Kimi K3: qué es, precio API y comparación con Opus 4.8

Ha salido Kimi K3 y se siente como un nuevo momento DeepSeek para el mundo de la IA. Llevo una semana usándolo con acceso anticipado y, programando, está al nivel de Claude Opus 4.8. A veces incluso se siente superior, compitiendo con GPT-5.6 Sol y Fable 5.

Tres datos que importan ya: cuesta casi la mitad que Opus 4.8 en muchos mixes de uso, es enorme — 2,8 billones de parámetros — y será un modelo abierto a partir del 27 de julio de 2026. Los modelos abiertos ya no van seis meses por detrás de los cerrados. Ahora compiten directamente con ellos, incluso sin jugar en igualdad de condiciones.

Navegación rápida

Qué es Kimi K3 | Benchmark | Escala open source | Arquitectura | Precio API | Cómo probarlo | Qué implica | FAQ

Qué es Kimi K3

Kimi K3 es el flagship de Moonshot AI: un modelo multimodal de razonamiento con 2,8 billones de parámetros, ventana de contexto de 1 millón de tokens, visión nativa y enfoque en coding de horizonte largo, trabajo de conocimiento y agentes.

Según la documentación oficial, es el primer modelo open source de la clase de ~3 billones de parámetros. Los pesos completos están previstos para el 27 de julio de 2026. Mientras tanto, ya está disponible por API (kimi-k3 en https://api.moonshot.ai/v1) con thinking siempre activo.

En la práctica, lo que me ha importado esta semana no es el número de parámetros: es que aguanta repos grandes, herramientas de terminal y feedback visual sin caerse como un modelo «barato que a veces acierta».

Dónde queda en el ranking

En el Artificial Analysis Intelligence Index, Kimi K3 aparece en el pelotón de cabeza: por debajo de Claude Fable 5 (con fallback) y GPT-5.6 Sol (max), y por encima de Claude Opus 4.8 (max), GPT-5.6 Terra, Grok 4.5 y Gemini 3.5 Flash.

Eso no convierte a K3 en «el mejor modelo del mundo» en todas las tareas. Sí confirma lo que noté en coding: ya no es un open que «casi» llega. Está en la misma conversación que los cerrados de frontera.

Mi lectura de una semana (opinión, no paper):

Si montas agentes en producción, el modelo es solo una pieza: el harness y el routing multi-modelo siguen importando más que casarte con un endpoint.

2,8 billones y la frontera open

Moonshot posiciona K3 como el salto de escala open más agresivo del último año: de K2 (~1T) a K3 a 2,8T, por encima de DeepSeek V4 Pro (~1,6T) y del resto de flagships abiertos del gráfico.

Escala no es sinónimo de calidad. Pero en 2026 el patrón se repite: quien empuja tamaño + datos + arquitectura MoE más eficiente vuelve a acortar el gap con los labs cerrados. DeepSeek lo hizo con precio y pesos; Kimi lo está haciendo con escala y API competitiva mientras prepara la apertura.

Relacionado: si evalúas self-hosting, cruza esto con cuantización y GPUs para LLMs locales — un 2,8T no es un modelo de portátil.

Arquitectura: KDA y AttnRes

Moonshot describe K3 sobre Kimi Delta Attention (KDA) — atención lineal híbrida — y Attention Residuals (AttnRes), pensados para que la información fluya mejor en secuencias largas y modelos profundos. El MoE usa Stable LatentMoE: activa 16 de 896 expertos por token, con ~2,5× la eficiencia de escala respecto a K2 según su blog técnico.

Para el developer, la traducción es simple: más capacidad útil por compute, contexto de 1M con caché automática de prefijos, y un diseño pensado para agentes que viven muchas horas en el mismo hilo.

Precio de la API

Precios oficiales de Moonshot (pricing K3), flat en toda la ventana de 1M — sin tiers por longitud de contexto:

Frente a Claude Opus 4.8 en API, 3 $/15 $ suele salir cerca de la mitad o menos según el mix input/output y el uso de caché. El truco barato real: mantener el prefijo largo estable (system + base de conocimiento) para que el cache hit a 0,30 $ haga el trabajo sucio.

Comparado con el golpe de DeepSeek en precios de mayo (resumen de aquella semana), K3 no es el más barato del mercado open — es el que intenta calidad frontera a precio «casi cerrado».

Cómo empezar

Compatible con el SDK de OpenAI. Resumen desde el quickstart oficial:

python3 -m pip install --upgrade 'openai>=1.0'

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["MOONSHOT_API_KEY"],
    base_url="https://api.moonshot.ai/v1",
)

completion = client.chat.completions.create(
    model="kimi-k3",
    reasoning_effort="max",
    messages=[{"role": "user", "content": "Resume en una frase qué aporta Kimi K3."}],
)

print(completion.choices[0].message.content)

Límites útiles a tener en cuenta:

• Thinking siempre activo; reasoning_effort hoy solo admite max.
• No uses el parámetro thinking de K2.x.
• En multi-turno y tool calls, reenvía el mensaje assistant completo, no solo content.
• Visión: content como array (base64 o ms://file-id); no URLs públicas de imagen.
• Playground y API keys: platform.kimi.ai.

Qué implica para tu stack

1. Routing multi-modelo deja de ser opcional. Si ya mandas todo a Opus o a Sol por costumbre, K3 es candidato claro para coding agentic y knowledge work a menor coste.
2. El open ya no es «el plan B». Con pesos el 27 de julio, la conversación pasa de API a soberanía de inferencia — con el coste de hardware que eso implica.
3. El harness gana. Un modelo fuerte sin tools, tests y políticas es chat caro. Un modelo fuerte con MCP, hooks y routing (p. ej. Converly LM) es un agente.

Qué interesante se está poniendo esto.

Preguntas frecuentes

¿Cuándo serán públicos los pesos de Kimi K3?

Moonshot indica el 27 de julio de 2026 para la liberación de pesos. Hasta entonces, el acceso principal es API / productos Kimi. Fuente: quickstart Kimi K3.

¿Kimi K3 es mejor que Claude Opus 4.8?

En benchmarks agregados (Artificial Analysis Intelligence Index) sí queda por encima de Opus 4.8. En mi uso de coding con acceso anticipado, se siente al mismo nivel y a veces superior. «Mejor» depende de la tarea: evalúa con tus repos y tu harness, no solo con el índice.

¿Cuánto cuesta la API de Kimi K3?

3 $ / M tokens de input (cache miss), 0,30 $ en cache hit y 15 $ / M de output, flat en 1M de contexto. Detalle: pricing oficial.

¿Puedo usarlo como si fuera la API de OpenAI?

Sí. Endpoint https://api.moonshot.ai/v1, modelo kimi-k3, SDK OpenAI. Cambia la base URL y la API key de Moonshot.

¿Sirve para visión y agentes con herramientas?

Sí: visión nativa (imagen/vídeo según docs), tool calling, structured output y contexto 1M con caché automática. La búsqueda web oficial está en actualización y Moonshot no la recomienda aún para producción.

---

Publicado el 17 de julio de 2026. Cifras de precio y arquitectura según documentación de Moonshot AI; ranking según Artificial Analysis Intelligence Index. La experiencia de coding es opinión de uso con acceso anticipado.