Kimi K3 se lanza con 2.8 billones de parámetros: Moonshot apuesta por el modelo abierto más grande hasta ahora

Moonshot lanza Kimi K3 en GA con una cifra que destaca: 2,8 billones de parámetros, la arquitectura open-weight más grande anunciada hasta la fecha.

En términos sencillos. Moonshot AI pasó Kimi K3 de la fase de vista previa a producción, con una cifra mostrada de 2,8 billones de parámetros. Sobre el papel, es la arquitectura open-weight más grande hasta la fecha. Queda por ver qué vale fuera de los benchmarks internos.

Contexto

El hilo se abre a principios de mes: Moonshot inunda Weibo y HN con videos de benchmarks incluso antes de su disponibilidad (hilo kimi-k3-launch, publicación #1164), y luego pasa a GA el 16 de julio de 2026 en kimi.com/en con documentación de código. Techinasia retransmite este 17 de julio la cifra oficial: 2,8T de parámetros, sin más detalles sobre la activación por token ni la tasa de esparcidad, que es la pregunta clave para un MoE de este tamaño.

Los datos

• Tamaño anunciado: 2,8 billones de parámetros (fuente: Techinasia, 17 de julio de 2026). Es ~2× GPT‑4 según las filtraciones comúnmente citadas, y claramente por encima de las variantes públicas de DeepSeek (671B para V3).
• Disponibilidad: GA a través de kimi.com/en y API documentada.
• Ecosistema: coordinación de anuncios en HN, Weibo, canales de desarrolladores, lo que confirma la estrategia "inundar luego lanzar" descrita en #1164.

Análisis

Hay dos cosas que separar. La cifra: 2,8T es una señal de marketing tanto como arquitectónica. En MoE, lo que importa es el número de parámetros activados por token, la topología experta y el costo real de inferencia. Mientras Moonshot no publique estas métricas, "2,8T" sigue siendo publicidad. La disponibilidad: pasar a GA unos días después de la vista previa es un ritmo deliberadamente agresivo, con el objetivo de captar la ventana de atención antes de que los benchmarks de terceros (LMArena, SWE‑bench, MMLU‑Pro) emitan su veredicto.

Bajo el capó

Lo que hay que vigilar en los próximos días:

1. Parámetros activos por token: sin esta cifra, "2,8T en total" no dice nada sobre el costo de inferencia.
2. Precios de la API frente a Claude/GPT en tareas largas (contexto, tool-calling).
3. Reproducibilidad de los benchmarks internos en SWE‑bench Verified y LiveCodeBench.
4. Latencia en el uso de herramientas: el tamaño bruto penaliza si la orquestación no está bien diseñada.

Entonces, ¿qué?

Si la cifra se mantiene (activación razonable, precios competitivos, benchmarks de terceros coherentes), Moonshot firma el primer modelo open-weight que se compara frontalmente con la generación GPT‑5/Claude 4.7, y lo hace desde China, a pesar de la escasez de recursos computacionales. Si la cifra es un disfraz de marketing sobre un MoE poco activado, K3 se unirá a la larga lista de "los modelos más grandes del mundo" olvidados en tres semanas. Lo sabremos antes de finales de julio.