MIDM K 3.0 Pro: el híbrido de 120B de KT llega con precio y sin benchmarks

Mi:dm K 3.0 Pro — escrito MIDM K 3.0 Pro en la mayoría de los catálogos de modelos y listado internacionalmente como KT: Mi:dm K 3.0 Pro — es el primer modelo de una operadora de telecomunicaciones coreana que llega a una lista de precios internacional con una ficha técnica de nivel frontera y ninguna evaluación pública que lo respalde. KT lo ofrece desde su propia plataforma Token Factory con fecha de lanzamiento el 29 de octubre de 2026, y el listado internacional está fechado el 5 de noviembre de 2026. Es una mezcla de expertos de 120.000 millones de parámetros que activa 12.000 millones de esos parámetros por token, acepta 261.795 tokens de contexto y cuesta $0,20 por millón de tokens de entrada y $0,80 por millón de tokens de salida. Lo que no tiene, a fecha de 11 de noviembre de 2026, es una sola puntuación de benchmark publicada por nadie — ni de KT, ni de un evaluador independiente, ni de la tabla comparativa de un laboratorio rival. Esa ausencia no es una nota al pie de esta página. Es lo principal que un comprador debe tener en cuenta a la hora de fijar el precio.

Tres fechas, y cuál es la de lanzamiento

Los propios materiales de KT dan tres fechas distintas para el mismo modelo, y todas son correctas dentro de su propio marco, por lo que la pregunta de «¿cuándo salió?» ha sido tan difícil de responder.

• 15 de octubre de 2026 — Mi:dm K 3.0 se muestra públicamente por primera vez en el AID-X Day de KT en Seúl, junto con un agente de voz de nueva generación, una plataforma interna de agentes llamada KT-Claw y el trabajo de la compañía en compresión de prompts y enrutamiento de modelos. La prensa especializada coreana que cubre el evento lo describe como el "modelo de nueva generación" del grupo, presentado mediante una demostración y no a la venta. No hay ningún precio y aún no existe ningún identificador de modelo.

• 29 de octubre de 2026 — la fecha que la propia página del modelo Token Factory de KT indica como 출시일, la fecha de lanzamiento. Es cuando el modelo pasó a ser algo a lo que un cliente podía enviar una solicitud y por lo que se le podía facturar, en la propia plataforma de KT.

• 5 de noviembre de 2026 — la fecha que figura en el listado del catálogo internacional, el punto en el que los desarrolladores que no tenían una relación de facturación con KT podían acceder a él. Todas y cada una de esas entradas del catálogo reproducen la misma descripción de una sola frase —mezcla de expertos, 120B en total, 12B activos, híbrido Mamba/MoE/atención—, que procede de KT y no ha sido verificada de forma independiente.

El motivo por el que la distinción merece tres viñetas en lugar de una sola frase es que "lanzado el 29 de octubre" y "disponible internacionalmente el 5 de noviembre" significan cosas distintas para un equipo de compras. Lo primero es una relación con el proveedor. Lo segundo es una partida que se puede evaluar esta semana. Ambas son lo suficientemente recientes como para que el modelo no haya acumulado ninguna prueba de terceros publicada, así que un lector que llegue en noviembre de 2026 llega temprano, no tarde.

Qué es la arquitectura en realidad

El diseño híbrido es la parte interesante y la que la mayoría de los textos de catálogo comprime en una sola cláusula. La descripción de KT es que Mi:dm K 3.0 Pro combina capas Mamba, capas de mezcla de expertos y capas de atención ordinarias en una misma pila. Cada una de ellas cumple una función distinta. La atención le da al modelo un recuerdo exacto de posiciones anteriores arbitrarias, de lo cual dependen las tareas con documentos largos y el seguimiento preciso de instrucciones. Mamba le proporciona una ruta de tiempo lineal a través de secuencias largas, que es lo que evita que un prompt de 262K tokens se vuelva cuadrático en coste y latencia. La capa de mezcla de expertos es lo que hace que un modelo de 120B sea asequible de servir: solo se ejecutan 12B parámetros —una décima parte de la red— para cualquier token dado, por lo que la factura de cómputo sigue al recuento de activos en lugar del total.

Poner las tres cosas en un solo stack es una postura de ingeniería real, no marketing. Es el mismo instinto que hay detrás de varios lanzamientos de 2026 que han intentado escapar del coste de la atención pura en contexto largo, y es algo más difícil de entrenar que elegir solo una. Si KT lo ejecutó bien es exactamente la pregunta que nadie ha respondido públicamente.

KT también divulga el formato de servicio, algo que la mayoría de los laboratorios no publica: en su página de Token Factory se describe que el modelo se sirve desde un checkpoint cuyos expertos MoE están cuantizados a NVFP4, mientras que las proyecciones Mamba y el experto compartido se mantienen en FP8. Esa es una decisión de servicio, no de entrenamiento, y tiene una consecuencia práctica: los pesos que un cliente está invocando no son los pesos que KT entrenó, y cualquier benchmark ejecutado contra este endpoint mide el artefacto cuantizado. Para un modelo de 120B a $0,20 por millón de tokens de entrada, la cuantización agresiva es la forma de alcanzar ese precio. También establece una expectativa: una ruta de expertos de 4 bits no es donde se busca la reproducción exacta de una referencia de precisión completa.

El sobre, según las cifras que publica KT

• Parámetros: 120B en total, 12B activos por token, según la propia copia de la ficha del modelo de KT.

• Contexto — 261.795 tokens. Eso son 256K en términos redondos, y aproximadamente una cuarta parte de lo que ofrecen los modelos de frontera en el entorno de esta gama de precios.

• Salida máxima: 235.615 tokens en una sola respuesta. Esto es inusualmente generoso en relación con la ventana de contexto: el modelo puede escribir casi tanto como puede leer.

• Modalidad — texto de entrada, texto de salida. Sin entrada de imágenes, audio ni archivos, y sin salida multimodal. Los listados del catálogo confirman que solo texto en ambos lados de la solicitud.

• Razonamiento — el modelo expone un control de razonamiento y devuelve el contenido de razonamiento por separado de la respuesta, de modo que el llamador puede suprimir o mostrar el rastro del pensamiento.

• Salida estructurada — se admiten la salida JSON y la salida restringida por esquema, que es la capacidad más importante para cualquiera que integre el modelo en una canalización.

• Llamada a herramientas — no aparece entre los parámetros de solicitud admitidos por el modelo en su entrada del catálogo, a diferencia de la mayoría de los modelos de frontera de 2026, que exponen explícitamente tools y tool_choice. Si un bucle de agente necesita llamada a funciones, esto es lo primero que hay que probar en lugar de darlo por supuesto.

• Precios: $0.20 por millón de tokens de entrada, $0.80 por millón de tokens de salida y $0.04 por millón de tokens de entrada en caché.

• Comportamiento de servicio medido: aproximadamente 196 tokens de salida por segundo y 0,62 segundos hasta el primer token en la mediana, con una disponibilidad reportada de prácticamente el 100 % durante el último día en el único proveedor de servicio.

El precio y el descuento que no aparecen en el listado internacional.

La propia plataforma de KT vende actualmente el modelo por debajo de su precio de lista. La página de Token Factory muestra la entrada a ₩190 por millón de tokens frente a ₩271 tachado, y la salida a ₩759 frente a ₩1.085, lo que supone un descuento promocional del 30 % aplicado a las mismas tarifas de $0,20 y $0,80 que indica el listado internacional. La entrada en caché sigue el mismo patrón: $0,03 con la tarifa promocional, $0,04 a precio de lista.

Dos cosas se desprenden. Primero, el precio efectivo hoy es de $0.14 de entrada y $0.56 de salida si compras directamente a KT, y de $0.20 / $0.80 si accedes al modelo a través de un catálogo de terceros que traslada la tarifa de lista. Segundo, el precio promocional de un modelo tan nuevo es un instrumento de lanzamiento, no una tarifa oficial, y terminará sin mucho aviso. Un modelo de costes basado en $0.14 debería recalcularse con $0.20 antes de usarse para justificar cualquier cosa.

Incluso a precio de lista, la posición es contundente. Veinte centavos por millón de tokens de entrada es aproximadamente una doscentésima parte de lo que cobran los modelos de frontera —Claude Opus 5.5 cuesta $4 y $20, Gemini 4 Argon cuesta $2 y $10— y es más barato que el propio nivel insignia de DeepSeek, a $0.66 y $1.98 en horas valle. Que eso sea una ganga o una advertencia depende por completo de la capacidad, y la capacidad es la única cifra que nadie tiene.

La brecha de medición, expresada con precisión

Tres cosas se confunden habitualmente con referentes, y ninguna de ellas lo es.

El primero es el anuncio de KT. Los materiales de AID-X Day y la ficha del modelo describen arquitectura, cuantización y contexto, y no publican una tabla de puntuaciones frente a evaluaciones con nombre. No hay una cifra de Terminal-Bench reportada por el proveedor, ni una cifra de SWE-bench, ni un resultado de benchmark en coreano sobre el que discutir. Eso es inusual para un lanzamiento de 2026 —la mayoría de los laboratorios publican una tabla incluso cuando la tabla es interesada— y significa que no hay nada que descontar.

El segundo es Artificial Analysis, el evaluador independiente en el que se basan la mayoría de las comparaciones de este blog. A 11 de noviembre de 2026 no tiene una página para el modelo: la ruta del modelo devuelve un 404 y el modelo no aparece en su índice. Es la señal más clara disponible de que el modelo no se ha sometido de forma independiente a una suite estándar.

El tercero es el compuesto del agregador. Al menos un sitio de comparación de modelos publica una puntuación «general» de 40 sobre 100 y un puesto en programación del n.º 185 de 445 para Mi:dm K 3.0 Pro. Esos números no son resultados de referencia. Son una combinación ponderada de precio, actualidad, longitud de contexto, capacidad de salida y una señal de capacidad; y en ese sitio solo el precio tiene el 25 % del peso y el contexto el 15 %. Un modelo tan barato y tan nuevo puntúa bien en dos de las cinco entradas por construcción. Leído como resumen de ficha técnica, está bien; leído como medición de capacidad, es circular.

Así que el estado real de la situación es el siguiente: una descripción de la arquitectura por parte del proveedor, un precio, una ventana de contexto y nada que indique si el modelo es bueno. Cualquiera que publique esta semana una tabla comparativa con las puntuaciones de benchmark de Mi:dm K 3.0 Pro o se las inventó o copió a alguien que lo hizo.

Dónde encaja realmente en el mercado

Lo más parecido a una declaración de posicionamiento proviene de la propia historia de KT y no de la ficha de este modelo. KT ha gestionado la línea Mi:dm como una familia centrada en Corea: Mi:dm 2.0 se lanzó como un modelo base-instruct de 12B y un mini de 2B, ambos publicados como pesos abiertos en Hugging Face en julio de 2025, y los materiales empresariales describen la familia como ajustada para la sociedad, la cultura y el conocimiento de dominio coreanos, en lugar de para benchmarks de programación en inglés. Un híbrido de 120B a este precio es ese programa ampliado, no un giro hacia la frontera global.

Ese enfoque le dice a un comprador qué probar primero. Si la carga de trabajo es atención al cliente en coreano, texto regulatorio nacional o un corpus de dominio cuyo vocabulario es coreano, un modelo entrenado para eso es una propuesta distinta de un modelo de frontera con competencia en coreano añadida de forma artificial. Si la carga de trabajo es codificación agéntica en inglés sobre un repositorio grande, este es un modelo barato sin evidencia que lo respalde y con una ventana de contexto de una cuarta parte del tamaño de la de los líderes.

También conviene dejar claro qué no es abierto. Los pesos de Mi:dm 2.0 son públicos; los de Mi:dm K 3.0 Pro, no. No hay ningún repositorio en la organización de KT en Hugging Face que lleve el nombre 3.0, y el modelo se sirve únicamente a través de la plataforma de KT. Eso deja fuera el autoalojamiento, el ajuste fino en tu propio hardware y toda una clase de evaluaciones que requieren descargar el checkpoint.

Cómo llamarlo y qué significa el proveedor único

Mi:dm K 3.0 Pro lo sirve exactamente un proveedor —KT— y OrcaRouter no lo enruta actualmente. Eso importa por una razón concreta, no como una advertencia. Un modelo de un solo proveedor no puede aplicar conmutación por error. Si el endpoint de KT se degrada, no hay un segundo host al que redirigir, y la cifra de disponibilidad que se cita para el modelo es una medición de la infraestructura de una sola empresa, no la de un mercado. Los equipos que necesitan una garantía estricta de disponibilidad suelen querer un segundo proveedor o un respaldo a nivel de aplicación, y para este modelo solo existe la segunda opción.

El conjunto de comparación es otra historia. OrcaRouter ofrece más de 200 modelos con una sola clave al precio de lista del proveedor con 0 % de recargo adicional, así que los modelos económicos con los que este compite realmente —los niveles de D​eepSeek, la línea G​LM, Q​wen— y los modelos de frontera contra los que se mide están en el mismo endpoint y en la misma factura. Eso hace que una prueba comparativa directa sea un cambio de enrutamiento en lugar de un proyecto de adquisición, que es la forma sensata de responder la pregunta que esta página no puede: envía los mismos 50 prompts a Mi:dm K 3.0 Pro y a dos modelos en los que ya confías, y puntúa tú mismo los resultados. A $0.20 de entrada y $0.80 de salida, ese experimento cuesta céntimos.

¿Qué cambiaría esta página?

Cuatro avances lograrían que el Mi:dm K 3.0 Pro pasara de «precio interesante, modelo desconocido» a algo con lo que un equipo pueda planificar, y cada uno es verificable.

Una evaluación independiente. Una sola entrada en Artificial Analysis con una puntuación del Intelligence Index y un coste por tarea haría más por la reputación de este modelo que cualquier nota de prensa, porque pondría la cifra junto a los modelos frente a los que se fija su precio —el mismo índice sitúa a Claude Opus 5.5 en 58 y a DeepSeek V4 Pro en 36, y una cifra en esa banda zanjaría la discusión sobre si el descuento es compensación o arbitraje.

Una hoja de benchmarks de proveedor publicada. La ausencia es lo bastante llamativa como para que su aparición fuera, por sí misma, una noticia, y al menos daría a las afirmaciones de los propios diseñadores del modelo algo con lo que contrastarlas.

Un segundo proveedor de servicio. Dos hosts independientes harían posible la conmutación por error y permitirían que un comprador considerara el precio como una tarifa de mercado y no como una promocional.

Pesos. KT hizo público Mi:dm 2.0 y no ha hecho público este. Si eso cambia, el modelo se vuelve evaluable por cualquiera con una GPU, y la brecha de medición se cierra sin esperar a un evaluador.

Hasta que ocurra al menos una de esas cosas, la afirmación defendible sobre Mi:dm K 3.0 Pro es limitada y concreta: un modelo híbrido de mezcla de expertos de 120B, 12B activos, contexto de 262K, solo texto, servido por un único proveedor desde un checkpoint cuantizado, a un precio que es un orden de magnitud inferior al de todos los modelos de frontera — y sin evidencia publicada de qué tan bien funciona. Eso basta para justificar una prueba barata. No basta para justificar una migración.