Kimi K3.1 Pro: Moonshot baja el precio un tercio y se queda a un punto de Claude Opus 5.5
Moonshot lanzó Kimi K3.1 Pro con un tercio menos de precio por token y un 65,7 % en Terminal-Bench 4.0, a siete décimas de Claude Opus 5.5. La pregunta útil, sin embargo, no es cuánto cuesta el token, sino cuánto cuesta la tarea terminada.
Qué es Kimi K3.1 Pro y qué cambia frente a K3
El 23 de octubre de 2026 Moonshot AI presentó Kimi K3.1 Pro y su variante Highspeed. No es un modelo construido desde cero: es una versión reentrenada de Kimi K3 mediante post-entrenamiento, con mucho más aprendizaje por refuerzo conjunto entre dominios. La compañía publicó catorce evaluaciones junto al anuncio, repartidas entre código, ciencia y trabajo de conocimiento.
Un K3 más entrenado, no un modelo nuevo desde cero
La arquitectura se mantiene: mezcla de expertos sobre Kimi Delta Attention y Attention Residuals, con visión nativa para entrada de imágenes. Lo que cambia es el entrenamiento posterior, y eso explica por qué los números suben sin que la estructura del modelo cambie. Para quien ya probó K3, la migración es de configuración, no de integración.
2,8 billones de parámetros totales, 104.000 millones activos y 1M de contexto
El modelo declara 2,8 billones de parámetros totales con 104.000 millones activos por token, el dato que de verdad importa para calcular coste y latencia. El contexto llega a un millón de tokens, igual que K3. Conviene fijar la cifra: parte de la cobertura la redondea a tres billones y no es exacto.
Lee también
Dos versiones: Pro y Highspeed
Moonshot ofrece K3.1 Pro y K3.1 Pro Highspeed, que según la empresa es entre dos y tres veces más rápida. Es una cifra del fabricante y no hay medición independiente publicada, así que sirve como orientación, no como compromiso de latencia.
El precio: un tercio menos por token
2 y 10 dólares por millón, y la caché a 0,20
En la API de Moonshot, K3.1 Pro cuesta 2 dólares por millón de tokens de entrada y 10 por millón de salida, con la lectura de caché a 0,20. Kimi K3 salió en julio a 3 y 15, con caché a 0,30. La rebaja es de un tercio exacto en las tres tarifas, y OpenRouter muestra las mismas. Los precios de terceros varían, así que cualquier comparación debe decir de dónde sale cada cifra.
Dónde está disponible
El modelo está en Kimi.ai, Kimi Work, Kimi Code y la API desde el día del anuncio. No es un modelo abierto todavía: hoy se consume como producto o como servicio, no como descarga.
Los benchmarks de Moonshot y cómo leerlos
Terminal-Bench 4.0: 65,7 frente a 58,2 de GPT-6 Astra y 66,4 de Opus 5.5
En la prueba de agentes de terminal que Moonshot publica, K3.1 Pro declara 65,7 %. Queda por delante de GPT-6 Astra, con 58,2 %, y a siete décimas de Claude Opus 5.5, con 66,4 %. Son cifras del fabricante, medidas con su propio entorno de evaluación, y conviene leerlas como tales: ni gana a Opus 5.5 ni está lejos.
BrowseComp, HLE con herramientas y SWE-Marathon
En las otras tres pruebas destacadas, la empresa presenta su mejor valor de fila: 92,1 en BrowseComp, 70,0 en Humanity's Last Exam con herramientas y 51,7 en SWE-Marathon v1.1. Miden búsqueda web, razonamiento con acceso a herramientas y trabajo largo de ingeniería, tres cosas distintas que no se pueden resumir en un solo número.
Lo que miden los terceros: 55 puntos y cuarto puesto
Artificial Analysis le da 55 puntos en su Intelligence Index, frente a una mediana de 27 en modelos comparables, y lo sitúa cuarto. Es una medición independiente y bastante más sobria que la tabla del fabricante, útil para poner los números en contexto.
El detalle que casi nadie mira: el coste por tarea
Más verboso: 55.000 tokens de salida por tarea
El mismo análisis independiente describe el modelo como notablemente lento y muy verboso. Generó 150 millones de tokens en la evaluación del índice, frente a una mediana de 87 millones, y ronda los 55.000 tokens de salida por tarea: un 14 % más que K3. Ahí se explica el resto de la historia.
Cuándo conviene y cuándo no
Con esas cifras, el coste por tarea terminada queda cerca de 1,98 dólares, prácticamente igual que K3, aunque el precio por token sea un 33 % más bajo. Como la tarifa de salida es la que manda en agentes que razonan y llaman herramientas, el ahorro se recorta solo. Conviene cuando el trabajo es de lectura larga o de contexto enorme, donde la entrada barata pesa; no conviene para autocompletado en vivo, donde la latencia se nota más que el benchmark.
Pesos abiertos el 4 de noviembre
Qué prometió Moonshot y qué falta por confirmar
Moonshot prometió publicar los pesos completos antes del 4 de noviembre de 2026. Hasta entonces no es un modelo de código abierto: es un modelo de API y de producto. Tampoco está confirmada la licencia con la que saldrá. K3 se publicó bajo la Kimi K3 License, descrita como una variante modificada de MIT, pero la de K3.1 Pro no se ha anunciado.
Qué significa para quien quiere autoalojarlo
Aunque lleguen los pesos, el tamaño condiciona todo: K3 ya exigía infraestructura seria y 2,8 billones de parámetros no se sirven en una estación de trabajo. Lo que hay que vigilar el 4 de noviembre es la licencia real, el tamaño de la descarga y el hardware mínimo. Si el plan es autoalojar, la decisión se toma con esos tres datos, no con el anuncio.
Conclusión
Kimi K3.1 Pro es una buena noticia de ingeniería y un recordatorio de que el precio de lista no es la factura. Antes de cambiar de modelo, mide tus propios tokens de salida por tarea, no los del leaderboard: si tu agente escribe mucho, un tercio menos de tarifa puede quedar en casi nada. Si vienes de seguir el mercado de modelos abiertos, el caso de Mistral Large 4 sigue el mismo patrón de lanzamiento por API con pesos después, y el de GLM-5.3-Flash muestra al otro competidor chino de la semana. Para ver dónde se usa de verdad un modelo así, está la comparativa de editores de código con IA. Y en el blog seguimos midiendo con datos, no con titulares.
