Por Canuto  

Kimi presentó Kimi K3, un modelo abierto de 2,8 billones de parámetros con visión nativa y una ventana de contexto de un millón de tokens. La compañía afirma que el sistema alcanza niveles de frontera en programación prolongada, investigación científica y trabajo de conocimiento, aunque reconoce una brecha de experiencia de usuario frente a sus principales rivales propietarios.
***

  • Kimi K3 es presentado como el primer modelo abierto de clase 3T y utiliza las arquitecturas KDA, AttnRes y Stable LatentMoE.
  • El modelo puede operar repositorios grandes, construir un compilador GPU, desarrollar juegos y ejecutar flujos de investigación computacional.
  • Sus pesos completos se publicarán antes del 27 de julio de 2026, mientras que la API ofrece precios desde USD $0,30 por millón de tokens con acierto de caché.

 

Kimi presentó Kimi K3 como su modelo más capaz hasta la fecha. El sistema cuenta con 2,8 billones de parámetros, capacidades nativas de visión y una ventana de contexto de un millón de tokens.

La compañía lo describe en una publicación de su blog como el primer modelo abierto de clase 3T. Su objetivo es competir en programación de largo plazo, trabajo de conocimiento y razonamiento, aunque Kimi reconoce que todavía queda por detrás de los modelos propietarios más potentes.

Una apuesta de gran escala para la IA abierta

De acuerdo con el blog técnico de Kimi, K3 se apoya en la Atención Delta de Kimi, conocida como KDA, y en los Residuales de Atención, o AttnRes. Ambas modificaciones buscan mejorar el flujo de información a través de secuencias extensas y de la profundidad del modelo.

El modelo utiliza Stable LatentMoE, una arquitectura de Mezcla de Expertos que activa efectivamente 16 de 896 expertos. Esta mayor escasez pretende convertir la computación disponible en capacidades útiles con más eficiencia.

Kimi afirma que sus cambios estructurales, junto con nuevas recetas de entrenamiento y datos refinados, producen una mejora aproximada de 2,5 veces en la eficiencia general de escalado frente a Kimi K2.

La compañía también incorporó Equilibrio Cuantílico para asignar expertos a partir de los cuantiles de las puntuaciones del enrutador. Según Kimi, este método elimina actualizaciones heurísticas y un hiperparámetro de equilibrio sensible.

Otros componentes incluyen Muón por Cabeza, la Unidad Sigmoide Tanh, conocida como SiTU, y MLA Gated. Kimi sostiene que estas técnicas favorecen un entrenamiento estable y un control más selectivo de la activación y la atención.

Kimi K3 aplica entrenamiento consciente de cuantización desde la etapa de ajuste supervisado. La configuración utiliza pesos MXFP4 y activaciones MXFP8 para ampliar la compatibilidad con distintos tipos de hardware.

Para evitar desequilibrios entre expertos, el sistema emplea un método de entrenamiento paralelo con formas estáticas y sin sincronización del host en la ruta crítica. La empresa recomienda desplegarlo en supernodos con 64 o más aceleradores.

La arquitectura KDA plantea retos para el almacenamiento convencional de prefijos en caché. Por ello, Kimi contribuyó con una implementación para vLLM que se publicará junto con el modelo.

Programación autónoma y creación digital

La programación de largo plazo es uno de los principales argumentos de Kimi para K3. El modelo puede sostener sesiones extensas de ingeniería, explorar repositorios grandes y coordinar herramientas de terminal con una supervisión humana mínima.

Su capacidad multimodal le permite combinar código con capturas de pantalla y gráficos. Kimi plantea usos en desarrollo de videojuegos, frontend y diseño asistido por computadora, donde la evaluación visual forma parte del proceso de programación.

En una prueba de optimización de kernels GPU, varios modelos trabajaron de manera independiente durante un máximo de 24 horas. Las tareas incluyeron kernels relacionados con AttnRes, KDA y un kernel MLA de 512 cabezas sobre NVIDIA H200 y una GPGPU de un proveedor alternativo.

Kimi informó que K3 tuvo un desempeño competitivo con Claude Fable 5, aunque este resultado incluyó un retroceso en la evaluación de terceros. También superó sustancialmente a Opus 4.8, GPT 5.6 Sol y GPT 5.5 en esa prueba.

Durante las etapas finales de desarrollo, una versión temprana de Kimi K3 realizó la mayor parte del trabajo de optimización de kernels del equipo. La afirmación muestra el uso interno del modelo como agente de ingeniería, además de su función como producto comercial.

En otra demostración, K3 construyó MiniTriton, un compilador GPU compacto similar a Triton. El sistema incluyó una capa IR basada en bloques sobre MLIR, pasos de optimización y un flujo de generación de código PTX.

MiniTriton alcanzó un rendimiento comparable o superior al de Triton y torch.compile en benchmarks de roofline compatibles. Kimi indicó que el compilador superó a Triton en determinadas cargas de trabajo.

La prueba también ejecutó un entrenamiento completo de nanoGPT con convergencia estable. La curva de pérdida siguió de cerca la referencia, con divergencias pequeñas, lo que validó el flujo en una carga de trabajo más realista.

En creación digital, Kimi K3 desarrolló un juego de exploración 3D procedural para navegador usando Three.js WebGPU y computación GPU. El entorno incluyó bosques, un pueblo de cabañas de troncos, montañas nevadas y clima dinámico.

El sistema utilizó una herramienta externa para generar activos 3D, incluidos modelos animados de un vaquero y un caballo. Kimi describe este proceso como una visión integrada en el ciclo de trabajo, porque K3 puede revisar capturas y modificar el código de forma iterativa.

Chips, astrofísica y trabajo de conocimiento

Como prueba de concepto, Kimi K3 diseñó un chip destinado a servir un modelo nano basado en su propia arquitectura. La ejecución autónoma duró 48 horas y utilizó herramientas EDA de código abierto junto con la biblioteca Nangate de 45 nanómetros.

El diseño ocupa 4 mm² y cierra el tiempo a 100 MHz en simulación. También mantiene un rendimiento superior a 8.700 tokens por segundo en decodificación simulada.

El chip integra 1,46 millones de celdas estándar, 0,277 MB de SRAM y un arreglo de MAC INT4 con desquantización fusionada. Kimi presentó el resultado como un chip construido por un modelo para otro modelo.

En investigación científica, K3 conectó literatura especializada con código ejecutable. En un caso de astrofísica computacional, reprodujo las relaciones universales I-Love-Q después de revisar y contrastar más de 20 artículos.

El modelo implementó el flujo numérico completo y evaluó más de 300 ecuaciones de estado. Además, identificó incongruencias en fórmulas publicadas, generó más de 3.000 líneas de Python y produjo un panel HTML interactivo.

Kimi estimó que el trabajo tomó aproximadamente dos horas. Según la empresa, un investigador experimentado normalmente necesitaría entre una y dos semanas para completar una tarea comparable.

En sus evaluaciones internas de trabajo de conocimiento, Kimi K3 mostró mejoras consistentes en flujos orientados a la producción. La empresa vinculó esos resultados con patrones recurrentes observados en tareas reales de usuario y agente.

Kimi Work incorpora Widgets y Tablero para hacer las interacciones más visuales y persistentes. Los Widgets permiten crear componentes interactivos dentro del chat, con conexiones a datos locales o complementos externos.

El Tablero organiza esos componentes en una vista persistente relacionada con un tema, proyecto o meta. La función busca convertir conversaciones aisladas en espacios de trabajo continuos.

K3 también puede producir informes de investigación con gráficos personalizados, diagramas animados y narrativas visuales. Un informe sobre 42 años de la industria ASIC requirió más de 120 rondas de auto mejora recursiva.

Para ese informe, el modelo realizó más de 2.800 búsquedas o recuperaciones web y más de 1.100 extracciones de datos desde terminal. El material cubrió más de 11.000 páginas, 87 informes trimestrales y 99 PDF originales.

Otros ejemplos incluyeron un informe sobre la industria de la fusión, con líneas de tiempo, gráficos de embudo, barras y Gantt. También produjo un análisis de 391 eventos de ondas gravitacionales GWTC-5 mediante más de 20 subagentes concurrentes.

Ese análisis generó siete visualizaciones científicas, dos tablas y una síntesis bibliográfica de más de diez artículos. En edición de video, K3 trabajó con 56 clips de origen para seleccionar escenas, ajustar cortes, sincronizar beats, procesar audio y revisar el resultado.

Resultados, precios y disponibilidad

En la tabla de programación publicada por Kimi, K3 obtuvo 67,5 en DeepSWE, 77,8 en Program Bench y 88,3 en Terminal Bench 2.1. Sus resultados fueron 81,2 en FrontierSWE, 42,0 en SWE Marathon, 36,6 en PostTrain Bench y 48,3 en MLS Bench.

En Kimi Code Bench 2.0, una evaluación interna, el modelo alcanzó 72,9. Claude Fable 5 lideró varias pruebas de programación, mientras GPT 5.6 Sol obtuvo 73,0 en DeepSWE y 88,8 en Terminal Bench 2.1.

En tareas agenciales, K3 registró 1.668 puntos Elo en GDPval-AA v2, 91,2 en BrowseComp y 95,0 en DeepSearchQA. También obtuvo 73,2 en Toolathlon-Verified, 84,2 en MCP Atlas y 30,8 en Automation Bench.

Sus resultados adicionales fueron 52,9 en Job Bench, 1.548 puntos Elo en AA-Briefcase, 37,6 en APEX-Agents, 63,3 en Office QA Pro, 34,8 en SpreadsheetBench 2 y 73,5 en DECK-Bench.

En razonamiento y conocimiento, Kimi K3 obtuvo 93,5 en GPQA-Diamond, 43,5 en HLE-Full y 56,0 en HLE-Full con herramientas. En visión, registró 81,6 en MMMU-Pro y 83,4 con Python.

La tabla multimodal también mostró 84,8 en CharXiv, 91,3 con Python, 94,3 en MathVision y 97,8 con Python. K3 alcanzó 85,7 en BabyVision con Python, 23,0 en ZeroBench y 41,0 en ZeroBench con Python.

El modelo obtuvo 51,0 en WorldVQA ForceAnswer, 91,1 en OmniDocBench y 58,5 en PerceptionBench. Kimi aclaró que todos sus resultados se calcularon con máximo esfuerzo de razonamiento, temperatura de 1,0 y top-p de 1,0.

Kimi K3 está disponible en Kimi.com, Kimi Work, Kimi Code y la API de Kimi. Las aplicaciones móviles funcionan en iOS, Android y HarmonyOS, mientras Kimi Work 3.1.0 o posterior está disponible para Windows y Macs con chips de Apple.

Los usuarios pueden elegir K3 en Kimi Code mediante el comando /model. La API fija un precio de USD $0,30 por millón de tokens para entradas con acierto de caché, USD $3,00 para entradas sin acierto y USD $15,00 para salidas.

La empresa atribuye a la arquitectura de inferencia desagregada de Mooncake una tasa de acierto de caché superior al 90% en cargas de programación. Kimi Enterprise ofrece privacidad de datos empresarial y gestión de miembros con separación entre cuentas personales y organizacionales.

Kimi indicó que los pesos completos del modelo se publicarán antes del 27 de julio de 2026. La compañía trabaja con socios de inferencia y mantenedores de código abierto para preparar un despliegue confiable.

El modelo también presenta limitaciones. K3 fue entrenado con un modo de historia de pensamiento preservada, por lo que un arnés incompatible o un cambio de modelo durante una sesión puede provocar una calidad inestable.

Kimi advirtió además sobre una proactividad excesiva ante problemas menores o intenciones ambiguas. Para restringir esa conducta, recomienda establecer límites explícitos en el aviso del sistema o en el archivo AGENTS.md.

Finalmente, la compañía reconoció una brecha notoria en experiencia de usuario frente a Claude Fable 5 y GPT 5.6 Sol. Esa admisión matiza la presentación de K3, que busca ampliar la frontera de los modelos abiertos sin afirmar una superioridad general sobre todas las alternativas propietarias.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados