2026-10-24
Kimi K3.1 Pro: pesos abiertos antes del 4 de noviembre
Moonshot AI presentó Kimi K3.1 Pro, un post-entrenamiento de Kimi K3 con contexto de 1M de tokens. Hoy solo está disponible por API. Los pesos llegan antes del 4 de noviembre y ese día intentaremos ejecutarlo en 8 GPU B300.
El 23 de octubre Moonshot AI presentó Kimi K3.1 Pro, el primer modelo de la serie K3.1. Hoy solo está disponible en Kimi.ai, Kimi Work, Kimi Code y mediante la API de Kimi. Moonshot ha prometido los pesos completos antes del 4 de noviembre de 2026. El catálogo de SophyAI ya tiene su ficha. Ese día intentaremos ejecutarlo.
Qué modelo es
K3.1 Pro no está entrenado desde cero. Es un post-entrenamiento de Kimi K3, con mucho más cómputo de aprendizaje por refuerzo repartido en cientos de dominios. La arquitectura sigue siendo la de K3:
- 2,8 billones de parámetros totales, 104.000 millones activos por token (MoE, 16 de 896 expertos);
- ventana de contexto de 1M de tokens (1.048.576);
- entrada de texto, imagen y vídeo, salida de texto;
- razonamiento siempre activo, con esfuerzo
low,highomax.
Junto al modelo sale K3.1 Pro Highspeed, que según Moonshot es de 2 a 3 veces más rápido. Por ahora, Highspeed solo está disponible por API.
Las cifras anunciadas
Estas cifras son de Moonshot, salvo que se indique lo contrario:
- Terminal-Bench 4.0: 65,7 %, muy cerca de Claude Opus 5.5 (66,4 %) y por delante de GPT-6 Astra (58,2 %).
- BenchCAD con herramientas: 92,7 %. Mide la reconstrucción 3D mediante código CAD.
- OfficeQA Pro v2: 64,4, que Moonshot presenta como el estado del arte.
- Tasa de alucinación por afirmación en su benchmark interno Hard: del 23,4 % de K3 al 8,3 %.
Artificial Analysis, una fuente independiente, le asigna 55 puntos en su Intelligence Index. Solo tres modelos propietarios están por delante. Con los pesos publicados, sería el modelo open weights con mayor puntuación.
Una advertencia: Moonshot afirma haber retirado los datos de ciberseguridad ofensiva del entrenamiento de los pesos abiertos. Los pesos publicados podrían no coincidir del todo con el modelo que sirve la API.
Qué hace falta para ejecutarlo
Si la arquitectura es realmente la de K3, los requisitos son los mismos. Hacen falta 8 GPU B300 o B200, al menos 512 GB de RAM y 3 TB de disco NVMe. En MXFP4 el checkpoint debería ocupar unos 1,7 TB. El motor es vLLM, con la imagen dedicada a Kimi K3. Es un modelo para sesión en la nube, no para Mac.
El 4 de noviembre
El plan es reutilizar el kit con el que ya ejecutamos Kimi K3 en 8× B300. Hemos hecho configurables el repositorio de los pesos y el nombre del modelo servido. En cuanto el repositorio de Hugging Face tenga los archivos, haremos cuatro cosas:
- leer la licencia, que aún no se ha anunciado;
- descargar los pesos y arrancar vLLM;
- medir tokens por segundo y coste por hora, con y sin la decodificación especulativa DSpark;
- actualizar la receta y hacerla lanzable desde el portal.
Hasta entonces, la ficha k31pro-vllm-b300-upcoming es visible pero no se puede lanzar. Quien quiera probar el modelo hoy puede usar la API de Kimi. En SophyAI sigue disponible Kimi K3 en 8× B300.