Kimi K3.1 Pro, el nuevo modelo de Moonshot AI, debutó en el cuarto lugar del Intelligence Index de Artificial Analysis con 55 puntos. El resultado lo acerca a los modelos mejor evaluados por la firma, aunque sus pesos todavía no están disponibles para descargarlos: Moonshot promete publicarlos a más tardar el 4 de noviembre de 2026.
En su análisis de lanzamiento, publicado el 23 de octubre, Artificial Analysis le atribuye una mejora de 11 puntos frente a Kimi K3 en su configuración max, que obtuvo 44. Solo Claude Opus 5.5, Claude Sonnet 5.5 y Muse Wonder Full aparecen por delante en las configuraciones comparadas.
Moonshot describe K3.1 Pro como una versión de K3 con más cómputo dedicado al entrenamiento posterior. Incluye una ventana de contexto de un millón de tokens, las unidades con las que el modelo procesa información, y apunta a programación, creación 3D y trabajos que requieren varios pasos.
El mayor salto está en las tareas con agentes
En Terminal-Bench 4.0, una evaluación de agentes que trabajan en una terminal, Artificial Analysis midió un 67% de éxito, frente al 13% de K3. En GDPval-AA alcanzó 1,846 puntos Elo, 312 más que su antecesor y el tercer mejor resultado de esa prueba.
El avance fue menor en Humanity's Last Exam, donde pasó de 47% a 52%. La comparación ayuda a precisar qué mejoró: el salto en tareas con herramientas fue mucho mayor que el registrado en esa evaluación de conocimiento y razonamiento.
El precio por token no cuenta toda la factura
La API del modelo estándar cuesta 2 dólares por millón de tokens de entrada y 10 dólares por millón de salida. La ficha de Artificial Analysis consultada el 24 de octubre muestra un costo medio ponderado de 2.11 dólares por tarea del índice; su anuncio del día anterior había citado 1.98 dólares.
La misma ficha registra 150 millones de tokens de salida para completar el índice, frente a una mediana de 87 millones. Calculado a partir de esas cifras, el consumo fue aproximadamente un 72% mayor. Esto explica por qué conviene leer juntas la tarifa y la cantidad de tokens utilizados: el costo por tarea depende de ambos, y las cifras del índice corresponden a esa batería de pruebas.
El modelo ya puede usarse a través de los productos de Kimi y su API. La publicación de los pesos abriría la posibilidad de ejecutarlo en infraestructura controlada por sus usuarios. Con los resultados de lanzamiento, Artificial Analysis lo situaría entonces al frente de los modelos con pesos disponibles; ese liderazgo sigue condicionado a que Moonshot complete la liberación anunciada.
Gerardo Pavez
