El 16 de julio de 2026, Moonshot AI lanza Kimi K3. Detrás de un nombre de modelo más se esconde un hecho que merece la atención de un equipo de dirección técnica: un modelo de pesos abiertos, de nivel frontera, cuyo proveedor afirma ~2,8 billones de parámetros, un contexto de un millón de tokens, y la publicación de los pesos antes del 27 de julio. Una capacidad que antes se creía reservada a los grandes propietarios (Anthropic, OpenAI, Google) está pasando a estar disponible en pesos abiertos, a precio de descuento, desde un laboratorio chino. SFEIR —partner de Anthropic y de Google Cloud, «sin ningún interés en sobrevender un modelo chino»— ofrece una lectura prudente, con mentalidad de ingeniería.
Una advertencia desde el principio: en el lanzamiento, ninguna tabla de benchmarks oficial y completa. Las especificaciones (Kimi Delta Attention, atención lineal híbrida, decodificación que se afirma 6,3 veces más rápida a 1M de tokens, +25 % de eficiencia de entrenamiento) son declaradas por el proveedor; las puntuaciones provienen de arenas comunitarias. Deben tratarse como afirmaciones, no como hechos. La regla no cambia: una puntuación de arena es una señal, no una prueba; la única medición que cuenta es la que se realiza en los propios repositorios.
¿qué parte de mi sistema estoy dispuesto a hacer depender de un proveedor que no controlo?
El precio es la verdadera arma. Según las primeras reseñas (a reverificar): ~3 $/M de entrada, 15 $ de salida, 0,30 $ en caché. Más caro que K2.7 Code, pero agresivo para esta categoría. Un modelo frontera de pesos abiertos a este nivel arrastra hacia abajo toda la curva de precio-rendimiento: la comoditización de la capa de modelo, acelerada por el open source.
Pero la singularidad decisiva no es una puntuación: es la reversibilidad. Un modelo propietario se consume (API, dependencia del proveedor). Un modelo de pesos abiertos se recupera como una opción: ejecutarlo, portarlo, dejar de estar encerrado (lock-in) — al precio de una infraestructura pesada para 2,8 billones de parámetros. Kimi se suma a GLM 5.2 (Z.ai) en este terreno y eleva el techo.
«¿Deberíamos migrar?» es la pregunta equivocada. Kimi K3 no sustituye ni a Claude ni a GPT-5.6: se añade al portafolio. La postura correcta es el enrutamiento multimodelo — «un modelo por tarea, un modelo por restricción» —, al que un modelo frontera de pesos abiertos creíble añade una columna «reversibilidad».
La postura de SFEIR: el open-weights cambia la pregunta, no solo la respuesta — ya no «¿qué modelo es mejor/más barato?», sino «¿qué parte de mi sistema estoy dispuesto a hacer depender de un proveedor que no controlo?». El modelo es un commodity; la ventaja duradera reside en la ingeniería que lo rodea (Context Engineering, harness, gobernanza de costes). «La soberanía técnica se arquitecta.» Las cifras aún deben validarse en los propios sistemas.