La tabla de los pesos pesados de los LLM cambió en julio de 2026. Moonshot AI lanzó KIMI 3 el 16 de julio y el podio dejó de ser estable. Seguimos este movimiento desde el surgimiento de los modelos open-weight de gran escala, y la señal ahora es clara: 2.000 millones de dólares bien colocados abren espacio en el podio.
Qué es KIMI 3: 2,8 billones en MoE, 16 expertos activos de 896
Según Moonshot AI, KIMI 3 tiene 2,8 billones de parámetros en arquitectura MoE (Mixture of Experts), con 16 expertos activos de un total de 896 y ventana de contexto de 1M de tokens. Moonshot AI es una empresa china fundada en 2023 por Zhilin Yang, respaldada por Alibaba, que levantó 2.000 millones de dólares.
MoE significa que solo 16 expertos corren por token. El costo de inferencia baja en proporción: en vez de activar 2,8 billones de parámetros, activa apenas la fracción correspondiente a los 16 expertos seleccionados. Inteligencia comparable, fracción del cómputo. Es la arquitectura que permite competir con modelos densos líderes sin el costo de inferencia de un denso de 2,8 billones.
El marcador en los benchmarks que importan
Según la tabla de Moonshot AI, KIMI 3 hace 93,5% en GPQA Diamond, el mejor resultado open-weight publicado hasta ahora en ese benchmark. Supera a Claude Fable 5 (92,6%) y a Claude Opus 4.8 (91,0%), quedando por encima de los dos modelos de Anthropic. GPT-5.6 Sol está en 94,1% y aún lidera en ese benchmark específico: K3 todavía pierde contra lo mejor de OpenAI en GPQA Diamond.
Según Arena.ai, KIMI 3 está en primer lugar en Code WebDev. Liderazgo absoluto en código que corre en navegador. Es donde el modelo brilla más.
Según Moonshot AI, en HLE sin herramientas KIMI 3 hace 43,5%. Con herramientas, sube a 56,0%. Diferencia de 12,5 puntos cuando el modelo recibe herramientas. Agente de verdad.
Según el Artificial Analysis Intelligence Index, KIMI 3 está en cuarto lugar entre 189 modelos con 57,1 puntos. Aún pierde en general contra Claude Fable 5 y GPT-5.6 Sol. Pero en coding y agentes generales superó por poco a Claude Opus 4.8 y GPT-5.5.
Precio y cost-performance: donde DeepSeek V3 aún gana
Según Moonshot AI, el precio de KIMI 3 es de 3,00 dólares por MTok de input en cache miss, 0,30 dólares por MTok en cache hit y 15,00 dólares por MTok de output. La API internacional está disponible en api.moonshot.ai desde el lanzamiento: quien quiera probarla ahora, puede.
DeepSeek V3 sigue siendo más barato. KIMI 3 no compite en el precio mínimo: compite en cost-performance. Inteligencia de primer nivel en coding y agentes por una fracción del cómputo de un modelo denso equivalente. El cache de contexto es donde aparece el ahorro real: 0,30 dólares por MTok en cache hit frente a 3,00 dólares en cache miss. Quien no usa cache, quema dinero.
Qué cambia para Brasil: LGPD y soberanía de datos
Según Moonshot AI, los open weights salen el 27 de julio de 2026. Esto cambia el juego para Brasil. Self-host on-prem. Soberanía de datos.
La LGPD, legislación brasileña, exige medidas de seguridad para datos personales. Con open weights, el modelo corre dentro del datacenter del cliente. Los datos personales no necesitan cruzar la frontera. Ninguna API en dólares necesita entrar en el flujo de datos personales. Es cumplimiento por arquitectura, no por contrato. Es soberanía de datos en la práctica, y es lo que diferencia a KIMI 3 de los modelos cerrados que solo corren en endpoints internacionales.
Lo que Tech86 implementa con KIMI 3
Implementamos cinco frentes con KIMI 3:
- Inferencia on-prem vía NVIDIA NIM con open weights. Los datos sensibles nunca salen del datacenter del cliente. LGPD-compliant por arquitectura.
- Self-host de open weights en clúster H100. El costo por token baja a la depreciación del hardware. Sin spread de vendor, sin aprisionamiento.
- Ingeniería de prompt para agentes de código. KIMI 3 lidera el Arena Code WebDev, según Arena.ai. Es donde brilla más.
- Cache de contexto aprovechando 1M de tokens. 0,30 dólares por MTok en cache hit frente a 3,00 dólares en cache miss. Quien no usa cache, quema dinero.
- Enrutamiento entre KIMI 3 y DeepSeek V3 por workload. Barato para tareas simples, potente para razonamiento. Optimización de cost-performance por token.
Conclusión: el podio de los LLM dejó de ser estable
Moonshot acaba de demostrar que 2.000 millones de dólares bien colocados abren espacio en el podio. El podio de los LLM dejó de ser estable. KIMI 3 no es el mejor modelo en general: aún pierde contra Claude Fable 5 y GPT-5.6 Sol en el Artificial Analysis Intelligence Index. Pero en coding y agentes está en lo más alto. Y con open weights el 27 de julio de 2026, es el primer modelo de podio que Brasil puede alojar localmente sin renunciar a la soberanía de datos. En Tech86 ayudamos a las empresas a hacer exactamente eso: deploy on-prem, enrutamiento por workload y cumplimiento LGPD por arquitectura.