Ya están disponibles los pesos de Kimi K3.1 Pro: 1,56 TB en disco y una línea de licencia de 20 millones de dólares

Durante los once días transcurridos entre el lanzamiento de la API y la descarga, la mayor parte de la cobertura de Kimi K3.1 Pro citaba 5,6 terabytes de pesos BF16. El repositorio que Moonshot AI publicó realmente en Hugging Face el 4 de noviembre de 2026 es de 1,56 TB, repartido en 96 fragmentos de safetensors. Eso no es un modelo más pequeño que aquel sobre el que todo el mundo escribió — es el mismo Kimi K3 del que deriva la mezcla de expertos de 2,8 billones de parámetros, distribuida en la precisión con la que Moonshot la entrenó para servir. La diferencia entre las dos cifras es lo primero que merece la pena entender de este lanzamiento, porque decide si una máquina que ya tienes puede albergarla.

Lo segundo es la licencia, que no es Apache 2.0, ni MIT, ni está aprobada por OSI, a pesar de un párrafo inicial permisivo. Es un instrumento personalizado llamado Kimi K3.1-Pro License, y contiene un umbral de ingresos que convierte una descarga gratuita en una negociación para un tipo específico de empresa. Ambos hechos no se podían responder el 25 de octubre, cuando los pesos eran una promesa con una lista de verificación adjunta. Ahora sí se pueden responder.

Qué llegó realmente a Hugging Face

El repositorio es moonshotai/Kimi-K3.1-Pro, no tiene restricciones de acceso y contiene 111 archivos. Noventa y seis de ellos son fragmentos de pesos; el resto son la configuración, el tokenizador, cuatro archivos Python para la arquitectura personalizada, la tarjeta del modelo y la licencia. El tamaño total de todos los archivos es de 1.561 GB.

La razón por la que cabe en 1,56 TB en lugar de 5,6 TB está escrita en la ficha del modelo como una línea de especificaciones, no como una nota al pie: pesos MXFP4 con activaciones MXFP8, aplicados mediante entrenamiento consciente de cuantización. No se trata de una cuantización de 4 bits a posteriori que alguien ejecutara después de los hechos. Es la precisión nativa de servicio, y por eso el repositorio lleva la etiqueta compressed-tensors y por eso no hay ningún checkpoint BF16 junto a él. Si estabas planificando con una descarga de 5,6 TB, estabas planificando contra una cifra que Moonshot nunca publicó.

El resto de la ficha de especificaciones, para que pueda dimensionar el trabajo:

• Parámetros totales — 2,8T en una mezcla de expertos, con 104B activados por token

• Profundidad — 93 capas, de las cuales una es densa; la pila de atención consta de 69 capas KDA más 24 capas Gated DeepSeek Sparse Attention, un cambio respecto a las capas Gated MLA de atención completa de Kimi K3

• Expertos: 896 en total, 16 seleccionados por token más 2 compartidos, con una dimensión MoE latente de 3.584

• Contexto — 1.048.576 tokens, sin cambios desde Kimi K3

• Modalidad — entrada de texto e imagen, salida de texto; el codificador visual es MoonViT-V2 con 401M de parámetros

• Vocabulario — 160K tokens

Solo uno de esos números es nuevo respecto a Kimi K3, y es el cambio en la atención. Moonshot deja claro que se trata de un lanzamiento de post-entrenamiento sobre la base K3, con un aprendizaje por refuerzo conjunto más intensivo en cientos de dominios, no de una nueva arquitectura. La sustitución por Gated DSA está ahí para lograr eficiencia en contextos largos, no para un salto de capacidades.

La licencia tiene tres niveles, y el del medio es el que importa.

La licencia Kimi K3.1-Pro se abre tal como cabría esperar que lo hiciera una licencia permisiva: permiso para usar, copiar, modificar, fusionar, publicar, distribuir, sublicenciar y vender, para ejecutar, desplegar y ajustar, y para crear obras derivadas. Después añade condiciones, y es en esas condiciones donde residen las decisiones.

• Sección 2, el requisito de modelo como servicio: si usted o sus filiales operan un negocio que brinda a terceros acceso a inferencia o ajuste fino, y los ingresos del grupo superan los $20 millones en cualquier período de 12 meses consecutivos, necesita un acuerdo por separado con Moonshot antes del uso comercial. Dos excepciones son importantes: los productos para usuarios finales en los que el modelo está integrado dentro de una función o un entorno de ejecución no son "modelo como servicio", y tampoco lo es simplemente retransmitir solicitudes a modelos alojados por otra persona.

• Sección 3, la cláusula de atribución — los productos comerciales con más de 100 millones de usuarios activos mensuales, o más de 20 millones de dólares en ingresos mensuales, deben mostrar "Kimi K3.1-Pro" de forma destacada en la interfaz. Se trata de una obligación de marca, no de un pago.

• Sección 4, las exenciones — ninguna de las anteriores se aplica al uso interno, definido como cualquier uso que no ponga el software, sus resultados o sus capacidades subyacentes a disposición de terceros, ni al uso a través de los productos oficiales de Moonshot y socios de inferencia certificados.

La lectura práctica es que los despliegues internos son gratuitos y sin restricciones, y también lo es crear un producto sobre el modelo para tus propios usuarios. Lo que desencadena la conversación de los 20 millones de dólares es revender acceso al modelo sin procesar a escala. Si esperabas poner en marcha un endpoint de inferencia competidor con estos pesos, ese es el párrafo que deberías llevar a un abogado, y es estructuralmente la misma licencia bajo la que se distribuyó Kimi K3 — así que una revisión legal existente de K3 se traslada, con el nombre cambiado.

Una cosa que la licencia no hace es convertir esto en código abierto en el sentido de la OSI. El campo en los metadatos del repositorio dice license: other, con el nombre de la licencia establecido en kimi-k3.1-pro. Los medios que lo describieron como MIT modificada en las primeras horas tras el lanzamiento se quedaron leyendo la apertura permisiva y ahí se detuvieron.

Lo que se necesita para ejecutarlo y dónde gana la API

La receta de vLLM publicada para este modelo es la guía de despliegue más concreta de la que se dispone, y es específica. Especifica vLLM 0.34.0 o posterior, una base de un grupo de paralelismo tensorial de 8 GPU —dos bandejas GB300 o un nodo B300— con --tensor-parallel-size 8 en --nnodes 2. El modo opcional de contexto largo, DCP8, eleva la capacidad de la caché KV a aproximadamente 18,5 millones de tokens frente a 2,6 millones con KV en FP8 en 8 B300, unas siete veces más.

Se derivan dos consecuencias. Primera, un nodo de 8×H200 queda descartado: {{1}}1.13 TB de HBM no albergan 1.56 TB de pesos antes de asignar un solo token de caché{{/1}}. Segunda, no hay una vía para el consumidor. El modelo necesita más VRAM de la que tiene una estación de trabajo, y las arquitecturas que harían tolerable una versión lenta con descarga a CPU todavía se están poniendo al día con el código personalizado kimi_k31 — el repositorio incluye trust_remote_code=True en su propio fragmento de inicio rápido, lo que indica que la arquitectura aún no está en la ruta predeterminada de una biblioteca upstream publicada.

La economía es más fácil de entender en tokens de salida que en partidas de GPU. A 10 USD por millón de tokens de salida, el coste de capital estimado de un nodo, de aproximadamente 550.000 a 650.000 USD, compra entre 55 y 65 mil millones de tokens de salida a través de la API a precio de lista. Un nodo autoalojado solo supera esa opción si se mantiene lo bastante ocupado como para servir más de esa cantidad antes de quedar obsoleto, y esa comparación es antes de incluir electricidad, personal de operaciones, tiempo inactivo y el segundo nodo que necesitas para redundancia. Para la mayoría de los equipos que leen esto, la respuesta honesta es que los pesos son un activo estratégico y la API es la forma más barata de usar el modelo.

Esa es también la razón por la que kimi/kimi-k3.1-pro, al estar en nuestro catálogo a $2.00 por millón de tokens de entrada y $10.00 por millón de tokens de salida, cambia el cálculo en lugar de duplicarlo. El mismo contexto de 1,048,576 tokens y los mismos 104B parámetros activos están disponibles a través de Chat Completions, Responses API y Anthropic Messages, sin necesidad de un clúster de dos nodos. Nuestro precio es un 0% de margen sobre el precio de lista del proveedor, así que cuando Moonshot cambie la tarifa, la cifra aquí cambia el mismo día en lugar de en la próxima renovación del contrato. Y como se puede acceder al modelo mediante una sola clave junto con más de otros 200, probarlo con una carga de trabajo real no requiere comprometer una ruta de producción con él — puedes ponerlo detrás de failover y dejar que se gane el tráfico.

La tabla de evaluación comparativa es un arma de doble filo.

Cada cifra de esta sección es reportada por el proveedor según la ficha del modelo, ejecutada con el esfuerzo de razonamiento al máximo, con temperatura 1.0 y top-p 0.95. Las columnas de comparación también se obtuvieron con el esfuerzo máximo y la opción de respaldo activada, lo cual conviene saber antes de interpretar una diferencia de un punto como una victoria.

Terminal-Bench 4.0 — Kimi K3.1 Pro 65,7 % frente a Claude Opus 5.5 con 66,4 %, GPT-6 Astra con 58,2 % y Claude Fable 5.1 con 57,9 %. Segundo en la tabla por ocho décimas de punto, y claramente por delante de dos modelos con los que se le compara.

• SWE Marathon v1.1 — 51,7 % frente al 46,3 % de Claude Opus 5.5 y el 45,6 % de Claude Fable 5.1. Una ventaja real en el trabajo de software de largo horizonte.

• HLE-Full con herramientas: 70,0 % frente al 67,7 % de Claude Opus 5.5 y el 65,6 % de Claude Fable 5.1. BrowseComp alcanza el 92,1 % frente al 91,5 % de GPT-6 Astra.

• Program Bench: 31,5 % frente al 65,0 % de Claude Opus 5.5, el 53,5 % de Claude Fable 5.1 y el 50,0 % de GPT-6 Astra. Es, con diferencia, la mayor pérdida de la hoja, y es la fila que hay que mirar si tu trabajo es síntesis de programas en lugar de bucles de agentes con forma de terminal.

• Terminal-Bench-Science 0.1 — 38,1 % frente a 68,1 % de GPT-6 Astra y 63,3 % de Claude Opus 5.5. Otra categoría en la que el modelo no está ni cerca.

• HLE-Full sin herramientas: 51,1 % frente a 59,8 % de Claude Opus 5.5. La columna de uso de herramientas invierte el orden, lo que dice más sobre la calidad de la infraestructura de evaluación que sobre el razonamiento puro.

El patrón es lo bastante consistente como para resultar útil: Kimi K3.1 Pro es fuerte cuando un agente maneja un shell, un navegador o una tarea de programación de larga duración, y es débil en benchmarks científicos y de construcción de programas autocontenidos. Si eliges entre él y Claude Opus 5.5 basándote en una sola cifra destacada, esa cifra destacada es precisamente el punto en el que están más cerca.

La medición independiente es escasa y merece decirse sin rodeos. Artificial Analysis actualmente otorga a Kimi K3.1 Pro una puntuación de 46 en Intelligence Index v5.0.1 y lo clasifica como de pesos abiertos, a 32 tokens de salida por segundo, ocupando el primer puesto de 25 en el panel que se muestra en su página de modelo. La cobertura de la semana de lanzamiento citó 55, pero eso correspondía a la versión del índice en uso antes de la reconstrucción v5 del 27 de octubre —instrumentos distintos, y restar uno del otro produce un número que no significa nada.

El punto de control abierto no es el que no tiene restricciones.

Moonshot afirma que eliminó los datos de entrenamiento sobre capacidades cibernéticas de partes del entrenamiento intermedio y del aprendizaje por refuerzo antes de publicar estos pesos, y la ficha del modelo contiene las pruebas en lugar de dejarlo como una frase de prensa. En su conjunto interno xdev-bench-hard, el punto de control publicado obtiene un 81,0 % frente al 90,5 % de un punto de control sin restricciones del mismo modelo. Todo lo que descargues de ese repositorio es la versión mitigada.

Las cifras absolutas tampoco son halagüeñas en la dirección opuesta. En ExploitBench, el modelo obtiene 74,7 frente a 100 de GPT-6 Astra y 91,0 de Claude Opus 5.5; en ExploitGym, obtiene 20,7 frente a 42,4 de GPT-6 Astra. Así que el modelo publicado es a la vez más débil que su propia variante sin restricciones y está por detrás de la vanguardia en tareas de explotación —una combinación que es razonable querer en un modelo de 2,8 billones de parámetros descargable abiertamente, y que vale la pena conocer si tu modelo de amenazas asumía que los pesos abiertos implicaban capacidad sin restricciones.

¿Quién debería descargar esto y quién no?

Descárgalo si tienes una razón para conservar los pesos tú mismo: un requisito de residencia de datos que descarte cualquier inferencia de terceros, un programa de ajuste fino que necesite el modelo base en tus propias instalaciones, un grupo de investigación que audite el comportamiento en lugar de alquilarlo, o un volumen sostenido suficiente como para que un nodo dedicado resulte mejor que la facturación por token. Querrás dos nodos, no uno, y un plan para la caché KV si pretendes usar algo cercano a un millón de tokens de contexto.

No lo descargues si el objetivo es ahorrar dinero con una carga de trabajo moderada, o ejecutar un modelo de clase frontera en hardware que ya tengas. Los 1,56 TB son el mínimo, no el requisito, y el requisito es un clúster de clase B300 o GB300. Descártalo también si tu carga de trabajo es síntesis de programas o ciencia dura: Program Bench y Terminal-Bench-Science son los ámbitos en los que este modelo está más lejos de las alternativas, y ninguna permisividad de licencia cierra esa brecha.

Para todos los que quedan en el medio, la llegada de los pesos sigue siendo la noticia más importante, y no por lo que te permiten ejecutar. Es porque un checkpoint descargable es auditable, y una API no lo es — y un modelo de 2,8 billones de parámetros que está a un punto de Claude Opus 5.5 en Terminal-Bench 4.0 es ahora algo que un investigador externo puede inspeccionar en lugar de tener que creer. Esa es la parte del 4 de noviembre que no depende de tener un centro de datos.