Kimi K3.1 Pro vs Kimi K3: misma arquitectura base, precio más bajo y una factura de post-entrenamiento que llegó a su vencimiento

Kimi K3.1 Pro no es un modelo nuevo en el sentido en que Kimi K3 lo era. El lanzamiento de Moonshot AI del 24 de octubre de 2026 es explícitamente una versión post-entrenada de Kimi K3 con un cómputo de post-entrenamiento sustancialmente mayor: la misma arquitectura, el mismo contexto de 1.048.576 tokens, la misma visión nativa y un conjunto distinto de comportamientos incorporados mediante aprendizaje por refuerzo en cientos de dominios posteriores. Lo que hace interesante la comparación no es la diferencia en la tabla de benchmarks. Es que el modelo más nuevo y mejor cuesta un tercio menos por token que el más antiguo.

Esa inversión es lo bastante rara como para merecer un examen cuidadoso. Normalmente, un laboratorio lanza un modelo más potente al mismo precio y deja que el antiguo vaya desplazándose hacia el segmento bajo del mercado. Moonshot hizo lo contrario: mantuvo el precio antiguo para el modelo antiguo y rebajó el nuevo a $2.00 de entrada y $10.00 de salida por millón de tokens, frente a los $3.00 y $15.00 de Kimi K3. Entender por qué exige separar lo que realmente cambió en el modelo de lo que cambió en el negocio que lo rodea.

La arquitectura no se movió

Kimi K3 llegó el 16 de julio de 2026 como el primer modelo abierto de la clase de 2,8 billones de parámetros: un diseño de mezcla de expertos con aproximadamente 104.000 millones de parámetros activos, 896 expertos y 16 activados por token, una ventana de 1 millón de tokens, comprensión nativa de imágenes y vídeo, llamada a herramientas, almacenamiento en caché de prompts y razonamiento integrado. Sus pesos llegaron el 27 de julio bajo una licencia que permite el uso, la modificación, la distribución y el ajuste fino, con un acuerdo independiente requerido para los proveedores de modelos como servicio que ingresen más de 20 millones de dólares al año y atribución requerida para productos comerciales muy grandes.

Kimi K3.1 Pro lo conserva todo. Moonshot llama al nuevo modelo «de clase 3T», que es lenguaje de posicionamiento; la información del lanzamiento lo sitúa en los mismos 2,8 billones totales y 104 mil millones activos. El techo de contexto, el soporte de visión y el límite de salida de 1M de tokens no cambian. Si esperabas un recuento de parámetros activos más económico o una ventana más larga, este no es ese lanzamiento.

Lo que sí cambió es el entrenamiento posterior al preentrenamiento. Moonshot describe un aprendizaje por refuerzo conjunto a gran escala en cientos de dominios, respaldado por una infraestructura de sandbox reelaborada, la programación de rollouts y comprobaciones de calidad del entorno. En términos sencillos, la empresa dedicó una gran cantidad de cómputo a enseñar al modelo existente a comportarse mejor en tareas agénticas y profesionales, en lugar de enseñarle más datos. Por eso las mejoras se concentran donde lo hacen.

Lo que dicen los números y dónde la comparación se queda corta

La hoja de referencia del proveedor es amplia —14 evaluaciones—, pero no constituye una comparación emparejada limpia. Moonshot publicó las cifras de Kimi K3 solo para un subconjunto de las nuevas pruebas, por lo que algunas de las diferencias más llamativas se dan frente a sus propias suites internas y no frente a un benchmark público que ambos modelos hayan realizado.

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

• Alucinación — La tasa a nivel de afirmaciones de Kimi Hallu Bench Hard cayó del 23.4% en Kimi K3 al 8.3% con herramientas en Kimi K3.1 Pro. Sin herramientas, el nuevo modelo obtiene un 5.4%. Moonshot también afirma que las respuestas que contienen al menos un error factual ahora representan el 42.4% de la tasa del predecesor. Para el trabajo con gran volumen de documentos, esta es la mejora más trascendental del lanzamiento.

• Finanzas y operaciones empresariales — Modelado financiero interno: 57,6 frente a 50,4; Investigación financiera: 70,4 frente a 58,8; Operación de negocio: 37 frente a 8,9. La última supone una mejora de cuatro veces en una tarea en la que el modelo anterior apenas si era funcional. Son evaluaciones propias de Moonshot, así que toma la magnitud como orientativa.

• 3D y CAD — BenchCAD con herramientas 92,7, sin herramientas 72,8. Moonshot no publicó las cifras de Kimi K3 para esta prueba, por lo que la mejora queda sin medir en la publicación de lanzamiento aunque la puntuación absoluta sea sólida.

Programación adversarial: la métrica pass@3 de xdev-bench-hard es del 81,0 % para Kimi K3.1 Pro, frente al 33,3 % de Kimi K3 y el 85,7 % de DeepSeek-V4.1-Flash-1017. Un checkpoint entrenado sin las medidas de reducción de riesgos de la empresa obtuvo un 90,5 %, y Moonshot atribuye esa diferencia de 9,5 puntos al trabajo de seguridad y a los controles de los datos de entrenamiento.

• Posición en la frontera — Terminal-Bench 4.0 con 65.7%, por detrás de Claude Opus 5.5 con 66.4% y por delante de GPT-6 Astra con 58.2%. BenchCAD con herramientas, con 92.7, queda por detrás de Opus con 96.2 y de Astra con 95.9. El patrón es consistente: cerca de la frontera, rara vez en la cima.

Nada de esto está verificado de forma independiente. Kimi K3 llegó al mundo con un Índice de Inteligencia de Artificial Analysis de 57, tercero a nivel global en ese momento por detrás de Claude Fable 5 y GPT-5.6 Sol, y no existía ninguna puntuación equivalente de terceros para K3.1 Pro el día de su lanzamiento. El problema del arnés no es hipotético: las puntuaciones de Terminal-Bench varían decenas de puntos según el andamiaje, por lo que un 65,7 % y un 58,2 % obtenidos en laboratorios distintos no constituyen una medición de una diferencia de 7,5 puntos. La dirección es creíble; la magnitud aún no.

La inversión de precios es la verdadera historia

Kimi K3 se lanzó como el modelo chino más caro del mercado, con 3,00 $ por millón de tokens de entrada y 15,00 $ de salida, aproximadamente tres o cuatro veces la generación K2. Esa política de precios fue una apuesta deliberada: que la capacidad, y no el costo, se impondría en las cargas de trabajo de vanguardia. Kimi K3.1 Pro invierte la dirección en el modelo más reciente mientras deja intacto el precio del anterior.

• Entrada — $2.00 por millón en K3.1 Pro frente a $3.00 en K3, un recorte del 33%.

Producción — $10.00 frente a $15.00, también 33%.

• Acierto de caché — $0,20 frente a $0,30, una reducción del 33 % en la línea que domina las cargas de trabajo de agentes.

Escrituras de caché — $2.00 y $4.00 con TTL de cinco minutos y una hora, frente a $3.00 y $6.00.

• Variante de alta velocidad — {{1}}$4.00 y $20.00{{/1}}, con el mismo {{2}}precio por acierto de caché de $0.20{{/2}}; dos o tres veces la velocidad de salida, aproximadamente el doble de la cuota en {{3}}Kimi Code{{/3}}.

La aritmética es lo bastante sencilla como para hacerla en una servilleta. Una solicitud que lee 1M tokens de entrada y escribe 200K tokens de salida cuesta $6.00 en Kimi K3 y $4.00 en Kimi K3.1 Pro. Un agente que vuelve a leer un repositorio grande en cada turno y acierta en caché el 70% de las veces paga alrededor de $4.11 en K3 y $2.74 en K3.1 Pro por la misma forma de llamada. Si el nuevo modelo además termina en menos turnos —que es justamente el objetivo del entrenamiento de horizonte largo—, el costo por tarea completada cae más de lo que sugiere el precio por token.

¿Por qué recortarlo? La explicación más probable es competitiva y no caritativa. Un modelo de 2,8T parámetros es caro de servir, y el mercado de modelos adyacentes a la frontera ha pasado 2026 convergiendo en precio. El propio calendario de retiro de K2 de Moonshot añade presión: los modelos de la serie K2 dejarán de estar disponibles para nuevos usuarios el 31 de octubre de 2026 y deben retirarse a finales de diciembre. Fijar el precio de K3.1 Pro por debajo de K3 da a cada cliente de K2 una razón para migrar hacia arriba en lugar de buscar en otra parte. El precio anterior de K3 se mantiene donde está porque nadie que ya lo haya presupuestado necesita un descuento para quedarse.

Dónde Kimi K3 sigue siendo la respuesta correcta

Tres casos superan la comparación. El primero es el autoalojamiento a día de hoy: los pesos de Kimi K3 son públicos desde el 27 de julio, mientras que los de Kimi K3.1 Pro no están prometidos hasta el 4 de noviembre de 2026. Si tu despliegue no puede llamar a una API alojada, el modelo más nuevo todavía no es una opción, diga lo que diga la hoja de resultados de referencia.

La segunda es la estabilidad del comportamiento. Un modelo que lleva tres meses en producción tiene un perfil de fallos conocido. Kimi K3.1 Pro cambia el comportamiento de razonamiento por diseño, y su modo de pensamiento siempre activo, con un esfuerzo máximo por defecto, no es una sustitución directa para todos los pipelines. Los equipos con suites de evaluación estrictas deberían esperar tener que restablecer la línea base, no solo cambiar una cadena.

La tercera es el control del muestreo. Kimi K3.1 Pro fija la temperatura en 1.0 y top_p en 0.95, y rechaza otros valores; cambiar el esfuerzo de razonamiento a mitad de conversación también invalida los aciertos de la caché de prefijos. Si tu aplicación depende del determinismo de una temperatura baja, comprueba si el modelo anterior te da el control que el nuevo no te da antes de asumir que la actualización no tiene coste.

La decisión de migrar, sin el hype

Para los agentes de programación, el uso de herramientas de horizonte largo, la investigación financiera y la verificación de documentos, el caso para cambiar es sólido: mejores puntuaciones reportadas por el proveedor exactamente en esas áreas, un precio más bajo en cada línea de facturación y una tasa de alucinación que cayó aproximadamente dos tercios. El riesgo es que todo sea autodeclarado, así que el camino sensato es una evaluación en la sombra sobre tus propias tareas antes de migrar el tráfico de producción.

Para la generación por lotes y la recuperación de contexto largo, el precio por acierto de caché es la cifra que importa, y favorece al nuevo modelo en un tercio. Para quien esté atado a los pesos abiertos, el calendario manda: el 4 de noviembre es la fecha más temprana en que la comparación se vuelve real.

La parte de OrcaRouter en esto es deliberadamente poco glamurosa. Nuestro catálogo incluye kimi/kimi-k3 hoy al precio de lista de Moonshot con un 0% de margen, con la misma clave que el resto de tu stack, de modo que el lado antiguo de esta comparación ya se puede invocar sin un segundo contrato. Kimi K3.1 Pro no está en el catálogo en el momento de escribir esto. Cuando llegue, el modelo de paso directo significa que los $2/$10 anteriores son lo que pagas aquí en lugar de la versión de un revendedor, y cambiar de generación es un cambio de cadena de modelo dentro de una política de enrutamiento en vez de un proyecto de migración.

Veredicto

Kimi K3.1 Pro es el mejor modelo y además el más barato, lo que facilita la recomendación y deja la evidencia más endeble de lo que parece. Moonshot ha mejorado los comportamientos que importan para el trabajo agéntico y profesional, ha reducido en un tercio cada línea de precios y ha divulgado una regresión relacionada con la seguridad que la mayoría de las publicaciones de lanzamiento habrían enterrado. Lo que no ha hecho es someter el resultado a un arnés independiente. Si ya usabas Kimi K3, la actualización se amortiza en la factura antes que en el benchmark. Si estabas esperando pruebas, tanto los pesos como las primeras evaluaciones externas llegarán en un plazo de dos semanas, y será entonces cuando esta comparación deje de ser una afirmación del proveedor y se convierta en una medición.