Kimi K3 ya está aquí: el primer modelo abierto de clase 3T, ahora en MuiRouter

El 17 de julio de 2026, Kimi lanzó su nuevo buque insignia, Kimi K3. La característica que más llama la atención son, por supuesto, sus 2,8 billones de parámetros: según Kimi, es el primer modelo abierto que entra en la categoría de los 3T. La fuerza bruta funciona y sumar parámetros ayuda, pero el tamaño por sí solo no habría sacudido tanto al sector.

Anoche, uno de los expertos de mi grupo probó Kimi K3 y se convirtió al instante en promotor voluntario. Sus palabras exactas fueron:

Lo probé. Es increíblemente potente. Ya subí al plan de ¥199; es el único que ofrece 1M. Después de usarlo, GPT parece tonto en comparación, sobre todo en frontend.

Animados por él, otros miembros empezaron a probarlo y contrataron el plan de ¥199. Esta mañana, K3 ya estaba por todas partes en las redes sociales.

Kimi ha reunido en K3 un contexto de 1M, visión nativa, programación de larga duración, uso de herramientas y trabajo de conocimiento. El precio de la API también es agresivo: aproximadamente el 60 % del de GPT-5.6. Kimi no busca otro modelo que solo converse; quiere un agente capaz de trabajar durante mucho tiempo y terminar las tareas por sí mismo.

Ya hemos incorporado kimi-k3 a MuiRouter. Sigue usando la misma API key y /v1/chat/completions: cambia el nombre del modelo y empieza a probarlo. El Playground admite imágenes, muestra por separado el razonamiento y la respuesta final, y enseña los tokens servidos desde caché.

¿Qué es exactamente Kimi K3?

Según el anuncio oficial de Kimi K3 y la guía de la API, estas son sus especificaciones principales:

KDA y AttnRes son las mejoras centrales. KDA utiliza una atención más eficiente para sostener contextos largos; AttnRes permite recuperar información de forma selectiva a distintas profundidades de la red. Sumado a un MoE más disperso, Kimi afirma que K3 mejora aproximadamente 2,5 veces la eficiencia de escalado de K2.

Los parámetros y la arquitectura importan, pero para un desarrollador hay preguntas más directas: ¿ofrece buena relación calidad-precio y se puede comprar con facilidad? Todavía hay que competir para conseguir un coding plan de GLM-5.2.

Las cuatro capacidades más importantes

1. Programación de larga duración

Kimi ha elegido el long-horizon coding como primer campo de batalla de K3. Sus ejemplos oficiales van mucho más allá de generar una función: el modelo maneja terminales durante horas, entiende repositorios enormes, ejecuta y corrige código repetidamente, crea desde cero un compilador de GPU, optimiza kernels e incluso completa una tarea de diseño de chips durante 48 horas.

Son ejemplos de Kimi y no garantizan el mismo resultado en nuestros proyectos. Sí muestran que K3 se centra en flujos de ingeniería reales. No pasamos el día escribiendo bubble sort; coordinamos procesos complejos e implementamos lógica de negocio complicada.

2. Vision in the loop

K3 evita el camino de DeepSeek, MiMo y GLM: no añade un OCR separado. Kimi habla de vision in the loop: el modelo escribe código, mira la captura real y sigue ajustando según lo que ve. Resulta útil para frontend, videojuegos, CAD, visualización de datos y cualquier flujo de «hacer — mirar — mejorar». Su rendimiento de anoche también lo dejó claro; lo recomiendo para quien trabaje en frontend.

En el Playground de MuiRouter puedes subir PNG, JPEG, WebP o GIF y enviar texto e imágenes en el mismo mensaje. Todavía no ofrecemos vídeo. Para probar rápidamente capturas, análisis de interfaz o preguntas sobre imágenes, la entrada visual actual es suficiente.

3. Contexto de 1M y Prompt caching

Un contexto de 1M permite leer repositorios más grandes, más documentos o investigaciones más largas de una sola vez. Más importante aún, Kimi diseñó el caché automático junto al contexto largo: cuando un prefijo repetido acierta en caché, esos tokens de entrada cuestan mucho menos.

Esto importa en los coding agents. En una sesión larga se reenvían las instrucciones del sistema, el contexto del repositorio y el historial. Con un buen porcentaje de aciertos, solo una pequeña parte del contenido nuevo paga el precio completo. Kimi afirma que su API oficial supera el 90 % de cache hit en cargas de programación, aunque la cifra real depende de la estructura del prompt y de la gestión de la sesión.

4. Herramientas y salida estructurada

K3 admite herramientas personalizadas, tool_choice, JSON Mode y Structured Output. Son capacidades agentic imprescindibles: elegir una herramienta, generar parámetros, leer el resultado y continuar razonando.

Hay un detalle importante: K3 depende de un historial completo de pensamiento. En llamadas complejas y de varios turnos, el agent harness debe devolver el reasoning_content anterior sin cambios. Cambiar desde otro modelo a K3 a mitad de una sesión también puede desestabilizar el resultado. En un chat sencillo no importa demasiado; en un agente de larga duración no se puede ignorar.

¿Benchmarks? Míralos y sigue adelante

Los resultados publicados por Kimi colocan a K3 en la zona de los modelos de frontera; en algunas pruebas de programación y conocimiento se acerca o supera a modelos cerrados más caros. Pero la mayoría son evaluaciones de la propia Kimi. La empresa también reconoce claramente que la experiencia general sigue por detrás de Claude Fable 5 y GPT-5.6 Sol. Además, enumera dos límites: K3 es sensible al historial de pensamiento y puede ser demasiado proactivo en tareas largas, tomando decisiones que el usuario nunca autorizó.

Precio de la API

El precio oficial de Kimi K3 de Moonshot AI es:

La entrada en caché cuesta una décima parte del precio normal, la parte más atractiva de la estructura de costes de K3. A la vez, K3 usa siempre el nivel máximo de thinking, así que incluso una tarea sencilla puede generar bastantes tokens de razonamiento. Encaja mejor en trabajos que realmente requieren razonamiento, contexto largo o varios pasos que como sustituto de todos los modelos pequeños y baratos.

Qué admite MuiRouter

kimi-k3 en MuiRouter ya admite:

• Contexto de 1M tokens;
• Imágenes PNG, JPEG, WebP y GIF;
• Max thinking siempre activo;
• Streaming con razonamiento y respuesta final por separado;
• Herramientas personalizadas, tool_choice y response_format;
• Prompt caching, mostrando entrada total, entrada en caché y salida en el Playground;
• La interfaz compatible con OpenAI /v1/chat/completions.

kimi-k2.6 sigue disponible como alternativa independiente y más barata. K3 encaja mejor en tareas difíciles, largas y visuales. Si no necesitas razonamiento profundo, no hace falta cambiar solo porque el modelo sea nuevo.

La llamada más sencilla es esta:

curl https://api.muirouter.com/v1/chat/completions \
  -H "Authorization: Bearer $MUI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "kimi-k3",
    "messages": [
      {"role": "user", "content": "Analiza este proyecto y propón el siguiente plan de implementación."}
    ],
    "reasoning_effort": "max",
    "max_completion_tokens": 16384,
    "stream": true
  }'

Si ya utilizas el SDK de OpenAI, apunta el Base URL a https://api.muirouter.com/v1 y cambia el modelo a kimi-k3. Las imágenes siguen usando content parts estándar image_url; no hay una interfaz nueva que aprender.

Conclusión

Es una buena noticia ver cómo los modelos chinos siguen mejorando y los modelos abiertos siguen avanzando. Kimi K3 es el primero en reunir una arquitectura abierta de clase 3T, contexto de 1M, visión nativa y agentes de larga duración en una propuesta competitiva. Seguramente veremos pronto más proveedores con K3.

Kimi K3 probablemente no sustituya por completo a Claude Fable 5 o GPT-5.6 Sol. Kimi reconoce que aún existe una diferencia de experiencia; max thinking añade latencia y coste de salida; y los agentes complejos deben conservar correctamente el historial de pensamiento. Nada de eso impide trasladar parte del trabajo a K3, sobre todo el frontend.

Ya puedes seleccionar Kimi K3 en el Playground de MuiRouter y probarlo con tu código, imágenes y tareas reales. Sigue siendo una API key y un formato de solicitud; solo cambia el nombre del modelo.