Moonshot AI, la startup con sede en Pekín, ha desplegado por completo Kimi K3.1 Pro, un modelo de 3 billones de parámetros y hasta 1.048.576 tokens de contexto. Junto a él llega K3.1 Pro Highspeed, con las mismas capacidades, una salida entre 2 y 3 veces más rápida y un consumo de cuota aproximadamente doble.
Un modelo que obliga a pensar
La novedad más llamativa es una restricción: K3.1 Pro solo funciona con el modo thinking activado. Cualquier petición que intente desactivarlo recibe un error HTTP 400. Quien tenga un pipeline que apague el razonamiento para ahorrar tokens tendrá que rediseñarlo.
También hay una trampa silenciosa. Si se escribe “K3.1 Pro” en lugar de “k3.1-pro”, la petición cae en un modelo anterior sin razonamiento, sin error ni aviso.
El pulso con Estados Unidos
Moonshot ya había dado el golpe en julio con Kimi K3, presentado como el mayor modelo de pesos abiertos del mundo. Según Reuters, la compañía afirmó entonces que competía de cerca con Fable 5 de Anthropic y que superaba a varios modelos frontera de OpenAI en optimización de kernels de GPU. Conviene recordar que es una afirmación de la propia empresa, no una evaluación independiente, y que de K3.1 Pro no hay todavía benchmarks públicos frente a modelos estadounidenses.
La estrategia es distinta de la de los laboratorios de Silicon Valley. Mientras estos suelen vender sus modelos como servicios cerrados, Moonshot apuesta por contexto largo, profundidad de razonamiento y precio. Esa presión sobre los costes puede traducirse en márgenes mayores para los productos que dependen de inferencia.
Más que un modelo: una candidata a salir a bolsa
Su ingreso recurrente anual alcanzó los US$300 millones en junio, frente a US$200 millones en abril. La demanda fue tal que la compañía pausó temporalmente nuevas suscripciones a K3. Ahora busca el visto bueno de sus accionistas para salir a bolsa en Hong Kong, con una valoración posible superior a US$30.000 millones. En paralelo, ha renombrado su filial de Singapur como Novascent para impulsar su expansión internacional.
La lección para quien construye con IA
Elegir modelo ya no es un ajuste de configuración, sino una decisión de arquitectura. La recomendación es mantener una capa de abstracción que permita cambiar de proveedor sin reescribir el producto, porque el ritmo de lanzamientos no va a bajar.