interesante no tiene que ver con el rendimiento. Moonshot afirma que eliminó datos de ciberseguridad del corpus de mid-training y de los entornos de aprendizaje por refuerzo antes de publicar el modelo.
El efecto se mide en xdev-bench-hard, un conjunto interno de tareas de búsqueda y explotación de vulnerabilidades en código real. Incluye casos de Linux, Node.js y Exim. Un checkpoint sin esas medidas resolvía el 90,5% de los problemas. La versión final se queda en el 81,0%.
La compañía sostiene que esa capacidad queda por debajo de lo que su propia cadena de entrenamiento podría producir y por detrás de modelos cerrados disponibles desde hace al menos tres meses. El argumento para publicar los pesos es defensivo: un modelo abierto se puede auditar en infraestructura propia, incluidos sistemas heredados que casi nadie revisa.
Cuánto cuesta la API de Kimi K3.1 Pro
Los precios que circulan en agregadores de terceros sitúan la API en unos 2 dólares por millón de tokens de entrada y 10 por millón de salida, con la entrada en caché alrededor de 0,20 dólares. La variante Highspeed, que la empresa sitúa entre dos y tres veces más rápida, aparece en el entorno de 4 y 20 dólares.
Moonshot no las ha publicado en su blog. Son referencia de mercado, no confirmación oficial. Si el coste es decisivo, compara antes de mover una carga grande.
La prueba de fondo: 167 tareas para que un muñeco camine
Entre los ejemplos del lanzamiento hay uno que explica mejor que cualquier tabla de qué hablamos. El equipo partió de un atlas anatómico abierto, con 296 componentes de huesos y 402 de músculos, y pidió al modelo un simulador de la dinámica de la marcha.
El modelo diagnosticó y corrigió 36 errores en el cálculo del brazo de palanca de los músculos del hombro. El resultado pasó de un muñeco que se desplomaba en segundos a una secuencia de pasos alternos de 11,2 segundos, con 167 tareas y 420 evaluaciones independientes de por medio.
Ahí se ve dónde gana terreno este tipo de modelo: trabajos largos, con muchas piezas que encajan y errores que solo aparecen al ejecutar.
Qué cambia para quien programa con modelos abiertos
Si necesitas pesos descargables hoy, K3.1 Pro todavía no te sirve. La fecha que importa es el 4 de noviembre, y con ella llegará la licencia, que Moonshot no ha detallado. Ahí se decide si el modelo vale para un producto comercial.
Mientras tanto, la versión alojada se puede probar en tareas de código y modelado 3D. La comparación honesta no es con el mejor modelo cerrado del mercado, sino con lo que puedas ejecutar en tu propia máquina sin pedir permiso.
