Step 5 Preview vs Kimi K3.1 Pro: ambos modelos fueron reevaluados la semana pasada. Esto es lo que sobrevive

Si hace una semana hubiera consultado Step 5 Preview y Kimi K3.1 Pro, habría obtenido dos cifras: 44 y 55. Ambas han desaparecido. Los días 27 y 28 de octubre de 2026, Artificial Analysis sustituyó su Intelligence Index por la versión 5, que obtiene el 60 % de su puntuación a partir de conjuntos de pruebas privados o reservados, y el mismo modelo puntuado con la rúbrica antigua y con la nueva no constituye la misma medición. Step 5 Preview obtiene 29 con la v5. Kimi K3.1 Pro obtiene 46. La diferencia de nueve puntos entre ambos es ahora una comparación que se puede hacer con honestidad, y es una diferencia distinta de aquella en torno a la cual se escribió la cobertura del lanzamiento.

Lo que sigue es esa comparación, además de la parte que nadie pone en una tabla comparativa: los dos modelos están en lados opuestos de una cuestión de pesos que se resolverá el 4 de noviembre, y hoy solo se puede invocar a uno de ellos a través de OrcaRouter.

Los dos números que todo el mundo cita ahora están ambos equivocados

Kimi K3.1 Pro se lanzó el 23 de octubre de 2026 con una puntuación de 55 en el Intelligence Index y un debut en cuarto lugar, once puntos por encima de Kimi K3. Cuatro días después, marcaba 46. Nada del modelo había cambiado; lo que cambió fue la vara de medir. Artificial Analysis reconstruyó el índice compuesto en nueve evaluaciones repartidas en cuatro categorías —Trabajo del Conocimiento, Programación, Ciencia y General— y eliminó tres de las anteriores, entre ellas GDPval-AA v2.1, SciCode y AA-LCR v1.1. Añadió FrontierCode 2.0, un conjunto de 132 tareas privadas de programación que se califican según si vale la pena fusionar un parche, y Terminal-Bench-Science.

Step 5 Preview sufrió el mismo golpe, y más fuerte. Marca 29 con v5.0, frente a 44 con el índice anterior, y pierde más de su evidencia de respaldo que Kimi, porque el material de lanzamiento de StepFun se apoyaba precisamente en las evaluaciones que se eliminaron. El 88,3 en AA-LCR y el 58,9 en SciCode que aparecen en la mayoría de la cobertura de este modelo ahora son puntuaciones de benchmarks que ya no contribuyen al índice principal. Siguen siendo mediciones reales de algo. Ya no son lo que mide el índice.

La consecuencia en la clasificación merece decirse sin rodeos: con la v5, un modelo de pesos abiertos —o con promesa de pesos abiertos— con 46 está 12 puntos por detrás del líder con 58, mientras que con la v4 la diferencia había sido de 3. Eso es una afirmación sobre la rúbrica, no sobre un colapso repentino de capacidad, y cualquier artículo que lo presente como esto último está malinterpretando su propia fuente.

Las líneas de especificación, una dimensión a la vez.

• Parámetros totales y activos — Step 5 Preview: 600B totales, 27B activos por token, 8 de 352 expertos más uno compartido. Kimi K3.1 Pro: 2.8T totales, 104B activos.

• Qué tipo de lanzamiento fue — Step 5 Preview: un nuevo buque insignia distribuido en forma de vista previa, con los pesos a continuación. Kimi K3.1 Pro: una versión postentrenada de Kimi K3 con mayor cómputo de postentrenamiento, incluido aprendizaje por refuerzo conjunto en cientos de dominios — no una nueva arquitectura.

• Ventana de contexto — Vista previa del paso 5: 1M de tokens. Kimi K3.1 Pro: 1.048.576 tokens.

• Modalidades de entrada — Step 5 Preview: texto, imágenes y vídeo. Kimi K3.1 Pro: texto e imágenes.

• Precio de entrada por millón de tokens — Step 5 Preview: $1.00. Kimi K3.1 Pro: $2.00, plano en toda la ventana de contexto, sin recargo por contexto largo.

• Precio por millón de tokens de salida — Step 5 Preview: $2.70. Kimi K3.1 Pro: $10.00.

Entrada en caché — Vista previa del paso 5: un descuento del 90 % sobre la tarifa de entrada. Kimi K3.1 Pro: 0,20 $ por millón para leer, con escrituras en caché a 2,00 $ con un TTL de cinco minutos y 4,00 $ con un TTL de una hora.

• Pesos — Step 5 Preview: publicados el 15 de octubre de 2026, BF16 y FP8, bajo la StepFun Model License 1.0. Kimi K3.1 Pro: no publicados; Moonshot ha dicho que se esperan los pesos para el 4 de noviembre de 2026.

• Puntuación independiente según Intelligence Index v5.0 — Vista previa del paso 5: 29. Kimi K3.1 Pro: 46.

Costo por tarea finalizada, con la salvedad adjunta

Artificial Analysis reporta 2,35 dólares por tarea del Índice de Inteligencia para Step 5 Preview y 1,98 dólares para Kimi K3.1 Pro. Eso parece una pequeña ventaja para Kimi, y vale la pena entender por qué no es obviamente una ventaja.

Las dos cifras no se produjeron sobre el mismo conjunto de tareas, porque el conjunto de tareas se reconstruyó entre las dos mediciones. Ambas son el "costo por tarea de índice" bajo cualquiera que fuera el compuesto vigente cuando se tomó el número, lo que hace que la comparación sea, en el mejor de los casos, direccional. Lo que no es ambiguo es el mecanismo: Kimi K3.1 Pro es verboso, ya que gasta alrededor de 55.000 tokens de salida por tarea y 150 millones a lo largo de una ejecución completa, frente a una mediana de 87 millones, y a 10 USD por millón de salida, esa verbosidad resulta costosa. Sus 1,98 USD son consecuencia de terminar en menos pasos facturables, no de un token más barato.

Step 5 Preview es el token más barato por un factor de 3,7 en salida y 2 en entrada, y el modelo más rápido por un amplio margen en la medición disponible: 179,1 tokens de salida por segundo en la API de StepFun frente a una mediana de la clase de 74,1, donde Kimi K3.1 Pro mide alrededor de 73. Si tu carga de trabajo es sensible a la latencia y con mucho volumen de salida, ese orden coincide con el orden de precios y la decisión es fácil. Si tu carga de trabajo es una en la que la diferencia de calidad de respuesta de 17 puntos de índice importa más que el tiempo hasta el primer token, los mismos números apuntan en sentido contrario.

Pesos: uno está fuera, el otro es una promesa con fecha.

Esta es la asimetría que ocultan las tablas de benchmarks. Los pesos de Step 5 Preview se pueden descargar desde el 15 de octubre: checkpoints BF16 y FP8 en Hugging Face y ModelScope, recetas para vLLM y SGLang el mismo día, y un blog técnico que describe la pila estrecha y profunda de 92 capas y el patrón de atención GQA disperso. El checkpoint FP8 requiere aproximadamente 773 GB de VRAM y al menos cuatro GPU, con B300 como objetivo predeterminado y ocho H200 en la ruta Hopper. La licencia es propia de StepFun, no aprobada por la OSI: atribución en los resultados materialmente utilizados, una negociación aparte para los fabricantes de hardware y una licencia comercial para los operadores de modelo como servicio con ingresos anuales superiores a 20 millones de dólares.

Los pesos de Kimi K3.1 Pro no existían el día del lanzamiento —Artificial Analysis seguía clasificando el modelo como propietario el 24 de octubre— y la fecha anunciada es el 4 de noviembre de 2026. Cuando lleguen, el modelo de Moonshot se convertirá en el modelo descargable con la puntuación más alta del índice v5, lo que es un acontecimiento realmente significativo para cualquiera que quiera una capacidad cercana a la frontera sin un proveedor de por medio.

Hasta el 4 de noviembre, la comparación es entre un modelo que puedes ejecutar y un modelo al que solo puedes llamar. Eso no es una desventaja permanente para Kimi, pero sí es una desventaja real esta semana, y es la razón por la que una decisión tomada hoy puede no ser la decisión que tomarías dentro de nueve días.

Dónde se puede llamar a cada uno ahora mismo

De estos dos modelos, uno está en OrcaRouter y el otro no. Kimi K3.1 Pro está en el catálogo activo como kimi/kimi-k3.1-pro, junto con otros cinco modelos Kimi. Step 5 Preview no está: el catálogo contiene 214 ID de modelo de 16 proveedores, y no hay ninguna entrada de StepFun en él a fecha de 29 de octubre de 2026. Si quieres Step 5 Preview hoy, llama a la propia API de StepFun o alojas tú el checkpoint.

Esa asimetría es la parte útil de esta comparación para una decisión de enrutamiento. Como trasladamos el precio de lista del proveedor sin margen, la tarifa de Kimi que ves aquí es la tarifa de Moonshot — $2.00 y $10.00 — y lo mismo ocurre con cualquier recorte de precios que Moonshot haga más adelante. Y como la conmutación por error es automática, la versión práctica de «Kimi es la opción barata y mesurada» es que puedes ponerlo primero en una cadena y dejar que la plataforma recurra al respaldo cuando un proveedor se degrade, en lugar de codificar un mecanismo de respaldo en tu cliente y mantenerlo.

La pregunta sobre la migración, si estás cambiando

Tres cosas te costarán tiempo, sin importar en qué dirección te muevas.

El primero es el volumen de salida. El perfil de costes de Kimi K3.1 Pro está dominado por cuánto escribe, no por su tarifa. Un prompt que produce una respuesta concisa en Step 5 Preview puede producir el triple de tokens en Kimi, y tu factura dependerá de los tokens, no de la tarifa. Mide los tokens de salida por tarea en tu propia carga de trabajo antes de comparar siquiera los dos precios.

El segundo es la economía de la caché. Step 5 Preview aplica un descuento del 90 % a la entrada en caché. Kimi K3.1 Pro cobra 0,20 $ por millón por leer una caché, pero también cobra por escribirla: 2,00 $ con un TTL de cinco minutos y 4,00 $ con un TTL de una hora. Un bucle de agente que reenvía un prompt de sistema largo en cada paso es una propuesta muy distinta con esos dos esquemas, y la tarjeta que parece más barata no siempre es el bucle más barato.

El tercero es la sensibilidad al harness. La propia tabla de Moonshot sitúa a Kimi K3.1 Pro en un 65,7 % en Terminal-Bench 4.0, frente al 66,4 % de Claude Opus 5.5 y el 58,2 % de GPT-6 Astra; el evaluador independiente informa de un 67 % para el mismo modelo. Las cifras de Terminal-Bench varían en decenas de puntos según el scaffolding, así que una diferencia de 1,7 puntos entre las ejecuciones de dos laboratorios no es una medición de una diferencia de capacidad de 1,7 puntos. Considera cada fila entre proveedores de esta comparación como una afirmación sobre la dirección.

Qué hacer esta semana, concretamente: si tu carga de trabajo es de contexto largo, intensiva en salida y sensible a la latencia, Step 5 Preview a $1.00 y $2.70 es el experimento más económico, y los pesos lo convierten en uno portátil. Si el trabajo es codificación agéntica en la que la calidad del parche es todo el producto, el 46 de Kimi K3.1 Pro en v5 y su 67% en Terminal-Bench 4.0 lo convierten en la compra más sólida, y el 4 de noviembre es la fecha que lo transforma de una apuesta en un activo. En cualquier caso, no bases ninguna decisión en el 44 y el 55. Esos números pertenecen a una rúbrica que ya no existe.