Mercury 3 vs Kimi K3: un modelo que puedes descargar, otro que solo puedes alquilar

La diferencia más útil entre Mercury 3 y Kimi K3 no tiene nada que ver con la velocidad ni con el precio. Kimi K3, que Moonshot AI lanzó el 16 de julio de 2026 y cuyos pesos publicó después, el 27 de julio, bajo una licencia MIT modificada, es una mezcla de expertos de 2,8 billones de parámetros que puedes descargar, inspeccionar, cuantizar y alojar por tu cuenta. Mercury 3, que Inception lanzó el 19 de octubre de 2026, es un modelo de difusión cerrado al que solo puedes llamar. Todo lo demás en esta comparativa —las ventanas de 1M de tokens que comparten, los miles de tokens por segundo que uno de ellos afirma alcanzar, la brecha de precio de salida que va en la dirección opuesta— se deriva de esa primera diferencia sobre quién es dueño del artefacto. La misma clave da acceso a todo el catálogo de más de 200 modelos a precio de lista, con conmutación por error entre proveedores. Los fallos de IA y los incidentes de agentes documentados que hay detrás de lanzamientos como este se recopilan en el Archivo de Incidentes de IA de OrcaRouter donde cada entrada incluye sus propias fuentes, su gravedad, su grado de confianza y su marca de disputa.

Ese planteamiento no es académico. Decide cuál de estos dos modelos puede sobrevivir a que un proveedor desaparezca, cuál se puede ajustar con tus datos, cuál puedes ejecutar a las tres de la mañana sin un límite de solicitudes y cuál es una partida presupuestaria que termina cuando otra persona decide que termine. También decide qué es siquiera una comparación justa: el precio por token de Kimi K3 es un costo de alojamiento, mientras que el de Mercury 3 es un alquiler.

Las especificaciones, a ambos lados de la línea de propiedad.

• Parámetros — Kimi K3: 2,8 billones en total, 104 mil millones activos por token, 16 de 896 expertos; frente a Mercury 3, no revelados y descrito solo como más de 40 veces más grande que Mercury 1

• Arquitectura — mezcla de expertos sobre Kimi Delta Attention frente a un modelo de lenguaje de difusión que refina bloques de tokens en paralelo

• Ventana de contexto — 1,048,576 tokens vs 1,000,000 tokens; efectivamente, un empate

• Salida máxima — Kimi K3 hasta la ventana completa de 1M en una sola respuesta, frente a los 131.072 tokens de Mercury 3

• Modalidad de entrada — texto, imagen y video vs solo texto

• Pesos — publicados, MIT modificada, en Hugging Face frente a cerrados

• Precio de entrada — $3.00 por 1M frente a $0.20 por 1M a precio de lista, $0.10 en el lanzamiento

• Precio de salida — $15.00 por 1M frente a $0.70 por 1M a precio de lista, $0.35 en el lanzamiento

• Entrada en caché — $0.30 por 1M vs $0.02 por 1M

• Rendimiento declarado — no publicado por Moonshot frente a 1.068 tokens por segundo, según datos del proveedor

• Índice de Inteligencia Independiente — 43,6, según Artificial Analysis frente a aún sin entrada a 20 de octubre de 2026

Coloca las dos columnas de precios una al lado de la otra y la diferencia es de 15× en entrada y 21× en salida. Coloca la línea de modalidad al lado y la brecha se reduce a algo más estrecho que una derrota aplastante: Kimi K3 acepta video e imágenes, Mercury 3 acepta texto, y una carga de trabajo que tiene que ver una grabación de pantalla no está eligiendo entre ellos a ningún precio. Coloca la línea de pesos al lado y la comparación cambia por completo de carácter, porque los dos precios no están midiendo lo mismo.

Lo que realmente dicen las mediciones de Kimi K3

Kimi K3 es el único modelo de esta serie de cinco partes que cuenta tanto con pesos publicados como con un historial independiente completo, lo que lo convierte en el ancla útil:

• Índice de Inteligencia — 43,6, medido por Artificial Analysis

• Terminal-Bench 4.0 — 0,1263; Terminal-Bench 2.1 — 0,8502 según la propia ejecución reportada por el proveedor

• SciCode — 0.5949, el más alto de los cuatro oponentes de este lote

• Humanity's Last Exam — 0.4690

• Razonamiento de contexto largo AA-LCR — 0.8867, la lectura de contexto largo más sólida de la serie

• GDPval-AA — Elo 1532.59

• AA-Omniscience — 19,7

• GPQA Diamond — 0.9354

• Costo por tarea de indexación — $2.00

Dos advertencias sobre esa tabla. Los números de Terminal-Bench están muy dispares —0,1263 en la versión 4.0 y 0,8502 en la 2.1—, lo que es un problema de versión del benchmark más que un problema del modelo, y quien cite uno sin el otro está tomando partido. Además, el índice de Artificial Analysis para Kimi K3 marca 43,6 hoy, mientras que el propio material de lanzamiento del proveedor afirmaba 57 con una revisión anterior del índice. El índice se ha reconstruido desde entonces; el 57 es una lectura histórica, no actual.

El perfil que sobrevive a ambas advertencias es el de un modelo fuerte en razonamiento de contexto largo y código científico, moderado en recuperación de conocimiento y poco destacable en trabajo de agente estilo terminal. Ese no es el perfil de un modelo que se descarga para sustituir por completo una API de frontera. Es el perfil de un modelo que vale la pena tener para un nicho concreto de trabajo — que es exactamente el argumento a favor de los pesos abiertos.

La advertencia de descargar y ejecutar, explicada sin rodeos.

Los pesos publicados y los pesos ejecutables son afirmaciones distintas, y confundirlos es la exageración más común en la cobertura de los grandes modelos chinos. Un modelo de mezcla de expertos de 2,8 billones de parámetros con 104.000 millones de parámetros activos es un artefacto de centro de datos. Publicar el checkpoint significa que se puede inspeccionar, ajustar finamente, cuantizar y servir — para organizaciones con decenas de aceleradores y el equipo de ingeniería necesario para mantenerlos ocupados. No significa que se ejecute en una estación de trabajo, y la ola de cuantización que sigue a cada lanzamiento de este tipo tiene tanto que ver con hacer que el modelo sea servible como con hacerlo pequeño.

La lectura honesta de la licencia de Kimi K3 es más estrecha que «abierto» y, aun así, significativa: es un modelo de clase frontera auditable, modificable y autoalojable. Para una empresa regulada que no puede enviar datos de clientes a una API de terceros, eso lo es todo. Para una startup con tres ingenieros y una factura mensual de API de 400 dólares, es un pasatiempo.

Mercury 3 no tiene esa opción a ningún precio. Es una limitación real y vale la pena ser explícito en que Inception no ha anunciado una publicación de pesos ni una fecha para ello. La alternativa empresarial que sí ofrece es contractual en lugar de técnica: capacidad dedicada, escalado automático, controles de cumplimiento y retención de datos configurable, todo dentro de la plataforma de Inception. Eso responde a la pregunta sobre la residencia de datos para algunos compradores. No responde a la pregunta «¿qué pasa si el proveedor desaparece?» para ninguno de ellos.

Coste por trabajo completado, no coste por token

La brecha de 21× en el precio de producción es la cifra que se suele citar y, por sí sola, resulta engañosa en ambos sentidos.

En primer lugar, los 3,00/15,00 USD de Kimi K3 son una posición premium en el mercado chino, y Moonshot lo ha reconocido. Frente a los 0,20/0,70 USD de Mercury 3, no es un premium: es otra categoría. Un equipo que procesa 50 millones de tokens de salida al mes paga 750 USD con Kimi K3 y 35 USD con Mercury 3 a precio de tarifa. Esa diferencia es lo bastante pequeña como para resultar irrelevante para algunos negocios y lo bastante grande como para financiar una contratación para otros.

En segundo lugar, las cifras independientes de coste por tarea invierten la intuición. Kimi K3 cuesta 2,00 USD por tarea de índice completada; Mercury 2.5, el miembro medido más cercano de la familia Mercury, cuesta 0,1167 USD, pero obtuvo 12,3 frente a los 43,6 de Kimi K3. Barato por token y barato por unidad de trabajo son cifras distintas, y solo una de ellas pertenece a un plan de capacidad. Mercury 3 no tiene una cifra de coste por tarea porque no tiene puntuación de índice, lo que significa que la celda más importante de esta comparación está vacía.

Tercero, y esto es lo que la gente olvida: Kimi K3 está en OrcaRouter a la tarifa de lista de Moonshot con un 0 % de recargo, y también el resto del catálogo de más de 200 modelos, en un único endpoint compatible con OpenAI y con conmutación por error automática. Mercury 3 no lo está: se sirve a través de la propia API de Inception y de varias plataformas de terceros. Esa asimetría cambia la forma de una prueba sensata: puedes comparar Kimi K3 con tu proveedor actual sin firmar nada nuevo, y no puedes hacer lo mismo con Mercury 3 sin una segunda integración.

Para una carga de trabajo que ejecuta sesiones largas de agentes, hay una palanca de costos más que vale la pena revisar antes de confiar en cualquiera de las listas de precios. El contexto de 1M de Kimi K3 no tiene un recargo publicado por solicitudes largas, y el de Mercury 3 tampoco. Eso es inusual y es la razón principal por la que ambos modelos son creíbles para transcripciones que activarían un nivel de reajuste de precios en otros casos.

¿Cuál elegir, según la situación y no según la puntuación?

Elige Kimi K3 cuando el trabajo requiera imágenes o vídeo, cuando el razonamiento de contexto largo sea la tarea principal —su 0,8867 en AA-LCR es la mejor lectura de este lote—, cuando necesites ajustar el modelo con datos propios, cuando los datos no puedan salir de tu infraestructura, o cuando quieras un nivel mínimo de capacidad medido antes de comprometer tráfico. Los pesos son el activo estratégico; la licencia es genuinamente permisiva; el precio es el coste de no ejecutarlo tú mismo.

Elige Mercury 3 cuando la carga de trabajo sea solo de texto, esté limitada por la latencia y sea de gran volumen: respuestas de soporte, respuestas de búsqueda, turnos de tutoría, trabajo cercano a la clasificación donde una respuesta por debajo del segundo es el producto. Con $0.70 de salida y $0.02 de entrada en caché, es lo bastante barato como para que la economía por solicitud deje de ser una restricción de diseño, y la ventana de 1M significa que rara vez resumes. Lo que sacrificas es la modalidad, un umbral de capacidades publicado y cualquier vía hacia el autoalojamiento.

Elige ambos cuando la división sea por carril y no por modelo. Los dos sistemas son arquitectónicamente opuestos —uno es un MoE autorregresivo disperso masivo, el otro es un generador de difusión paralelo—, lo que significa que fallan de forma distinta, y una política que envíe la visión y el razonamiento de contexto largo a Kimi K3 y los turnos de texto instantáneos a Mercury 3 es coherente por sus méritos y no solo por el precio. La trampa está en la integración: solo uno de ellos es una adición de una sola clave.

¿Qué cambiaría la respuesta?

Tres novedades, ninguna de ellas especulativa:

• La primera puntuación independiente de Mercury 3. El único miembro medido de la familia Mercury se sitúa en 12,3 en el Intelligence Index, frente al 43,6 de Kimi K3. Si Mercury 3 queda cerca de Kimi K3 y cuesta una decimoquinta parte, el argumento de la propiedad se convierte en el único argumento que le queda a Kimi K3. Si queda cerca de 12,3, la diferencia de precio es irrelevante.

• Un lanzamiento de los pesos de Mercury 3. Inception no ha dicho nada al respecto. Los pesos abiertos echarían por tierra de la noche a la mañana la diferencia central de este artículo.

• Un proveedor de alojamiento más barato para Kimi K3. La tarifa de $3/$15 es la de la propia Moonshot; la licencia abierta significa que los proveedores de terceros pueden ofrecer precios inferiores, y un MoE de 2,8 T alojado a la mitad de precio cambia el cálculo del coste por tarea sin cambiar el modelo.

Hasta que uno de esos llegue, la comparación es entre un modelo de texto alquilable, sin medir y muy rápido, y un modelo premium poseíble, medido, que lee video. No son intercambiables. La única respuesta realmente equivocada es elegir uno porque gana en una columna en la que al otro nunca se le ha puntuado.