Kimi K3.1 Pro se lanza más barato que su propio predecesor: $2/$10 y una hoja de benchmarks más irregular

Moonshot AI lanzó Kimi K3.1 Pro el 24 de octubre de 2026, y el número más trascendental del lanzamiento no está en el gráfico de benchmarks. Está en la lista de precios: $2.00 por millón de tokens de entrada y $10.00 por millón de tokens de salida, frente a $3.00 y $15.00 del Kimi K3 sobre el que está construido. Un sucesor que es un tercio más barato que su predecesor es lo bastante inusual como para encabezar con ello, porque, a diferencia de una puntuación de benchmark, no depende de qué harness ejecutó la prueba. Si ya pagas por Kimi K3, el caso de actualización empieza con una factura más pequeña.

El segundo número es el que Moonshot quiere que notes: 65,7% en Terminal-Bench 4.0, frente al 58,2% de GPT-6 Astra y el 66,4% de Claude Opus 5.5. Eso sitúa al nuevo modelo en segundo lugar en la propia tabla del proveedor, no en primero. Es algo honesto que publicar el día del lanzamiento, y dice algo sobre cómo se posiciona este lanzamiento. Kimi K3.1 Pro no se vende como el modelo más fuerte del mundo. Se vende como uno más barato que está lo bastante cerca de la frontera como para ganar en coste por tarea terminada.

¿Qué cambió realmente entre K3 y K3.1 Pro?

Moonshot deja claro explícitamente que este es un lanzamiento de post-entrenamiento, no una nueva arquitectura. La empresa llama a Kimi K3.1 Pro una versión post-entrenada de Kimi K3 entrenada con una cantidad sustancialmente mayor de cómputo de post-entrenamiento, incluido aprendizaje por refuerzo conjunto a gran escala en cientos de dominios posteriores. La ventana de contexto no cambia: 1,048,576 tokens. La entrada de visión y vídeo no cambia. El límite de salida de 1M de tokens no cambia.

Lo que eso significa en la práctica es que el conocimiento y la capacidad de razonamiento del modelo base son los mismos activos que antes; la diferencia está en el comportamiento. Moonshot dice que renovó el marco de RL, la inferencia de contexto largo, la eficiencia del entrenamiento, la infraestructura de sandbox, la programación de rollouts y las comprobaciones de calidad del entorno para hacer posible esa ejecución de posentrenamiento. Esas son afirmaciones de ingeniería sobre cómo se creó el modelo, y son difíciles de verificar desde fuera. Las afirmaciones sobre el comportamiento son más fáciles de probar, y ahí es donde están las cifras del lanzamiento.

La cantidad de parámetros es donde la jerga del proveedor se vuelve resbaladiza. Moonshot lo llama un modelo de pesos abiertos de clase 3T. La información publicada sobre el lanzamiento sitúa la arquitectura base en 2,8 billones de parámetros totales, con unos 104 mil millones activos, que es la misma configuración de mezcla de expertos que Kimi K3. Ambas cosas pueden ser ciertas: «clase 3T» es una frase de posicionamiento, y 2,8T entra en ese rango por redondeo. Lo que importa para tu factura y tu latencia es la cantidad de parámetros activos, y no hay evidencia de que la cantidad de activos haya cambiado.

La hoja de referencia, y cuánto se puede confiar en ella

Moonshot publicó resultados en 14 evaluaciones de programación, ciencia y trabajo del conocimiento. El patrón es consistente: grandes avances en las tareas para las que la empresa entrena, casi paridad con la frontera cerrada en el resto, y una revelación deliberada de una regresión.

• Programación en la frontera — Terminal-Bench 4.0: Kimi K3.1 Pro 65,7 %, Claude Opus 5.5 66,4 %, GPT-6 Astra 58,2 %. Ejecutado por el proveedor.

• Codificación de horizonte largo — Kimi Code Bench 3.0 Long-horizon: 61,2 % para K3.1 Pro frente a 55,95 % para Kimi K3. Esta es la comparación con el predecesor más limpia del conjunto, y también es la más controlada por el proveedor, ya que tanto el benchmark como el arnés son de Moonshot.

3D y CAD — BenchCAD con herramientas: 92,7 para K3.1 Pro, 96,2 para Opus 5.5, 95,9 para GPT-6 Astra, 92,6 para Claude Fable 5.1. Sin herramientas: 72,8, frente a 73,0 de Opus 5.5 y 60,6 de Fable 5.1. La diferencia con herramientas es lo bastante estrecha como para que el orden pueda cambiar en una nueva ejecución.

• Alucinación — Kimi Hallu Bench Hard: tasa a nivel de afirmación del 8,3% con herramientas, por debajo del 23,4% de Kimi K3. GPT-6 Astra obtiene un 5,5% y Opus 5.5, un 15,0%. Sin herramientas, la tasa es del 5,4%, frente al 4,2% de Astra y el 6,8% de Opus.

• Finanzas y operaciones — Frontier Finance 58,6; Financial Modeling interno 57,6 frente a 50,4 de K3; Financial Research interno 70,4 frente a 58,8; Business Operation interno 37 frente a 8,9. Esas últimas tres son evaluaciones propias de Moonshot, así que miden la mejora en las tareas elegidas por la empresa, no la posición en un ámbito público.

• La regresión: xdev-bench-hard pass@3 es del 81,0 %. Un checkpoint entrenado sin las medidas de reducción de riesgos de la empresa obtuvo un 90,5 % en la misma prueba. Moonshot publicó esa brecha y la atribuyó a labores específicas de seguridad y a controles sobre los datos de entrenamiento. Sea cual sea tu opinión sobre el intercambio, revelar un costo de capacidad de 9,5 puntos no es lo que suele leerse en una publicación de lanzamiento.

El resumen honesto es que estas son cifras reportadas por el proveedor y aún no hay replicación independiente. Kimi K3 tenía un Artificial Analysis Intelligence Index de 57 en su lanzamiento de julio, y no existía una puntuación equivalente de terceros para K3.1 Pro el día del lanzamiento. El arnés de evaluación importa muchísimo aquí: los resultados de Terminal-Bench varían en decenas de puntos según el andamiaje, así que un 65.7% y un 58.2% producidos por laboratorios distintos con arneses distintos no son una medición limpia de una diferencia de 7.5 puntos. Trata la tabla como una afirmación sobre la dirección, no sobre la magnitud.

Lo que la reducción de precio realmente hace a una carga de trabajo

El precio de la API es uniforme durante toda la ventana completa de 1 millón de tokens, sin recargo por contexto largo. La ficha completa, en dólares estadounidenses por millón de tokens:

• Kimi K3.1 Pro — $2.00 de entrada, $10.00 de salida, $0.20 por acierto de caché, $2.00 por escritura de caché con TTL de cinco minutos, $4.00 con TTL de una hora.

• Kimi K3.1 Pro Highspeed: $4.00 de entrada, $20.00 de salida, $0.20 por acierto de caché, $4.00 y $8.00 por escrituras de caché. El mismo modelo, de dos a tres veces la velocidad de salida y aproximadamente el doble de consumo de cuota en Kimi Code.

• Kimi K3 — $3.00 de entrada, $15.00 de salida, $0.30 por acierto de caché, $3.00 y $6.00 por escrituras de caché.

Una solicitud que lee 1 M de tokens de entrada y escribe 200 K de salida cuesta $6.00 en Kimi K3 y $4.00 en Kimi K3.1 Pro. Añade almacenamiento en caché de prompts realista y la diferencia se mantiene en aproximadamente un tercio, porque el precio por acierto de caché también bajó de $0.30 a $0.20. Para un agente que vuelve a leer un repositorio grande o un documento financiero largo en cada turno, esa es la diferencia entre un flujo de trabajo que se paga solo y uno que no. Moonshot ha fijado efectivamente el precio de la actualización como un recorte de margen en lugar de una prima, lo cual es un movimiento extraño para un modelo que acaba de publicar mejores números en casi todas partes — y uno bienvenido para cualquiera cuya factura de K3 era la razón por la que estaba comprando.

Hay una trampa en la mecánica. Kimi K3.1 Pro siempre piensa: el razonamiento no se puede desactivar, y el campo reasoning_effort acepta low, high o max, con max por defecto. Los parámetros de muestreo están fijos en temperature 1.0 y top_p 0.95, y pasar otros valores devuelve un error. Cambiar el esfuerzo de razonamiento a mitad de conversación invalida los aciertos de la caché de prefijos, lo que eleva silenciosamente el coste efectivo del bucle de ajuste que pensabas ejecutar. El precio por token más barato es real; el flujo de trabajo más barato depende de con qué frecuencia cambias de opinión a mitad de contexto.

Dónde puedes ejecutarlo y la fecha que importa más que el lanzamiento.

Kimi K3.1 Pro ya está disponible en la aplicación para consumidores de Kimi en web, iOS, Android y HarmonyOS, en la versión de escritorio de Kimi Work 3.1.0 o posterior, y en Kimi Code mediante el selector de modelos. En la API está disponible como kimi-k3.1-pro y kimi-k3.1-pro-highspeed a través de la plataforma propia de Moonshot, con retención cero de datos ofrecida y acceso empresarial desactivado por defecto en el lanzamiento. También está apareciendo en plataformas de inferencia de terceros, lo cual es normal para un modelo de este tamaño y no dice nada sobre qué tan bien lo sirve cualquiera de ellas.

La fecha más importante es el 4 de noviembre de 2026. Moonshot dice que para entonces se publicarán los pesos completos del modelo. Eso es lo que hace que la descripción de «open-weight» (pesos abiertos) sea algo más que marketing, y también es el punto en el que la historia de los costes vuelve a cambiar: alojar por cuenta propia un modelo de mezcla de expertos de 2,8 billones de parámetros no es barato, pero una licencia permisiva elimina el medidor por token para cualquiera que tenga las GPU. Hasta que lleguen los pesos, la comparación de precios anterior es toda la comparación.

Una nota operativa más para los equipos que todavía usan la generación K2: la página de precios de Moonshot indica que los modelos de la serie K2 dejarán de estar disponibles para los usuarios recién registrados el 31 de octubre de 2026 y están programados para retirarse a finales de diciembre. Si usas K2.6 o K2.7 Code, la decisión de migración se está tomando por ti, y K3.1 Pro es el destino previsto.

¿Deberías cambiar el primer día?

Si tu carga de trabajo es programación, uso de herramientas agénticas o trabajo con documentos financieros, la combinación de un precio más bajo y una puntuación mejor reportada por el proveedor es un caso claro para una prueba. Si se trata de recuperación con contextos largos y prompts estables, el precio de los aciertos de caché es la cifra que hay que modelar, y también favorece al nuevo modelo.

Si tu ruta de producción depende de un muestreo reproducible, lee la restricción de parámetros fijos antes de migrar. La temperatura 1.0 no es un valor predeterminado neutro para todas las tareas, y un modelo que se niega a aceptar un valor diferente es un tipo de dependencia distinto que uno que sí lo acepta.

Y si necesitas pruebas independientes, espera. Nadie fuera de Moonshot ha publicado aún una evaluación de K3.1 Pro. Las cifras de lanzamiento son coherentes internamente e inusualmente sinceras sobre la regresión relacionada con la seguridad, pero siguen siendo el proveedor poniéndose sus propias notas. Un modelo tan barato se pondrá a prueba rápidamente; los primeros resultados de un arnés de evaluación independiente serán los que te digan si el 65,7 % sobrevive al contacto con el andamiaje de otra persona.

Para los equipos que ya enrutan a través de OrcaRouter, el cambio práctico es menor de lo que sugiere el lanzamiento. Nuestro catálogo incluye kimi/kimi-k3 hoy al precio de lista de Moonshot con 0% de margen, así que el lado de K3 de esta comparación está disponible con la misma clave que el resto de tu stack. Kimi K3.1 Pro no está en el catálogo en el momento de escribir esto; cuando se añada, pasar de una generación a otra será un cambio en la cadena del modelo en lugar de un segundo contrato y un nuevo SDK. La reducción de precio es la razón para prestarle atención, y el modelo de traspaso es la razón por la que aparecerá de nuestro lado con la misma cifra que publica Moonshot, no con una cifra inflada.

El lanzamiento en un párrafo.

Kimi K3.1 Pro es una actualización de post-entrenamiento de Kimi K3, que se vende a dos tercios del precio del modelo anterior, con una sólida hoja de benchmarks del proveedor, una mejora real en el control de alucinaciones, una regresión divulgada relacionada con la seguridad en una prueba de codificación adversarial y, por ahora, ninguna verificación independiente. El lanzamiento es realmente noticia por el precio y el compromiso con los pesos, no porque el modelo sea una nueva arquitectura. La fecha que hay que marcar en el calendario es el 4 de noviembre, cuando deben publicarse los pesos y deberían empezar a llegar las primeras evaluaciones externas serias.