Kimi K3.1 Pro: precios y claves para decidir el cambio

Kimi K3.1 Pro merece una prueba controlada con trabajo real si ya pagas por tareas exigentes de programación o análisis de documentos: las tarifas de su API estándar son un tercio más bajas que las de Kimi K3, con la misma ventana de contexto de 1M de tokens. Empieza por Pro estándar y cambia solo si entrega resultados que superan tus criterios de aceptación a un menor costo total. Moonshot promete publicar los pesos descargables el 4 de noviembre de 2026; es una opción de despliegue futura, no una base para ponerlo en marcha hoy.

Verificado el 24 de octubre de 2026 con el anuncio de Moonshot, los precios de la API de Kimi y los precios de Anthropic. Los cálculos que siguen son nuestros; los resultados de los benchmarks corresponden a los evaluadores citados.

Kimi K3.1 Pro: ¿qué cambia respecto a K3?

La mejora está en el entrenamiento posterior del modelo base, no en una ventana de contexto más amplia. Moonshot presenta K3.1 Pro como un K3 con mucho más cómputo dedicado al entrenamiento posterior, orientado a programación, creación 3D e investigación financiera. Lo describe como un modelo de «clase 3T». La página de lanzamiento no ofrece un desglose exacto de parámetros totales y activos. Estas afirmaciones proceden de la descripción del lanzamiento de Moonshot.

El entrenamiento posterior es la práctica que viene después de la formación general: se recompensa al modelo por resolver mejor las tareas, incluidas las que requieren una secuencia de llamadas a herramientas. Es como darle a un colega experimentado más práctica con casos difíciles. Puede mejorar su criterio sin necesitar un escritorio más grande.

La analogía del escritorio es útil aquí. La ventana de contexto es el conjunto de material que un modelo puede considerar a la vez: instrucciones, documentos de referencia e historial de conversación. La documentación de precios de Moonshot asigna a todos los modelos de la serie K3 la misma ventana de 1,048,576 tokens. Por tanto, K3.1 Pro no ofrece una nueva ventaja de capacidad frente a K3. Para justificar una migración, tiene que aprovechar mejor esa capacidad.

Para quien desarrolla software, lo relevante es que un cambio en el repositorio supere las pruebas y la revisión. Para quien dirige operaciones, importa que una respuesta basada en documentos conserve la fuente, la fecha y los matices correctos. Ninguno de esos resultados está garantizado por la cantidad de material que cabe en la solicitud.

Nuestro análisis anterior de Kimi K3 explica el contexto del lanzamiento original. La información sobre disponibilidad de aquel momento debe leerse como un antecedente; esta página se centra en la decisión sobre el nuevo Pro.

¿Qué demuestran los resultados de los benchmarks?

Los resultados publicados justifican una evaluación, no sustituir automáticamente el modelo actual. Artificial Analysis muestra una puntuación de 55 en su Intelligence Index y sitúa al modelo en el cuarto puesto de su resumen en la fecha de verificación. Su página clasifica actualmente Pro como propietario, una distinción importante frente a los modelos cuyos pesos ya se pueden descargar.

Moonshot comunica un resultado del 65.7% en Terminal-Bench 4.0, frente al 66.4% de Claude Opus 5.5, el modelo competidor de Anthropic. Moonshot evalúa Kimi con el esfuerzo de razonamiento al máximo y el entorno de ejecución Claude-Code, el software que proporciona las herramientas y gestiona su ejecución. Para la comparación, toma los resultados de otros modelos de fuentes publicadas. Son los resultados y las condiciones que comunica Moonshot, no una prueba comparativa realizada por nosotros.

Para un desarrollador independiente, es evidencia suficiente para probar una corrección de errores bien delimitada, con una prueba que ya se sabe que falla. No demuestra que el modelo vaya a preservar los permisos de la aplicación, interpretar correctamente un requisito de producto ambiguo o reconocer cuándo un cambio necesita una decisión humana.

Para quien trabaja en finanzas, conviene usar una conciliación histórica cuyos resultados correctos ya se conozcan. Hay que comprobar las celdas citadas y los documentos de origen, no solo que la explicación final suene coherente. Una mejora en un benchmark puede convertir al modelo en un candidato más interesante sin resolver el error que más cuesta en un flujo de trabajo concreto.

¿Dónde se puede usar hoy?

Elige la vía de acceso que mantendrías en producción. Moonshot enumera Kimi.ai, Kimi Work, Kimi Code y la API de Kimi; el acceso empresarial está desactivado hasta que un administrador lo habilita. Su sección de disponibilidad especifica lo siguiente:

• Kimi.ai: acceso desde navegador y dispositivos móviles.
• Kimi Work: acceso desde el escritorio, con la versión 3.1.0 o posterior en Windows o en Mac con Apple silicon.
• Kimi Code: selecciona Pro con /model.
• Kimi API: elige kimi-k3.1-pro o kimi-k3.1-pro-highspeed.

Quien dirige una startup y quiere explorar el modelo puede empezar en el navegador con un documento de trabajo sin datos sensibles. Quien evalúa un flujo automatizado debería usar la API prevista para ese flujo, porque las herramientas, los permisos y la facturación también forman parte de la decisión. Una buena respuesta en el chat no demuestra que una integración sin supervisión vaya a funcionar.

La página de precios de la API distingue expresamente la inferencia de pago por uso de la suscripción a Kimi y de Kimi Code. La cuota incluida en una suscripción no es un presupuesto de API. Las diferencias entre productos y planes se explican con más detalle en los precios de Kimi.

OpenRouter, un servicio que permite acceder a distintos modelos mediante una API común, también incluye Kimi K3.1 Pro en su catálogo. Los proveedores visibles durante esta verificación son Moonshot AI y Moonshot AI Highspeed. Esto confirma otra vía de acceso; no demuestra que una empresa independiente ya esté ofreciendo el modelo a partir de pesos descargados de Pro.

Si la aplicación ya usa OpenRouter, esa vía puede facilitar la prueba. Aun así, comprueba qué proveedor recibe las solicitudes y qué alternativas de respaldo están permitidas. Un intermediario modifica la cadena de servicio; no elimina el papel del proveedor que ejecuta el modelo.

¿A quién le conviene cambiar de modelo y a quién quedarse?

Quienes ya usan la API de K3 deberían evaluar primero Pro estándar; quienes tienen un flujo consolidado con Opus deberían exigir un menor costo por tarea aceptada. Highspeed requiere una decisión aparte porque sus tarifas base por token eliminan la ventaja de precio frente a Opus 5.5.

Precios de Pro, Highspeed y K3: cómo elegir

Estos son los precios de la API directa de Moonshot en dólares estadounidenses por millón de tokens, sin impuestos. La entrada en caché permite reutilizar un prefijo procesado anteriormente.

Fuente: precios de inferencia de modelos de Moonshot, consultados el 24 de octubre de 2026. La escritura en caché tiene cargos separados según el tiempo de retención; la columna de lectura de caché no refleja todo el costo de usarla.

Moonshot afirma que Highspeed ofrece una velocidad 2-3× mayor. Es una afirmación del proveedor, no una reducción medida del tiempo necesario para terminar una tarea. La espera de herramientas, la corrección de errores y la revisión del resultado pueden consumir la mayor parte del tiempo. Empieza por Pro estándar para el trabajo sin supervisión; paga por Highspeed cuando una prueba demuestre que generar más rápido ahorra un tiempo significativo a quien lo usa.

Comparación con Opus 5.5: cuánto cuesta el trabajo aceptado

Las tarifas base de la API de Claude Opus 5.5 son de $4 por millón de tokens de entrada y $20 por millón de tokens de salida, según claude.com/pricing. Coinciden con las de Highspeed. Su tarifa de lectura de caché de $0.20 también coincide con la de ambas variantes de Pro, por lo que la ventaja de Pro estándar se reduce en cargas de trabajo donde predomina la entrada en caché.

Para una tarea ilustrativa que consuma 100,000 tokens de entrada sin caché y 10,000 tokens de salida facturables, el cálculo base es:

• Pro: $0.30, calculado como 0.1 × $2 más 0.01 × $10.
• K3: $0.45, calculado como 0.1 × $3 más 0.01 × $15.
• Highspeed u Opus 5.5: $0.60, calculado como 0.1 × $4 más 0.01 × $20.

Son ejemplos con el mismo consumo de tokens, calculados a partir de las tarifas de Moonshot y Anthropic, sin incluir escritura en caché, herramientas, descuentos, impuestos ni revisión. No son costos observados en tareas reales. Distintos modelos pueden consumir cantidades diferentes de tokens facturables para completar el mismo encargo.

El punto en que los reintentos anulan el ahorro es sencillo: en ese ejemplo, dos intentos de Pro idénticos en todo lo demás cuestan lo mismo en tokens base que un intento de Opus. Una revisión adicional puede borrar el ahorro antes. En sentido contrario, Pro puede ahorrar más si termina con menos tokens facturables y el resultado supera las mismas comprobaciones. Aquí no se ha medido ninguno de los dos resultados.

Aplica esta regla: el costo por tarea aceptada es la suma de todos los cargos de API, los cargos por herramientas y el costo de revisión humana, dividida entre el número de tareas aceptadas. Atribuye los intentos fallidos al modelo que los produjo. Cuenta el razonamiento facturable cuando corresponda, no solo la respuesta que ve la persona.

Quien ha conseguido financiación para su empresa y tiene una larga cola de transformaciones de documentos verificables tiene motivos para probar Pro. Un director de tecnología de una empresa mediana con un flujo estable en Opus tiene motivos para mantenerlo hasta que la alternativa supere los mismos criterios de aceptación. Un responsable experimentado que pierde tiempo corrigiendo errores sutiles en las fuentes debería valorar más una menor necesidad de revisión que una tarifa por token más baja.

Quédate en K3 si la evaluación detecta un retroceso que importa para tu trabajo. Mantén Opus si sus resultados aceptados cuestan menos después de corregirlos y revisarlos, o si la migración altera una integración ya aprobada. La comparación más amplia entre productos está en Kimi vs Claude.

Aclara primero qué pasará con los datos de la empresa

No traslades trabajo sensible hasta que esté aprobada la vía exacta de acceso al servicio. Con Moonshot, un desarrollador chino de IA, pide respuestas concretas sobre la entidad contratante, los lugares de procesamiento y el uso y acceso a los datos. El país de origen no sustituye la revisión de esas condiciones.

La política de privacidad de Open Platform de Moonshot identifica como proveedor a MOONSHOT AI PTE. LTD., en Singapur, y afirma que la información recopilada se almacena en Singapur. También describe la conservación de datos por motivos de servicio y legales. Esas declaraciones se refieren a esa plataforma; no deben extrapolarse a todas las aplicaciones de consumo, herramientas o servicios que se apoyan en ella.

El anuncio del lanzamiento promociona la retención cero de datos para los clientes de la API. La política específica de Moonshot limita esa opción a clientes empresariales que la soliciten: el contenido de las solicitudes cubierto por la política se elimina después de la respuesta, con una excepción por la legislación aplicable. La política indica que los datos empresariales no se usan para entrenamiento de forma predeterminada. Sus exclusiones incluyen trabajos por lotes, imágenes y videos cargados directamente, registros operativos y servicios de terceros.

Antes de contratar, pide respuestas por escrito a estas preguntas:

• ¿Con qué entidad jurídica contratamos y dónde se realizan la inferencia, el almacenamiento y el acceso por parte del personal de soporte?
• ¿Se conservan nuestros prompts, archivos, resultados y registros, o se usan para entrenamiento, bajo las condiciones de esta cuenta concreta?
• ¿Está habilitado el modo de retención solicitado y qué tipos de datos o funciones quedan fuera?
• ¿Qué subencargados del tratamiento, servicios de enrutamiento y herramientas externas reciben el contenido, y qué condiciones de eliminación se les aplican?
• ¿Cumplen estas condiciones nuestros contratos con clientes y nuestras clasificaciones internas de datos?

Una aplicación de escritorio no demuestra por sí sola que la inferencia sea local. Un intermediario de API tampoco demuestra por sí solo que cambie la jurisdicción de procesamiento. Si estas cuestiones siguen sin resolverse, usa material público o sintético en la prueba y mantén los datos de la empresa en la vía ya aprobada.

¿Qué se está exagerando de este lanzamiento?

La mayor exageración consiste en presentar un modelo prometedor como sustituto listo para todo un sistema de trabajo. Conviene distinguir varias cuestiones prácticas.

Prometer pesos abiertos no equivale a poder descargarlos. La fecha límite que da Moonshot es el 4 de noviembre de 2026, según su anuncio. Los pesos son los archivos que contienen lo aprendido por el modelo y permiten ejecutarlo por cuenta propia. Una empresa que necesite un despliegue privado debería esperar a los archivos, la licencia y las instrucciones de despliegue antes de comprometer infraestructura o prometer esa opción a un cliente.

Un contexto amplio no garantiza respuestas correctas. Tener más espacio para documentos no demuestra que todos los datos importantes se conserven durante la recuperación de información, el razonamiento y la respuesta final. Exige referencias al material proporcionado y comprueba los conflictos entre versiones de documentos.

Un endpoint más rápido no acelera automáticamente el proceso de negocio. Un flujo que redacta respuestas de soporte puede pasar más tiempo esperando aprobación que generando texto. Una tarea en un repositorio puede tardar más en ejecutar las comprobaciones. Mide el tiempo hasta completar el trabajo antes de pagar el sobreprecio por velocidad.

Una puntuación alta no trae consigo todas las capacidades del entorno. Todavía hay que diseñar los permisos de las herramientas, el acceso a las fuentes, el entorno de ejecución y la aprobación humana. Mantén separada la respuesta del modelo de la autoridad para enviar un mensaje, sobrescribir un registro o publicar un cambio.

Preguntas frecuentes

¿Kimi K3 es una empresa china?

Kimi K3 es un modelo, no una empresa. Su desarrollador es Moonshot AI. Para adoptarlo en una empresa, identifica la entidad contratante concreta y la vía de procesamiento de datos, en lugar de tratar el nombre del modelo como una entidad jurídica.

¿En qué dispositivos se puede usar Kimi K3?

Usar un modelo alojado y ejecutar sus pesos son tareas distintas. Para el nuevo Pro, Moonshot enumera acceso por navegador, dispositivos móviles, escritorio, herramientas de programación y API; esas vías no demuestran que el modelo se ejecute en tu dispositivo. Consulta la sección de disponibilidad anterior.

¿Kimi K3 está disponible en Estados Unidos?

El anuncio de Pro enumera vías de acceso en línea, pero no demuestra que cualquier usuario de Estados Unidos pueda abrir una cuenta. Verifica el registro, la facturación y la aprobación de tu empresa para el servicio concreto que quieras usar.

¿Kimi K3 usa NVIDIA?

El anuncio de Pro no especifica el hardware que ejecuta el modelo en producción. No conviertas el hardware mencionado en la configuración de un benchmark en una afirmación sobre el que atiende tu solicitud.

¿Se puede ejecutar Kimi K3 en local?

K3 y K3.1 Pro tienen historiales de lanzamiento distintos. Para decidir sobre Pro, planifica el uso de servicios alojados hasta que estén disponibles los pesos prometidos y las instrucciones de despliegue; una descarga de K3 no demuestra que Pro esté listo para ejecutarse en local.

¿Cuál es la mejor GPU para aprender IA?

Esa compra es una decisión distinta de probar Pro. Usa los requisitos de hardware indicados por el curso o el modelo local que quieras ejecutar; este anuncio no ofrece una recomendación general de GPU.

¿Es mejor ejecutar IA en una CPU o en una GPU?

Para evaluar Pro mediante un servicio alojado, elige primero la vía de acceso. Para alojarlo por cuenta propia, espera a que exista una configuración de despliegue compatible, en lugar de elegir hardware a partir de un benchmark de lanzamiento.

¿Cuál es la GPU más potente del mundo para IA?

Este lanzamiento no establece una clasificación de hardware. Para un futuro despliegue de Pro, lo relevante es contar con una configuración compatible que se ajuste a la carga de trabajo y al presupuesto operativo.

¿Qué GPU es mejor para IA, NVIDIA o AMD?

Antes de elegir un fabricante, revisa qué software de inferencia admite el modelo publicado y en qué hardware se ha probado. El anuncio de Pro, por sí solo, no demuestra compatibilidad ni constituye una recomendación de compra de ninguna de las dos marcas.

El primer paso para el lunes

Asigna a Pro estándar una tarea acotada con una prueba de aceptación conocida y mantén disponible la vía actual. Un buen primer encargo es corregir un repositorio que ya tenga comprobaciones o extraer datos de documentos históricos cuyas respuestas y fuentes ya se conozcan.

1. 1

   Define qué resultado aceptarás

   Escribe el resultado requerido, las acciones prohibidas y las comprobaciones antes de abrir el modelo. Usa material sin datos sensibles hasta que esté aprobada la vía de acceso al proveedor previsto.

2. 2

   Selecciona el modelo y la vía de acceso previstos

   Elige expresamente Pro estándar en el producto o la API que usarías de forma habitual. Mantén las mismas instrucciones y criterios de aceptación para compararlo con el modelo actual.

3. 3

   Registra el costo completo

   Anota el consumo facturado, los intentos fallidos, los cargos por herramientas, el tiempo hasta completar la tarea y el esfuerzo de revisión. Examina el resultado sin dejar que el nombre del modelo determine si lo aceptas.

4. 4

   Traslada solo el trabajo en el que compense

   Envía a Pro las tareas que superen las comprobaciones y cuesten menos. Mantén el modelo actual cuando haya retrocesos, requisitos de datos sin resolver o tareas en las que la revisión anule el ahorro. Evalúa Highspeed por separado si la espera sigue resultando costosa.

Para tomar decisiones prácticas sobre la adopción de modelos, suscríbete al boletín.