La bestia asiática: Kimi K3 es la hostia, y aun así probablemente no la puedas usar

Lo que ha salido

Kimi K3 (Moonshot AI), publicado a mediados de julio, es un monstruo de 2,8 billones de parámetros —trillions, en inglés— con un millón de tokens de contexto. En benchmarks de programación está superando o empatando con lo mejor de Occidente. En GDPval-AA v2, que mide tareas reales de 44 ocupaciones, queda tercero por detrás de Fable 5 Max y GPT-5.6 Sol Max, y por delante de Claude Opus 4.8.

Para que te hagas una idea del ritmo: Anthropic sacó Claude 5 Opus el 24 de julio buscando optimizar costes frente a Fable 5, y los chinos ya le estaban respirando en la nuca esa misma semana. Con modelos abiertos. Súmale la familia Qwen 3 de Alibaba, con versiones de hasta 480B, y DeepSeek V4, que rinde altísimo costando 55 céntimos por millón de tokens frente a los 15 dólares que te cobra OpenAI por sus modelos top.

Pasemos a la realidad

A nivel tecnológico son la hostia, sí. Pero hay dos aspectos críticos que deciden si esto entra o no en tu empresa: el peaje de la privacidad y la bofetada del hardware.

1. El peaje de la privacidad: la caja negra

2. La bofetada del hardware: a ver dónde metes a Kimi

La ventaja de que Kimi K3 o DeepSeek V4 sean abiertos es que puedes bajarte los pesos y montarlo en tu propia infraestructura, y así garantizar la privacidad. Suena genial hasta que haces los números: comprar la infraestructura para ejecutar el Kimi K3 completo en local vale literalmente más que las oficinas de muchas pymes.

Entonces, ¿esto para qué sirve?

• Para presionar el precio: cada vez que un abierto alcanza a los cerrados, las tarifas de todos bajan. Revisa tus contratos anuales antes de renovarlos.
• Para no casarte con nadie: una arquitectura que puede cambiar de modelo sin rehacer el proceso vale más que exprimir al máximo el modelo de moda.
• Para casos concretos con volumen alto y dato poco sensible, donde el coste por token manda y el riesgo es asumible.
• Para versiones destiladas y pequeñas de estos modelos, que sí caben en infraestructura razonable. El titular se lo lleva el gigante; el trabajo lo hace el pequeño.

Y lo que no cambia

Ninguna empresa tiene un problema porque su modelo sea el tercero de una tabla y no el primero. Los problemas son otros: que la información esté repartida en cinco sistemas que no se hablan, que una petición de oferta tarde cinco días porque el escandallo se rehace a mano, que nadie sepa el margen real de un proyecto hasta que se cierra. Eso no lo arregla un modelo mejor. Lo arregla rediseñar el proceso y luego automatizarlo.

Por cierto, esto conecta con algo que llega ya: el 2 de agosto entran las obligaciones de transparencia del AI Act. Saber qué modelo procesa qué datos, y dónde, deja de ser una preferencia de arquitectura y pasa a ser algo que tienes que poder documentar.