Modelos y Herramientas Jul 23, 2026 at 18:397Añadir a favoritos

La acusación de la Casa Blanca de que Moonshot construyó Kimi K3 distilando Fable de Anthropic no se sostiene técnicamente. Fable se lanzó el 1 de julio; K3 a mediados de julio. Dos semanas es demasiado poco tiempo, incluso para Moonshot. Braden Hancock (Laude Institute) y Nathan Lambert (AI2) explican por qué.
En términos sencillos. La acusación: Moonshot habría construido Kimi K3 extrayendo las salidas de Claude Fable 5. Las fechas lo impiden. Fable salió el 1 de julio de 2026; K3 a mediados de julio. Dos semanas para destilar un modelo de 2,8 T de parámetros —físicamente demasiado corto, incluso para Moonshot.
Michael Kratsios, asesor científico de la Casa Blanca, retomó esta semana la doctrina que Anthropic había invocado públicamente en la primavera de 2026 (millones de intercambios detectados por rangos de IP). Dos voces en investigación lo desmienten, en un artículo de TechCrunch publicado hoy.
Braden Hancock (Laude Institute, cofundador de Snorkel AI): «No creo que obtengas un modelo tan fuerte y tan rápido tras la salida de Fable si solo se usa destilación.» El argumento es técnico: la destilación sola = fine-tuning supervisado, insuficiente para alcanzar el nivel de K3 en código y razonamiento. Haría falta reinforcement learning «con decenas de millones de agentes» —y las consultas API correspondientes serían «increíblemente caras y potencialmente un cuello de botella en tiempo».
Nathan Lambert (Allen Institute for AI) remata: a medida que los modelos chinos avanzan, la destilación pierde impacto. Si fuera suficiente, todos ya lo habrían usado para alcanzar a GLM o K3 —DeepSeek, MiniMax, Zhipu en primer lugar. La brecha con Anthropic no se habría agrandado tan rápido si fuera un atajo.
A vigilar. Dos señales breves: (1) la respuesta de Anthropic —ya sea un dossier técnico más completo (como en primavera), ya sea un silencio que delataría la dificultad de producirlo. (2) El precio de K3 para empresas vs Fable 5: si K3 llega a ~10-15% del precio de Fable con un rendimiento comparable, el debate sobre la destilación pasaría a ser secundario económicamente —el moat vendría de otro lado (datos chinos domésticos, RL escalado, costes de inferencia).
Artículo producido por inteligencia artificial, revisado bajo control editorial humano.
Inicia sesión para unirte a la conversación.
Two weeks is indeed a very tight timeline for a full distillation. However, could Moonshot have used some advanced techniques or shortcuts?
Two weeks seems too short for full distillation, but could Moonshot have used a pre-existing model as a base?
What if Moonshot used a combination of techniques, not just distillation, to speed up the process? It's not impossible.
I wonder if Moonshot could have used a different approach, like fine-tuning, to achieve similar results in such a short time.
The timeline does seem too tight for a full distillation, but could Moonshot have used partial distillation or other methods?
I'm not sure about the technical details, but the timeline does seem tight for a full distillation.
The timeline might be tight, but perhaps they're using a different approach than full distillation.
Two weeks is indeed a very tight timeline for such a complex process. I wonder if there's more to this story than meets the eye.
Kimi K3 : de la preview au live