La «paridad» de Kimi K3.1 Pro es una nota de prensa hasta que lleguen los pesos

Cuando un laboratorio te dice que su modelo va «a la zaga» del mejor del mundo, la pregunta interesante no es por cuánto. Es quién sostenía la regla. Con Kimi K3.1 Pro, la regla fue en buena parte la de Moonshot, y eso cambia cuánto de la historia deberías creerte.

El argumento de Moonshot se apoya sobre todo en las cifras de Moonshot

Moonshot ha lanzado K3.1 Pro, una versión mejorada de su modelo de pesos abiertos, y asegura que los pesos completos llegarán antes del 4 de noviembre. En Terminal-Bench 4.0, según The Next Web, la compañía dice haber obtenido un 65,7 %, por delante del GPT-6 Astra de OpenAI (58,2 %) y justo por detrás del Claude Opus 5.5 de Anthropic (66,4 %). El mismo artículo señala que esas cifras son de la propia Moonshot y no se han verificado de forma independiente.

Hay un dato externo. Según The Decoder, Artificial Analysis sitúa a K3.1 Pro en cuarto lugar de su Intelligence Index con 55 puntos, por detrás de Claude Opus 5.5 (58), Claude Sonnet 5.5 (56) y Muse Wonder Full (56). Si los pesos llegan, la brecha entre abiertos y propietarios en ese índice pasa de 12 puntos a 3.

La brecha se está cerrando, y eso es real

No queremos ser cínicos por deporte. Un salto de 11 puntos respecto a K3 con el mismo tamaño, 2,8 billones de parámetros en total, es un resultado serio, y viene de un tercero, no de una diapositiva de lanzamiento. Aunque se le reste un punto o dos por generosidad, la dirección está clara: la distancia entre lo que puedes descargar y lo que tienes que alquilar se reduce rápido.

Eso importa más que cualquier posición en una clasificación. Presiona a los laboratorios cerrados para que justifiquen su precio premium con algo más que puntuaciones brutas.

Pero «iguala» carga con mucho peso

Fíjate en lo que se ha elegido. Las pruebas de Moonshot incluyen algunas internas: Kimi Hallu Bench Hard, donde afirma que las alucinaciones bajan del 23,4 % al 8,3 %, y un benchmark de vulnerabilidades propio. La propia Moonshot dice que la prueba de alucinaciones es un test de estrés, no una medida de la tasa de error cotidiana. Y en esa misma prueba, GPT-6 Astra sigue puntuando mejor, con un 5,5 %.

Hasta la cobertura amable matiza. La reseña de Analytics Vidhya concluye que K3.1 Pro «no es un barrido limpio»: los modelos cerrados siguen por delante en trabajo 3D asistido por herramientas, y muchas de las afirmaciones más audaces se basan en pruebas internas de Kimi. Su veredicto es que la prueba real llegará cuando equipos independientes tengan los pesos. Coincidimos, y vamos más allá: un benchmark que el proveedor diseña, ejecuta y publica es marketing con decimales.

Hay además una rareza digna de mención. Según OfficeChai, Artificial Analysis da a K3.1 Pro un 67,2 % en Terminal-Bench 4.0, más que el 65,7 % de la propia Moonshot. Es una buena noticia para Moonshot, pero también sugiere cuánto pueden variar estas cifras según la configuración y quién las ejecute.

El precio es el verdadero titular, con asterisco

El argumento más fuerte a favor de K3.1 Pro no es la paridad, sino el coste. Los precios de la API de Moonshot son 2 $ por millón de tokens de entrada y 10 $ por millón de tokens de salida. OfficeChai sitúa a Claude Opus 5.5 en 4 $/20 $ y a GPT-6 Astra en 10 $/50 $. Es aproximadamente la mitad del primero y una quinta parte del segundo.

El asterisco: el precio por token no es el precio por tarea. Artificial Analysis comprobó que K3.1 Pro usa un 14 % más de tokens de salida que K3, así que una tarea de su índice cuesta 1,98 $ frente a 2,00 $ del modelo anterior. Una tarifa más barata no implica automáticamente una factura más baja, y querríamos ver cargas de trabajo reales antes de hablar de ganga. La variante Highspeed, a 4 $/20 $, cuesta lo mismo que Opus 5.5.

Pruébalo con tu carga de trabajo, no con la gráfica del lanzamiento

Nuestro consejo es sencillo. Si usas IA a gran escala, incluye K3.1 Pro en tu lista corta y pruébalo con tus tareas y tus prompts, midiendo el coste por trabajo completado. No cambies por una gráfica de lanzamiento.

Otras dos cautelas merecen peso. Los pesos abiertos aún no se han publicado, así que «abierto» sigue siendo una promesa hasta el 4 de noviembre. Y Moonshot está bajo presión en Washington: en julio, según The Next Web, la Casa Blanca la acusó de usar chips de Nvidia prohibidos y de copiar un modelo de Anthropic, sin publicar pruebas. Es una acusación, no una conclusión, pero cualquier empresa con obligaciones de cumplimiento normativo tendrá que sopesarla.

Nuestro veredicto: la brecha con la frontera se estrecha, y esa es la historia que merece tomarse en serio. La «paridad» aún no está demostrada. Pregúntalo de nuevo el 5 de noviembre, cuando alguien distinto de Moonshot sostenga la regla.