- Kimi K3 es el primer modelo abierto de clase 3T del mundo, con 2.8 billones de parámetros, visión nativa y contexto de 1 millón de tokens, orientado a tareas prolongadas de programación/trabajo de conocimiento/razonamiento
- Aplica Kimi Delta Attention/Attention Residuals y Stable LatentMoE, que activa 16 expertos de 896, elevando la eficiencia total de escalado en unas 2.5 veces frente a Kimi K2
- Puede realizar tareas de larga duración con mínima intervención humana en optimización de kernels GPU/desarrollo de compiladores/creación de juegos 3D/diseño de chips/investigación científica, y logró resultados competitivos o superiores a modelos cerrados en algunos benchmarks de programación y agentes
- Ya puede usarse en Kimi.com/Kimi Work/Kimi Code/Kimi API, y al lanzarse usa por defecto el máximo esfuerzo de razonamiento; además, planean publicar los pesos completos del modelo antes del 27 de julio de 2026
- Su rendimiento global y experiencia de usuario no alcanzan a Claude Fable 5 ni GPT 5.6 Sol, y tiene limitaciones como sensibilidad a la forma en que se le pasan los registros de razonamiento y una tendencia a decidir en exceso por el usuario en situaciones ambiguas
Modelo abierto de 2.8 billones de parámetros
- Kimi K3 es el modelo de mayor rendimiento publicado por Kimi hasta ahora, con soporte para 2.8 billones de parámetros/contexto de 1 millón de tokens/visión nativa
- Aunque su rendimiento total es inferior al de Claude Fable 5 y GPT 5.6 Sol, en su evaluación interna superó de forma consistente a otros modelos de referencia y mostró resultados de nivel frontier
- Durante 9 de los últimos 12 meses, los modelos Kimi fueron ampliando el límite superior del tamaño de los modelos abiertos, y K3 es el primero en alcanzar la clase 3T
- Está disponible en Kimi.com/Kimi Work/Kimi Code/Kimi API
- La versión de lanzamiento usa por defecto el máximo esfuerzo de razonamiento, y los modos de bajo y alto esfuerzo se añadirán en actualizaciones posteriores
- Los proveedores de servicios de inferencia y los mantenedores open source están ajustando detalles técnicos, y planean publicar los pesos completos y el informe técnico antes del 27 de julio de 2026
Arquitectura KDA/AttnRes/Stable LatentMoE
- Kimi Delta Attention (KDA) proporciona la base para escalar eficientemente la atención en secuencias largas
- Attention Residuals (AttnRes) no acumula de manera uniforme las representaciones de cada capa, sino que recupera selectivamente las representaciones necesarias a lo largo de la profundidad del modelo
- Amplía la esparsidad de Mixture of Experts y en la arquitectura Stable LatentMoE activa solo 16 expertos de 896
- Al combinar cambios de arquitectura con mejoras en el entrenamiento y la receta de datos, la eficiencia total de escalado mejoró aproximadamente 2.5 veces frente a Kimi K2
- Se aplicaron varias técnicas para el enrutamiento y la optimización de modelos esparsos a gran escala
- Quantile Balancing calcula directamente la asignación de expertos a partir de los cuantiles de las puntuaciones del router, eliminando actualizaciones heurísticas e hiperparámetros sensibles de balanceo
- Per-Head Muon optimiza cada cabeza de atención de forma independiente para aumentar la adaptabilidad del entrenamiento a gran escala
- Sigmoid Tanh Unit (SiTU) controla los valores de activación y Gated MLA mejora la selectividad de la atención
Infraestructura de entrenamiento e inferencia
- Desde la etapa de SFT se aplica entrenamiento consciente de cuantización, usando pesos MXFP4/activaciones MXFP8 para una amplia compatibilidad de hardware
- Para evitar que el desbalance entre expertos reduzca el throughput en el paralelismo masivo de expertos, se introdujo un método de entrenamiento con paralelismo de expertos totalmente balanceado, con formas de tensor fijas y sin sincronización de host en la ruta crítica
- En inferencia, como se requiere una amplia zona de comunicación de alto ancho de banda, se recomienda una configuración supernode con 64 o más aceleradores conectados
- Contribuyeron a la comunidad de vLLM una implementación para resolver los problemas que KDA plantea al prefix caching existente, y se publicará junto con el modelo
- Mediante KDA prefill cache, pueden ofrecer el modelo con precios por token competitivos pese al gran tamaño del modelo y el contexto largo
Programación de larga duración y retroalimentación visual
- Puede sostener sesiones largas de ingeniería con mínima supervisión humana, explorar repositorios grandes y coordinar herramientas de terminal
- Combina ingeniería de software y razonamiento visual para revisar capturas de pantalla y resultados de ejecución mientras mejora iterativamente resultados de desarrollo de juegos/frontend/CAD
- Mediante un enfoque de vision in the loop, que itera entre el código y la pantalla real, convierte imágenes y video en resultados interactivos ejecutables
- En una etapa posterior de desarrollo, una versión inicial de Kimi K3 se encargó de la mayor parte del trabajo de optimización de kernels GPU del equipo
Optimización de kernels GPU
- Se evaluó a cada modelo pidiéndole perfilar y modificar kernels AttnRes/KDA/MLA durante hasta 24 horas en el mismo sandbox
- Kimi K3 compitió con los posibles resultados de fallback de Fable 5 y logró resultados globalmente superiores a Opus 4.8/GPT 5.6 Sol/GPT 5.5
-
AttnRes
- Optimizó una implementación operativa de FLA Triton con 96 capas/dimensión de modelo 8,192/8,192 tokens sin alterar los resultados numéricos
- Trabajó iterativamente durante 15 horas para diseñar un nuevo algoritmo de kernel de 2 etapas y fusionar varios kernels
- Redujo el tiempo de forward y backward de 283.6 ms a 114.4 ms
- Logró un rendimiento final similar al posible fallback de Fable 5, pero la velocidad de optimización por iteración de K3 fue mayor
-
DSA
- Optimizó un kernel DSA basado en TileLang en una configuración de entrenamiento real con hiperparámetros alineados con DeepSeek-V3.2 y secuencias de 1 millón de tokens
- Redujo el tiempo end-to-end en 55.1% frente a la implementación base, logrando el segundo mejor resultado tras el 57.3% de Fable 5
-
MLA-512
- Escribió desde cero un kernel MLA con batch 1/64 cabezas/8,192 tokens/dimensión por cabeza 512, sin kernel base
- Alcanzó 517.8 TFLOPS en forward y backward, superando la mitad del pico teórico BF16 de H200
- Superó los 492.7 TFLOPS del siguiente mejor modelo
-
KDA on GPGPU
- Optimizó una implementación KDA de FLA Triton en una GPU de propósito general de un proveedor alternativo, con diferencias en CUDA, stack de software y comportamiento de memoria
- Reconstruyó desde el perfilado un modelo de rendimiento y redujo el tiempo de forward y backward en 73.6% frente a la implementación base
- Señaló que aún podría haber margen para mejoras adicionales
-
Consideraciones sobre la evaluación
- Claude Fable 5 fue evaluado por un tercero y algunos resultados pudieron incluir comportamiento de fallback
- Algunas rutas de ejecución de varios modelos usaron pequeñas reducciones de precisión dentro del margen permitido de error numérico
Compilador GPU MiniTriton
- Kimi K3 desarrolló desde cero MiniTriton, un sistema ligero de programación GPU similar a Triton
- Construyó sobre MLIR una representación intermedia propia orientada a tiles e implementó pases de optimización/generación de código PTX/pipeline de runtime
- En los benchmarks roofline soportados, logró un rendimiento similar o superior al de Triton y
torch.compile, y superó a Triton en algunas tareas - Ejecutó de forma estable el entrenamiento completo de nanoGPT y la curva de pérdida convergió con diferencias mínimas respecto a la implementación de referencia
- Construyó un compilador integral y coherente desde el frontend DSL hasta la optimización de IR, la generación de PTX y el runtime; además, su ruta de Tensor Core escrita desde cero compite con el stack optimizado de Triton
Juegos 3D y producción digital
- Kimi K3 creó un juego de exploración 3D para navegador, generado proceduralmente, usando Three.js WebGPU y cómputo en GPU
- Generó un mundo abierto con bosque/pueblo de cabañas montañosas/montañas nevadas/clima dinámico, y creó modelos de jinete y caballo con herramientas de generación de activos 3D
- Los modelos animados de vaquero/caballo y los datos del terreno usan activos externos
- El resultado puede verse en 3D Open World
Diseño de chips para el modelo
- Kimi K3 diseñó un chip para ejecutar un modelo pequeño que usa su propia arquitectura, en 48 horas continuas de trabajo autónomo
- Realizó diseño/optimización/verificación con la librería Nangate 45nm y herramientas EDA open source
- Cumplió el timing de 100 MHz dentro de un área de 4 mm² y registró en simulación un throughput de decodificación de más de 8,700 tokens por segundo
- Incluye 1.46 millones de celdas estándar, 0.277 MB de SRAM y un arreglo INT4 MAC con dequantization fusionada
Implementación de investigación en ciencias computacionales
- Conectó literatura científica con código ejecutable para implementar/verificar/analizar procesos complejos de investigación computacional
- Completó en unas 2 horas la reproducción de la relación universal I–Love–Q en astrofísica computacional, una tarea que comparan con 1 a 2 semanas de trabajo para un investigador experimentado
- Revisó y contrastó más de 20 artículos e implementó el pipeline completo de cálculo numérico
- Evaluó más de 300 ecuaciones de estado y detectó discrepancias entre fórmulas publicadas
- Generó más de 3,000 líneas de código Python y un dashboard HTML interactivo para explorar resultados
Trabajo de conocimiento e investigación interactiva
- Afirmaron que Kimi K3(max) también mostró mejoras consistentes en evaluaciones internas, construidas a partir de problemas recurrentes en flujos reales de usuarios y agentes, además de los benchmarks públicos
-
Análisis de 42 años de la industria AI ASIC
- Creó un sitio web interactivo que analiza 42 años de la industria AI ASIC mediante más de 120 ciclos recursivos de auto-mejora
- Realizó más de 2,800 búsquedas/obtenciones web y más de 1,100 recolecciones de datos por terminal
- Usó más de 11,000 páginas de material, incluidos 87 reportes trimestrales y 99 PDF originales
- Transformó el material de respaldo en gráficos personalizados/diagramas animados/narrativas visuales interactivas
-
Investigación de la industria de fusión nuclear
- Produjo un informe industrial con formato de consultoría, incluyendo timeline/funnel chart/range bar chart/Gantt chart y diapositivas con calidad de publicación
-
Análisis de ondas gravitacionales GWTC-5
- Analizó 391 eventos de ondas gravitacionales usando más de 20 subagentes simultáneos
- Generó 7 visualizaciones científicas, 2 tablas y una síntesis bibliográfica de más de 10 artículos
-
Presentaciones
- Se usa para crear presentaciones con formato infográfico, como mapas de calor completamente editables e informes anuales
Widgets y Dashboard
- Se añadieron a Kimi Work las funciones Widgets/Dashboard, para hacer las conversaciones más visuales y persistentes
- Widgets permite generar componentes interactivos dentro del chat y mantenerlos actualizados conectándolos a datos locales o plugins externos
- Dashboard conserva widgets importantes en una sola pantalla personalizada, organizada por tema/proyecto/objetivo
Edición de video
- Procesa texto/imagen/video en un único modelo multimodal nativo para realizar tareas de motion design/animación/edición de video
- Produjo un video de motion graphics estilo 3Blue1Brown para explicar su propia arquitectura, expresando conceptos técnicos con diagramas animados y transiciones de pantalla
- Editó su propio video teaser a partir de 56 clips originales, realizando selección de clips/cortes con continuidad de movimiento/sincronización de ritmo a nivel de fotograma/procesamiento de audio/varias rondas de revisión
- Comparan este tipo de video corto y denso con una tarea que suele tomar 1 a 2 días a un editor experimentado y 3 a 5 días a un principiante
Resultados principales en benchmarks
- Todos los resultados de Kimi K3 se midieron con esfuerzo de razonamiento
max/temperature 1.0/top-p 1.0, y según el benchmark se usaron los harness de agentes KimiCode/Claude Code/Codex -
Programación
- DeepSWE 67.5 / Program Bench 77.8 / Terminal Bench 2.1 88.3
- FrontierSWE 81.2 / SWE Marathon 42.0 / PostTrain Bench 36.6
- MLS Bench 48.3 / benchmark interno Kimi Code 2.0 72.9
- En Program Bench y SWE Marathon obtuvo la puntuación más alta entre los modelos incluidos en la tabla
- En Terminal Bench 2.1 quedó cerca del 88.8 de GPT 5.6 Sol, y en FrontierSWE estuvo por debajo del 86.6 de Fable 5
-
Agentes y automatización del trabajo
- GDPval-AA v2 1,668 Elo / BrowseComp 91.2 / DeepSearchQA 95.0
- Toolathlon-Verified 73.2 / MCP Atlas 84.2 / Automation Bench 30.8
- Job Bench 52.9 / AA-Briefcase 1,548 Elo / APEX-Agents 37.6
- Office QA Pro 63.3 / SpreadsheetBench 2 34.8 / benchmark interno DECK-Bench 73.5
- Obtuvo la mayor puntuación entre los modelos de la tabla en BrowseComp/DeepSearchQA/Automation Bench/SpreadsheetBench 2
- En MCP Atlas se usó Gemini 3.1 Pro como judge model con 500 tareas públicas y límite de 100 turnos
- AutomationBench se evaluó con 600 tareas públicas
- BrowseComp aplicó compresión de contexto a 300 mil tokens; si se usa el contexto de 1 millón de tokens sin gestión, la puntuación de K3 es 90.4
-
Razonamiento y conocimiento
- GPQA-Diamond 93.5 / HLE-Full 43.5 / HLE-Full con herramientas 56.0
- GPQA-Diamond quedó cerca del 94.1 de GPT 5.6 Sol, pero HLE-Full estuvo por debajo del 53.3 de Fable 5 y del 63.0 con uso de herramientas
-
Visión
- MMMU-Pro 81.6, con Python 83.4
- CharXiv RQ 84.8, con Python 91.3
- MathVision 94.3, con Python 97.8
- BabyVision with Python 85.7
- ZeroBench
pass@523.0, con Python 41.0 - WorldVQA ForceAnswer 51.0 / OmniDocBench 91.1 / benchmark interno PerceptionBench 58.5
- En OmniDocBench registró el mejor 91.1 entre los modelos incluidos en la tabla
- ZeroBench se ejecutó 5 veces según la configuración oficial, y el resto de puntuaciones multimodales usan el promedio de 3 ejecuciones
- PerceptionBench es un benchmark propio centrado en capacidades elementales de percepción visual
Método de evaluación y limitaciones de comparación
- Como cada benchmark usó distintos harness de agentes y distintas fuentes de puntuación, la comparación directa entre modelos tiene condiciones diferentes
- En DeepSWE, la puntuación del harness KimiCode es 67.5, mientras que en el harness mini-SWE-agent del leaderboard oficial es 67.3
- Las puntuaciones de otros modelos en Terminal Bench 2.1 usan el mejor resultado entre varios harness
- La puntuación de FrontierSWE se recalculó desde la puntuación bruta con el script oficial, con fecha del 16 de julio de 2026
- PostTrain Bench usa el promedio de tres ejecuciones, y si Claude Fable 5 rechaza una solicitud por política, hace fallback automático a Claude Opus 4.8
- Las puntuaciones de GDPval-AA v2 y AA-Briefcase usan resultados de Artificial Analysis
Cómo usarlo y precios
- Kimi K3 Agents
- Disponible en la app más reciente de Kimi para iOS/Android/HarmonyOS o en Kimi.com
- Kimi Work
- Compatible en Kimi Work 3.1.0 o superior para Windows y Apple silicon Mac
- Kimi Code
- Se ejecuta en terminal y luego se selecciona Kimi K3 con el comando
/model
- Se ejecuta en terminal y luego se selecciona Kimi K3 con el comando
- Kimi API
- El identificador del modelo es
kimi-k3 - La entrada con cache hit cuesta 0.30 dólares por 1 millón de tokens, la entrada sin cache hit cuesta 3 dólares y la salida 15 dólares
- Usa la arquitectura de inferencia desacoplada de Mooncake, y la tasa de cache hit en tareas de programación de la API oficial supera el 90%
- El identificador del modelo es
- Kimi Enterprise
- Ofrece protección de datos y gestión de miembros para organizaciones, con separación total entre cuentas personales y organizacionales
Limitaciones
- Sensibilidad a los registros de razonamiento
- K3 fue entrenado para preservar la forma en que conserva registros de razonamiento previos
- Si un harness de agente no vuelve a pasar todo el contenido de razonamiento anterior, o si se cambia a K3 en una sesión que venía usando otro modelo, la calidad de generación puede volverse muy inestable
- Recomiendan usar Kimi Code, cuya compatibilidad fue verificada, y evitar cambiar de modelo a mitad de sesión
- Acción preventiva excesiva
- Como fue entrenado con énfasis en tareas largas y difíciles, al enfrentar problemas pequeños o intenciones ambiguas del usuario puede tomar decisiones inesperadas por cuenta propia
- En aplicaciones donde deba limitarse el alcance de sus acciones, hay que añadir restricciones más explícitas en el system prompt o en
AGENTS.md
- En general es un modelo competitivo, pero en experiencia de usuario sigue habiendo una brecha clara frente a Claude Fable 5 y GPT 5.6 Sol
1 comentarios
Opiniones de Hacker News
Sorprende como prueba de concepto inicial que Kimi K3 haya diseñado un chip para ejecutar un modelo nano de su propia arquitectura
Con una sola ejecución autónoma de 48 horas, completó diseño, optimización y verificación usando herramientas EDA open source y la librería Nangate de 45nm, cumpliendo timing de 100MHz en 4mm² y logrando en simulación un rendimiento de decodificación de más de 8,700 tokens por segundo
Incluso incluye 1.46 millones de celdas estándar, 0.277MB de SRAM y un arreglo INT4 MAC con soporte para dequantización inversa fusionada, mostrando capacidad para tareas de largo plazo donde un modelo creó un chip para modelos
Si piensas registrarte y usar Moonshot directamente, debes saber que los datos de uso de la API también podrían usarse para entrenamiento
Se especifica que el contenido del cliente puede usarse para prestar, mantener y mejorar el servicio, así como para entrenamiento de modelos, y que para limitar eso se necesita un contrato empresarial aparte o un acuerdo por escrito
https://platform.kimi.ai/docs/agreement/modeluse#4-content
En un negocio que toma propiedad intelectual, le pone revisiones de seguridad y la revende, quizá sea ingenuo siquiera preguntar si entrenan con los datos de uso; al menos las empresas chinas parecen ser más abiertas al respecto y devolver más a la comunidad
Me pregunto si de verdad firmaron un acuerdo de zero data retention o si es una clasificación errónea de OpenRouter
Incluso si dicen que no, dudo que en esta competencia que puede cambiar por completo el panorama alguien realmente renuncie a hacerlo
El uso detallado y los precios pueden consultarse en estos documentos
https://platform.kimi.ai/docs/guide/kimi-k3-quickstart
https://platform.kimi.ai/docs/pricing/chat-k3
Soporta una ventana de contexto de 1 millón de tokens, y cobra $3 por entrada, $15 por salida y $0.3 por caché por cada millón de tokens, así que es muy caro para ser un modelo chino de pesos abiertos
En la práctica tiene casi el mismo precio que la línea Sonnet de Anthropic y también es parecido a los $2.5 de entrada de 5.6 Terra, pero el costo real depende mucho de la eficiencia de inferencia
Por ejemplo, si Sol cuesta $30/1 millón de tokens y usa 10 mil tokens de razonamiento, y Kimi K3 usa 50 mil para la misma tarea, Sol termina siendo más eficiente en costo
https://mp.weixin.qq.com/s/V4xhEIy8xDXSMDPrPkmUAQ
También publicaron un blog en inglés: https://www.kimi.com/blog/kimi-k3
Incluso con el mismo texto, el tokenizer de Anthropic puede codificar muchos más tokens que el de OpenAI
Creo que el competidor real de Kimi es GLM, pero GLM 5.2 cuesta menos de un tercio
En cambio, Kimi muestra una parte suficientemente significativa del proceso completo de razonamiento, así que puedes ver directamente desvíos extraños y cambios de dirección, y depurar ideas con mucho más detalle
Además, parece haber avanzado bastante en temas personales de nicho que otros LLM no pudieron resolver, así que pienso seguir probándolo
Si se publica como open source, creo que podría bajar a unos $10~12 por cada millón de tokens
Según la evaluación de Kimi, K3 queda detrás de Claude Fable 5 y GPT-5.6 Sol en inteligencia general, y pronto publicarán un informe técnico con los pesos completos, la arquitectura, el entrenamiento y la evaluación
Obtuvo 1687 puntos en GDPval-AA v2, quedando detrás de Claude Fable 5 Max y GPT-5.6 Sol Max, y por encima de los 1600 puntos de Claude Opus 4.8 Max
En AA-Briefcase, un benchmark privado de trabajo de conocimiento de largo plazo, obtuvo 1527 puntos, quedando detrás de Fable 5 Max pero por delante de los 1495 de GPT-5.6 Sol Max, y podría ser otro momento tipo DeepSeek
Ahora todos los modelos de pesos abiertos publican puntajes sorprendentes, así que ya no se puede entender todo solo con benchmarks y es inevitable sospechar que los datos de evaluación se filtraron al entrenamiento o se incluyeron a propósito
K3 es aproximadamente 2 veces más barato que Sol, así que eso queda cerca de la diferencia de eficiencia por token y del margen de error; me parece más una continuación de la tendencia existente de modelos abiertos alcanzando a los laboratorios de punta, y no un evento que cambie la tendencia misma como pasó con DeepSeek
Resultado del SVG del pelícano hecho con la API de OpenRouter: https://tools.simonwillison.net/markdown-svg-renderer#url=ht...
El modelo usado fue https://openrouter.ai/moonshotai/kimi-k3 y costó 25 centavos por 95 tokens de entrada y 16,658 tokens de salida
https://www.llm-prices.com/#it=95&ot=16658=3&oc=15
De la salida, 13,241 fueron tokens de razonamiento, lo que lo convirtió en el pelícano renderizado con un modelo chino más caro hasta ahora
Kimi K3 se coloca al frente de la lista de los modelos abiertos más grandes con 2.8 billones de parámetros
El orden sería Kimi K3 2.8T, DeepSeek-V4-Pro 1.6T (49B activos), Kimi K2.6 cerca de 1T (32B activos), GLM-5.2 754B (40B activos), DeepSeek-V3.2 685B y Mistral Large 3 675B
Es un modelo gigantesco, así que parece probable que Moonshot necesite los 500 millones de dólares que, según se reportó, consiguió a inicios de este año para operarlo
Da curiosidad si hay alguna forma de probar Kimi K3 sin usar una cuenta de Google ni dar un número de teléfono
Ya está publicado el blog de Kimi K3: https://www.kimi.com/blog/kimi-k3
Como modelo abierto de 2.8 billones de parámetros, ofrece soporte nativo para una ventana de contexto de 1 millón de tokens y entrada visual, y el informe técnico junto con los pesos se publicarán antes del 27 de julio
En el lanzamiento, la intensidad máxima de razonamiento viene activada por defecto, y los modos bajo y alto se agregarán después en una actualización
Parece que ya terminó la época en que China iba 6 meses detrás de EE. UU.; da curiosidad cómo logran estos resultados con muchos menos recursos, y los investigadores se ven impresionantes
En el primer intento, Kimi K3 encontró de inmediato la causa de un bug que ni Fable 5 había logrado detectar varias veces
Sigue siendo solo un caso aislado con poco uso todavía, pero hasta ahora se ve muy prometedor
La velocidad a la que se agota la cuota de la suscripción de $100 se siente similar a la de la suscripción de $200 de Anthropic usando Fable, pero el modelo en sí es excelente, así que incluso podría quedar mejor valorado que Opus 4.8
También gustaría saber si OpenRouter tiene alguna herramienta parecida
Como ya está publicado el blog en inglés, sería mejor reemplazar el enlace anterior por https://www.kimi.com/blog/kimi-k3