Kimi K3.1 Pro vs. K3: qué ha cambiado, cuánto cuesta y quién debería cambiarse

Kimi K3.1 Pro es la primera actualización de Kimi K3, el modelo de pesos abiertos de 2.8 billones de parámetros que Moonshot AI lanzó el 16 de julio de 2026. Se lanzó entre el 23 y el 24 de octubre de 2026 en la app Kimi, Kimi Code y la API de Kimi. La publicación de lanzamiento de Moonshot lo describe como «el primer modelo de nuestra nueva serie K3.1 y nuestro modelo de pesos abiertos de clase 3T más capaz hasta la fecha»: una versión de K3 con entrenamiento posterior, entrenada con mucho más cómputo de entrenamiento posterior en «cientos de dominios posteriores». Moonshot afirma que ofrece mejoras en programación, creación 3D e investigación y modelado financieros. La variante K3.1 Pro Highspeed ofrece capacidades idénticas a una velocidad aproximadamente dos o tres veces mayor, y se espera que los pesos completos estén disponibles antes del 4 de noviembre de 2026.

La respuesta breve: para el código de la API, basta con cambiar el ID del modelo. kimi-k3.1-pro tiene las mismas restricciones de parámetros que kimi-k3, así que se mantienen los valores de muestreo fijos, los tres niveles de esfuerzo y el valor predeterminado máximo. El primer cambio que notarás es más sutil. En Kimi Code, K3 funcionaba por defecto con esfuerzo alto, mientras que K3.1 Pro funciona con esfuerzo máximo. Espera más razonamiento por tarea y, por tanto, más tokens o un mayor consumo de la cuota de tu plan por tarea.

En cuanto al precio, K3.1 Pro cuesta menos por token. AIHubMix lo ofrece a $2.00 por millón de tokens de entrada y $10.50 por millón de tokens de salida, frente a $2.84 y $14.20 para K3; además, una tabla de precios en yuanes que circuló el día del lanzamiento muestra una reducción similar en Moonshot. Al momento de escribir este artículo, no se pudo confirmar el precio de lista en USD de Moonshot. Las pruebas comparativas que Moonshot publicó por cuenta propia muestran mejoras claras frente a K3 en sus propias pruebas de programación, alucinaciones y finanzas. La verdadera pregunta es si esas mejoras, con un menor precio por token, compensan que el modelo dedique más tiempo a tus tareas.

K3 y K3.1 Pro, frente a frente

La columna de K3 se basa en la guía de Kimi K3 y la ficha del modelo de Moonshot. La columna de K3.1 Pro se basa en la guía de inicio rápido de K3.1 Pro de Moonshot y en su documentación de modelos de Kimi Code, que también indica los valores predeterminados de Kimi Code para ambos modelos. Los ID de Highspeed son kimi-k3.1-pro-highspeed en la API y k3.1-pro-highspeed en Kimi Code. En Kimi Code, la ventana completa de 1M está disponible en los planes de nivel superior. Moonshot aún no ha publicado el recuento de parámetros activos de K3.1 Pro ni ha dicho qué licencia tendrán sus pesos.

Cómo salió a la luz K3.1 Pro

La serie K3.1 se filtró por partes durante un mes. El rastreador de CometAPI recopiló las filtraciones, que también fueron reportadas por Wccftech, AIBase y usuarios de LINUX DO. Moonshot no confirmó ninguna antes de publicar su video de adelanto.

• 23 de septiembre: un fragmento de configuración publicado en X mostraba el identificador k3d1-agent, tres niveles de esfuerzo (Low, High, Max), una opción de contexto «Extra Long» de hasta 1M de tokens y opciones para los modos de agente, enjambre, búsqueda y procesamiento por lotes.
• 28 de septiembre: unos desarrolladores encontraron kimi-k3-1 en el registro de modelos de la plataforma API de Moonshot e informaron que respondía a las llamadas. La vista previa de la plataforma abierta mostraba el mismo precio que K3.
• 21 de octubre: la configuración model_switch_confirm de Kimi Code empezó a devolver una regla que cambia k3, K3, kimi-k3, k3-256k, kimi-for-coding y kimi-for-coding-highspeed a k3.1. Dos días después, el modelo se lanzó en Kimi Code como k3.1-pro.
• 22 de octubre: un modelo anónimo llamado Kibitz apareció en Code Arena de Arena. La huella de su tokenizador lo vinculó con Kimi, y el nombre sigue el patrón de Moonshot (K3 se probó con el nombre Kivine). Los enfrentamientos de una sola pregunta de los evaluadores fueron favorables, y uno de ellos situó una creación 3D cerca de Claude Opus 5.5 con esfuerzo medio. Arena no publicó ninguna puntuación.
• 23 de octubre: la cuenta oficial de Kimi publicó un adelanto de 24 segundos. Se ve una terminal de Kimi Code que muestra «Model: Kimi K3.1» mientras el modelo escribe una escena 3D de Three.js.
• 23–24 de octubre: Moonshot añadió K3.1 Pro y K3.1 Pro Highspeed a la documentación de Kimi Code, donde se indica que el modelo «ya está totalmente disponible en Kimi Code». La publicación de lanzamiento estuvo disponible brevemente y luego se retiró; esa misma noche volvió a publicarse con la tabla completa de pruebas comparativas, junto con la documentación de la API para kimi-k3.1-pro y kimi-k3.1-pro-highspeed.

La mayoría de las opciones filtradas describían funciones que K3 ya tenía: tres niveles de esfuerzo, una ventana de contexto de 1M y el modo de enjambre existente de Kimi. El lanzamiento lo confirmó. K3.1 Pro conserva el contrato de solicitudes de K3; las novedades son el entrenamiento posterior adicional, el valor predeterminado de esfuerzo máximo en Kimi Code y la variante Highspeed.

Qué sigue igual y qué hay que volver a comprobar

Moonshot afirma que kimi-k3.1-pro tiene «las mismas restricciones de parámetros que kimi-k3», así que el código que funciona con K3 solo necesita el nuevo ID. Estas son las reglas que se mantienen:

• El razonamiento siempre está activado. Moonshot afirma que las solicitudes que lo desactivan se rechazan con HTTP 400; los ID principales de AIHubMix no las rechazaron (ver más abajo).
• reasoning_effort acepta low, high o max y, de forma predeterminada, usa max. No hay un nivel medio, pese a que un informe previo al lanzamiento mencionaba uno: Kimi Code convierte medium en high, xhigh y ultra en max, y minimum y light en low. En Kimi Code, off, none, disabled o un valor desconocido devuelve un error 400.
• Los valores de muestreo son fijos: temperature 1.0, top_p 0.95, n 1 y ambos valores de penalización en 0. Omítelos; cualquier otro valor devuelve un error en la API de Moonshot.
• tool_choice acepta required, igual que en K3.
• max_completion_tokens tiene un valor predeterminado de 131,072 y llega hasta 1,048,576, dentro de una ventana de contexto de 1M.
• Cambiar de modelo o de nivel de esfuerzo invalida la caché. En Kimi Code, Moonshot recomienda no cambiar a K3.1 Pro dentro de una sesión existente de K3, K2.8 Preview o K2.7 Code Highspeed, porque la calidad de las respuestas disminuye y bajan los aciertos de caché.

Al igual que con K3, en los ciclos de varios turnos y de herramientas se debe devolver el mensaje completo del asistente, incluido reasoning_content.

Qué midió AIHubMix. El 24 de octubre, AIHubMix probó ambos modelos con sus ID principales, kimi-k3.1-pro y kimi-k3.1-pro-highspeed, y con su canal de programación, coding-kimi-k3.1-pro y coding-kimi-k3.1-pro-highspeed, que sigue la correspondencia entre niveles de esfuerzo de Kimi Code:

• Chat Completions (con reasoning_content) y Messages (bloques de pensamiento y texto) devolvieron 200 con ambos. Responses API solo devolvió 200 en el canal de programación; los ID principales devolvieron un 404: «The model kimi-k3.1-pro is not available on this endpoint.» Así que, en el lanzamiento, Codex, que usa Responses, necesitaba el ID del canal de programación en AIHubMix.
• Todos los valores de reasoning_effort probados (low, medium, high, max, xhigh) devolvieron 200. La pasarela los acepta todos, pero Moonshot solo documenta low, high y max, así que no interpretes los valores adicionales como niveles extra. off y un valor desconocido también devolvieron 200, y none o un campo thinking: {"type": "disabled"} devolvieron 200 sin ningún razonamiento: en AIHubMix, desactivar el pensamiento falla silenciosamente, no con un error 400.
• temperature=0.2 devolvió un 400 con los ID principales: «invalid temperature: only 1 is allowed for this model». El canal de programación lo aceptó. Un campo thinking: {"type": "enabled"} heredado de K2.x devolvió 200 con ambos.
• El formato de salida estructurado ahora funciona con la API Messages. Una solicitud json_schema cuya instrucción no pedía JSON devolvió {"city":"Paris"}. En la prueba de julio de AIHubMix, K3 había ignorado silenciosamente el esquema en ese caso.
• El almacenamiento en caché es automático: en el canal de programación, una instrucción repetida volvió con toda la instrucción contabilizada como tokens en caché.

La publicación sobre la migración de esta serie analiza cada uno de estos casos como un posible error, con el texto del error y su solución.

Pruebas comparativas: frente a K3 y al nivel superior

Las cifras son datos de lanzamiento autodeclarados por Moonshot, procedentes de su publicación de lanzamiento de K3.1 Pro y, para K3, de su ficha del modelo en GitHub. Los entornos de prueba varían según el modelo (K3.1 Pro se ejecutó principalmente en un entorno de Claude Code), y todavía nadie ha reproducido las cifras.

De K3 a K3.1 Pro. Estos son los pares que Moonshot midió del mismo modo en ambos modelos:

Kimi Code Bench, Kimi Hallu Bench y los dos conjuntos de pruebas financieras son pruebas internas de Moonshot. El par de Kimi Code Bench 2.0 se ejecutó en un entorno de Claude Code (la puntuación destacada de 72.9 de K3 se obtuvo con Kimi Code), y Hallu Bench Hard se ejecuta con herramientas. Todos los pares mejoraron: entre 3 y 8 puntos en las pruebas de programación, entre 7 y 12 puntos en las pruebas financieras, y la tasa de alucinaciones en la prueba difícil bajó de 23.4 a 8.3. Terminal-Bench, SWE Marathon y ProgramBench aparecen en ambos lanzamientos, pero con versiones o métodos de puntuación diferentes, así que no se pueden comparar las puntuaciones de K3 de 88.3, 42.0 y 77.8 con las de K3.1 Pro de 65.7, 51.7 y 31.5.

Frente al nivel superior. Kimi no tiene ningún modelo superior a K3.1 Pro, así que la comparación relevante es con los modelos cerrados de la tabla de Moonshot. Moonshot los ejecutó con esfuerzo máximo y señala que «las pruebas de modelos propietarios pueden incluir cierto comportamiento de reserva».

En la propia tabla de puntuaciones de Moonshot, K3.1 Pro lidera en las cuatro pruebas de programación sostenida durante mucho tiempo (SWE Marathon v1.1) y en HLE con herramientas, y supera por poco a los demás en DeepSWE v1.1. En Terminal-Bench 4.0 vence a Fable 5.1 y GPT-6 Astra y queda a menos de un punto de Opus 5.5; en GDPval-AA, se sitúa justo por detrás de Opus 5.5. Se queda claramente atrás en ProgramBench, donde Opus 5.5 obtiene aproximadamente el doble de puntuación, en HLE sin herramientas y en la Design Bench interna de Moonshot, donde lidera GPT-6 Astra. K3 debutó en lo más alto de la clasificación Frontend Code de Arena, con 1,679; K3.1 Pro no tenía puntuación en Arena cuando se lanzó.

Precio y coste real

Los precios son por millón de tokens. El precio de K3.1 Pro en AIHubMix es un 30% inferior al de K3 en entrada y un 26% inferior en salida; Highspeed cuesta exactamente el doble que K3.1 Pro tanto en entrada como en salida, y mantiene el mismo precio para los aciertos de caché. No se pudo confirmar el precio oficial en USD de K3.1 Pro de Moonshot al momento de redactar este artículo, así que la columna oficial muestra un guion. OpenAI ofrece una tarifa promocional de $4 / $20 para GPT-5.6 Sol, que, según se informa, estará vigente al menos hasta el 21 de noviembre de 2026. Los aciertos de caché en AIHubMix cuestan $0.20 por millón para K3.1 Pro y Highspeed, frente a $0.284 para K3 ($0.30 en Moonshot). Desde la actualización de facturación de Moonshot, las escrituras en caché de K3 aparecen en una línea aparte: $3.00 por millón para la duración predeterminada de 5 minutos y $6.00 para una hora. En la API de Moonshot, K3.1 Pro sigue el mismo patrón: precios fijos independientemente del tamaño del contexto, escrituras en caché facturadas según su duración y tokens de razonamiento facturados como salida en todos los niveles de esfuerzo. Las páginas de modelos de AIHubMix solo indican los precios de entrada, salida y aciertos de caché, sin una tarifa aparte para las escrituras en caché.

Precios en yuanes publicados por Moonshot. Una tabla de precios que circuló el día del lanzamiento muestra la tarifa china de Moonshot para K3.1 Pro y K3.1 Pro Highspeed, incluidas las escrituras en caché. No se ha confirmado con la página de precios de Moonshot:

Por millón de tokens, en CNY. La fila de K3 coincide con la tarifa china de Moonshot. Si la tabla es correcta, Moonshot redujo el precio de K3.1 Pro un 35% en entrada, un 32% en salida y un 35% en aciertos de caché, algo más que la reducción de AIHubMix. Highspeed cuesta el doble que K3.1 Pro en entrada, salida y escrituras en caché, pero mantiene el mismo precio para los aciertos de caché; así, supera a K3 en un 30% en entrada y un 36% en salida. Las tarifas de Moonshot en USD y CNY no están vinculadas a un tipo de cambio fijo, por lo que las cifras en yuanes no indican su precio en dólares.

El coste de una tarea. En julio, AIHubMix pidió a K3 que creara un juego HTML de un solo archivo a partir de una instrucción y una imagen de referencia. La ejecución duró 2,541 segundos (unos 42 minutos) y produjo 1,275 líneas de código funcional. Consumió 74,994 tokens de finalización, de los cuales 54,486 (73%) se dedicaron al razonamiento. Se ejecutó con el nivel máximo de esfuerzo, el único que K3 aceptaba entonces y el predeterminado de K3.1 Pro hoy. No se registró el tamaño de la entrada, así que las estimaciones siguientes suponen 5,000 tokens de entrada. Los precios son los de AIHubMix.

• K3: 5,000 × $2.84/M + 74,994 × $14.20/M ≈ $1.08
• GPT-5.6 Sol, mismos recuentos de tokens: ≈ $1.52
• Claude Fable 5.1, mismos recuentos de tokens: ≈ $4.18
• K3.1 Pro, mismos recuentos de tokens: 5,000 × $2.00/M + 74,994 × $10.50/M ≈ $0.80
• K3.1 Pro Highspeed, mismos recuentos de tokens: 5,000 × $4.00/M + 74,994 × $21.00/M ≈ $1.59

Suponer que los recuentos de tokens son iguales es solo una aproximación, y los recuentos reales pueden hacer variar el resultado en ambos sentidos. En una prueba práctica de desarrollo de Chase AI, K3 usó 21.5 millones de tokens, frente a los 3.5 millones de Claude Fable 5: unas seis veces más. Con esa proporción, Fable 5 terminaría el juego con unos 12,200 tokens y un coste aproximado de $0.73, menos que los $1.08 de K3 y los $0.80 de K3.1 Pro, aunque su precio de salida sea casi cuatro veces mayor. En las tareas de referencia de Artificial Analysis, la diferencia fue en sentido contrario: Fable 5.1 promedió 78,000 tokens de salida por tarea, frente a los 48,000 de K3, y costó $7.63 por tarea, frente a los $2.00 de K3.

El tiempo que dedica un modelo al razonamiento depende de la tarea. En una pequeña comprobación puntual de AIHubMix el 24 de octubre, una instrucción para redactar un texto explicativo de 600 palabras con esfuerzo bajo hizo que K3.1 Pro razonara entre 5,561 y 7,356 tokens antes de responder, y K3 entre 3,013 y 7,051: cantidades similares. La diferencia estaba en la velocidad. K3.1 Pro generó unos 86 tokens por segundo, frente a los 22 a 26 de K3, así que respondió en 80 a 99 segundos, mientras K3 tardó 154 a 309. Se trata de una sola instrucción y tres ejecuciones por modelo con los ID principales de AIHubMix, no de una prueba de referencia. Aun así, la reducción de una cuarta parte en el precio de salida solo supone una cuarta parte menos en la factura si K3.1 Pro no razona durante más tiempo que K3 en tus tareas; por eso, mide los tokens por tarea antes de calcular el ahorro.

Cuándo K3.1 Pro no es la opción evidente

• Trabajos sensibles a la latencia. K3.1 Pro siempre razona, usa el nivel máximo de forma predeterminada y no permite desactivar el razonamiento. La ejecución del juego de K3 tardó 42 minutos en una sola solicitud y, en la comprobación puntual anterior, incluso con esfuerzo bajo, K3.1 Pro tardó entre 71 y 91 segundos en generar el primer token de respuesta (K3, entre 132 y 280). Highspeed genera la salida unas 2–3 veces más rápido, pero Moonshot afirma que «solo acelera la salida del modelo», así que las llamadas a herramientas y la ejecución de scripts siguen igual. Si los usuarios esperan cada respuesta, es más adecuado un modelo más rápido que no razone, aunque la calidad sea la misma.
• Flujos de trabajo que necesitan controlar la temperatura. K3.1 Pro conserva el valor de muestreo fijo de K3, 1.0, y en los ID principales de AIHubMix, una temperatura de 0.2 devuelve un error 400. El canal de programación aceptó el parámetro, pero una respuesta 200 no demuestra que se haya aplicado. Si dependes de una temperatura de 0 para obtener resultados repetibles, K3.1 Pro no te la ofrece.
• Trabajos similares a los de sus pruebas de referencia más débiles. En la tabla de Moonshot, obtiene la mitad de la puntuación de Claude Opus 5.5 en ProgramBench, queda por detrás de los tres modelos cerrados en HLE sin herramientas y de GPT-6 Astra en Design Bench. Prueba tareas de ese tipo antes de cambiar.
• Tareas en las que el modelo del nivel superior razona menos. Como muestra el desarrollo de Chase AI, un modelo más caro que razona menos puede costar menos por tarea. Mide tu propia carga de trabajo antes de dar por hecho que K3.1 Pro es la opción más barata.
• Planes inferiores de Kimi Code. K3.1 Pro requiere Plus o superior en los nuevos planes (Moderato o superior en los antiguos), y su ventana de 1M requiere Pro (Allegretto). Highspeed requiere Pro o superior (Allegretto).

Quién debería cambiar y quién debería esperar

• Usuarios de Kimi Code: K3.1 Pro ya está disponible como k3.1-pro. Inicia una sesión nueva con este modelo en vez de cambiar una sesión existente de K3, K2.8 Preview o K2.7 Code Highspeed; Moonshot afirma que cambiar de modelo a mitad de una sesión reduce la calidad de salida y los aciertos de caché. El nivel predeterminado será el máximo, en lugar del nivel alto que usaba K3, así que vigila tu cuota durante la primera semana. Si se agota más rápido, baja las tareas rutinarias al nivel alto, pero no esperes que el nivel bajo sea barato: en la comprobación puntual de AIHubMix, K3.1 Pro con esfuerzo bajo aun así razonó durante 5,561 a 7,356 tokens.
• Usuarios de la API de K3: cambia kimi-k3 por kimi-k3.1-pro, con las mismas restricciones de parámetros. En la propia API de Moonshot, se desbloquea después de añadir $1; AIHubMix lo ofrece con el mismo ID. Primero, haz una evaluación de un día con tus propias tareas y compara los tokens de finalización y de razonamiento, no solo las tasas de aprobación. No se confirmó la tarifa de Moonshot en USD al momento de redactar este artículo; en AIHubMix, K3.1 Pro cuesta $2.00 / $10.50 por millón.
• Usuarios de K2.6 y K2.7 Code: el salto es mayor y Moonshot ha fijado una fecha límite. En la plataforma de Moonshot, los modelos de la serie K2 no están disponibles para los usuarios que se registren a partir del 31 de octubre de 2026, y Moonshot tiene previsto retirar todos esos modelos para finales de diciembre de 2026. AIHubMix todavía incluía K2.6 y K2.7 Code el 24 de octubre, sin fecha de retirada. K3.1 Pro no permite desactivar el razonamiento, y el nivel de razonamiento se determina según el esfuerzo, en lugar de mediante el conmutador thinking de K2.x. Lee la publicación sobre la migración antes de cambiar nada.
• Si la velocidad importa más que el precio: K3.1 Pro Highspeed ofrece las mismas capacidades a una velocidad unas 2–3 veces mayor, a cambio de aproximadamente el doble de cuota en Kimi Code y el doble de precio por token ($4.00 / $21.00 en AIHubMix). La publicación de esta serie sobre Highspeed analiza esa compensación.
• Espera si compras directamente a Moonshot y quieres ver su tarifa en USD antes de comprometerte.
• Sigue como estás si tu carga de trabajo consiste en solicitudes breves y de gran volumen, para las que el razonamiento siempre activo supone una sobrecarga innecesaria.

Para comparar K3 y K3.1 Pro con tus propias instrucciones, ejecuta ambos a través de AIHubMix con una sola clave. La guía de inicio rápido explica cómo obtener claves y URL base, y la página del modelo K3.1 Pro muestra el precio. Usa Chat Completions o Messages con kimi-k3.1-pro; por ahora, para la API de Responses, usa coding-kimi-k3.1-pro, que AIHubMix etiqueta como una versión preliminar de evaluación, no apta para producción.

import os
from openai import OpenAI

client = OpenAI(base_url="https://aihubmix.com/v1", api_key=os.environ["AIHUBMIX_API_KEY"])
prompt = "Write a single-file HTML page that renders a rotating 3D cube with Three.js."

for model in ["kimi-k3", "kimi-k3.1-pro"]:
    r = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": prompt}],
        timeout=3600,
    )
    print(model, r.usage.prompt_tokens, r.usage.completion_tokens)

El script usa Chat Completions y omite temperature: K3 y K3.1 Pro rechazan cualquier valor que no sea 1.

Preguntas frecuentes

¿Ya está disponible Kimi K3.1 Pro?
Sí. Moonshot lo lanzó el 23–24 de octubre de 2026 en la aplicación Kimi, Kimi Work, Kimi Code y la API de Kimi, con el nombre kimi-k3.1-pro en la API y k3.1-pro en Kimi Code. Los administradores de Business y Enterprise deben habilitarlo para sus equipos.

¿K3.1 Pro cuesta más que K3?
No por token. AIHubMix lo ofrece a $2.00 por millón de tokens de entrada y $10.50 de salida, frente a $2.84 y $14.20 para K3. Una tabla en yuanes que circuló el día del lanzamiento muestra una reducción de aproximadamente un tercio en Moonshot, pero no se confirmó la tarifa de Moonshot en USD al momento de redactar este artículo. Aun así, dedica mucho tiempo al razonamiento: el nivel máximo es el predeterminado en Kimi Code y, en una comprobación puntual de AIHubMix, razonó entre 5,561 y 7,356 tokens incluso con un nivel de esfuerzo bajo. El coste por tarea puede aumentar igualmente.

¿Mi código de K3 funcionará en K3.1 Pro?
Sí, cambiando el ID del modelo. Moonshot afirma que kimi-k3.1-pro tiene las mismas restricciones de parámetros que kimi-k3. Deja fuera el parámetro de temperatura y los demás parámetros de muestreo, sigue enviando reasoning_content en las solicitudes de varios turnos y no intentes desactivar el razonamiento.

¿Qué cambia en Kimi Code?
Elige K3.1 Pro en una sesión nueva, en lugar de cambiar a mitad de la sesión, tal como recomienda la documentación de Moonshot. Su nivel de esfuerzo predeterminado es el máximo, mientras que el de K3 era alto. Requiere el plan Plus o superior, y para disponer de la ventana completa de 1M se necesita Pro o superior.

¿Qué es K3.1 Pro Highspeed?
Las mismas capacidades del modelo a una velocidad de generación entre dos y tres veces mayor, disponible en la API como kimi-k3.1-pro-highspeed. En Kimi Code consume aproximadamente el doble de cuota y cuesta el doble por token: $4.00 / $21.00 en AIHubMix. Solo se acelera la salida del modelo; las llamadas a herramientas y los scripts no.

¿K3.1 Pro está a la altura de Claude Fable 5.1, Claude Opus 5.5 o GPT-6 Astra?
Según la tabla de Moonshot, supera a los tres en SWE Marathon y HLE con herramientas, aventaja a Fable 5.1 y GPT-6 Astra en Terminal-Bench 4.0, y queda por detrás en ProgramBench, HLE sin herramientas y Design Bench. Las cifras son autodeclaradas, los entornos de evaluación son distintos y nadie las ha reproducido todavía.

¿K3.1 Pro tendrá pesos abiertos?
Sí. Moonshot afirma que publicará los pesos completos antes del 4 de noviembre de 2026. No ha indicado qué licencia usarán; los pesos de K3 están sujetos a la licencia de Kimi K3.

Sigue leyendo: la serie Kimi K3.1 Pro

• Si ya decidiste cambiar, aquí explicamos de dónde vienen los errores 400 y los aumentos silenciosos en la factura: desde el esfuerzo máximo predeterminado hasta un ID de Highspeed mal escrito: Migración a Kimi K3.1 Pro: cómo corregir los errores 400, tener en cuenta el esfuerzo máximo predeterminado y no escribir mal Highspeed
• Si estás comparando K3.1 Pro con otras opciones en vez de actualizar, aquí lo ponemos frente a Qwen 4, que apareció en Arena esa misma semana, y Claude Fable 5.5, el modelo al que ambos aspiran superar: Kimi K3.1 Pro vs. Qwen 4 vs. Claude Fable 5.5: calidad de front-end, costo por tarea y una mirada crítica al bombo
• Si te atrae la velocidad de 2–3×, aquí analizamos cuándo vale la pena pagar el doble por token por Highspeed: Kimi K3.1 Pro vs. K3.1 Pro Highspeed: ¿Vale la pena pagar el doble por una velocidad de 2–3×?

Fuentes

• Moonshot AI: artículo técnico sobre Kimi K3.1 Pro
• Moonshot AI: guía de inicio rápido de Kimi K3.1 Pro
• Moonshot AI: configuración de modelos de Kimi Code
• AIHubMix: página del modelo Kimi K3.1 Pro
• Chase AI: Kimi K3 vs. Claude Fable 5 vs. GPT-5.6: costo real