Kimi K3: guía completa del modelo insignia 2.8T de Moonshot

Moonshot AI lanzó Kimi K3 a mediados de julio de 2026, pero lo hizo al revés: la documentación de la API, la página de precios y un ID de modelo kimi-k3 operativo aparecieron antes que cualquier tabla de benchmarks, artículo técnico o publicación de pesos^[1]. Una semana de hilos sobre filtraciones llenó el vacío, y casi todo lo que circuló contenía al menos un dato equivocado. Esta guía reúne la versión basada en la propia documentación de Moonshot: qué está confirmado, qué se ha fijado deliberadamente y qué sigue sin publicarse.

También parte de una perspectiva concreta: ofrecemos Kimi K3 en la pasarela reAPI. Por eso explicamos tanto el modelo como su uso real: los parámetros que harán rechazar una solicitud, el comportamiento de la caché que determina la factura y las trampas que esperan al migrar código K2.x.

Resumen rápido

• Kimi K3 es un modelo insignia de 2.8 billones de parámetros, basado en Kimi Delta Attention, un mecanismo híbrido de atención lineal, y Attention Residuals. Su Stable LatentMoE activa 16 de 896 expertos por token^[1][3].
• La ventana de contexto es de 1 048 576 tokens con precio uniforme, sin nivel de contexto largo. La API nativa de Moonshot usa un límite de salida predeterminado de 131 072 y permite hasta 1 048 576, siempre que la entrada más ese límite quepan en la ventana^[1][2][9].
• El razonamiento siempre está activo. El único control es reasoning_effort con tres niveles (low / high / max, sin medium) y max por defecto^[4].
• El muestreo está bloqueado: temperature 1.0, top_p 0.95, n 1 y ambas penalizaciones en 0. Cualquier otro valor devuelve un error^[1].
• La tarifa publicada de Moonshot es $3.00 de entrada / $15.00 de salida por 1M tokens (entrada con acierto de caché $0.30), comprobada el 23 de octubre de 2026; las escrituras tienen tarifas separadas según el TTL. reAPI muestra actualmente $2.50 de entrada y $0.25 de lecturas de caché. La cifra de salida reAPI de $12.00 de esta guía se conserva de julio de 2026; no es una cotización actual^[2][8].
• La visión es nativa para imágenes y vídeo, pero se rechazan las URL públicas de imágenes. Solo se admite base64 o una referencia a un archivo cargado^[5].

Kimi K3 de un vistazo

Todos los datos de esta tabla proceden de la documentación de Moonshot, consultada el 26 de julio de 2026:

Dos cifras merecen una segunda lectura. Los 2.8T parámetros sitúan a K3 en una clase que ningún modelo con pesos abiertos había ocupado. Moonshot se ha comprometido a publicar los pesos, lo que lo convertiría en el primer modelo open source de la clase de 3 billones^[3]. También está el precio: con $3.00 / $15.00, K3 cuesta de tres a cuatro veces más que la línea K2. Moonshot lo tarifa como modelo insignia de frontera, no como la opción económica que antes sugería el nombre Kimi, aunque sigue por debajo de los modelos cerrados de frontera tanto en entrada como en salida.

El lanzamiento: primero la API, después las pruebas

El orden del despliegue explica la información contradictoria que sigue circulando. Antes del lanzamiento, observadores de la comunidad vieron una página promocional momentánea en la plataforma de Moonshot y selectores beta en la aplicación Kimi. Las filtraciones convergieron en «unos 2.5T parámetros y contexto 1M». Se acercaron, pero la cifra oficial es 2.8T. Después llegó un vídeo sin texto de la cuenta oficial de Moonshot, y el producto adelantó al ciclo de prensa: documentación, inicio rápido y precios se publicaron el mismo día que los primeros artículos financieros sobre el lanzamiento^[1][2].

Esa secuencia —API y documentación antes que benchmarks y pesos— invierte la de los modelos insignia K2, que llegaron con un artículo técnico completo y pesos abiertos desde el primer día. En la práctica, durante la primera semana de K3 la documentación fue la única fuente fiable; todo lo demás era inferencia.

Arquitectura: Kimi Delta Attention, LatentMoE y Attention Residuals

La frase técnicamente más interesante indica que K3 está «construido sobre Kimi Delta Attention, un mecanismo híbrido de atención lineal, y Attention Residuals»^[3]. No es lenguaje publicitario: es el despliegue en producción de la investigación Kimi Linear que Moonshot publicó a finales de 2025. Entenderla explica la ventana de 1M tokens y el precio uniforme que la hace útil^[6].

Kimi Delta Attention (KDA) es un mecanismo de atención lineal, una mejora de Gated DeltaNet con puertas más granulares. La caché de claves y valores de la atención softmax estándar crece linealmente con la secuencia, lo que encarece muchísimo los contextos de un millón de tokens. La atención lineal mantiene en su lugar un estado recurrente de tamaño fijo. El coste histórico era la calidad: la atención lineal pura pierde precisión al recordar detalles en documentos largos.

La disposición híbrida resuelve ese compromiso en el artículo Kimi Linear: intercala capas KDA y de atención completa con proporción 3:1. Tres de cada cuatro capas usan el mecanismo lineal económico y la cuarta conserva atención global exacta. En los resultados publicados, esta configuración superó a la atención completa en calidad, redujo hasta un 75% la memoria de KV-cache y decodificó hasta 6x más rápido con contextos de 1M tokens^[6].

Stable LatentMoE es la configuración sparse mixture-of-experts: 896 expertos, 16 activos por token^[3]. Esa dispersión permite servir un modelo de 2.8T: el cálculo activo por token representa una pequeña parte del total de parámetros.

Attention Residuals es el único componente sin artículo publicado; el término aparece por primera vez en la documentación de K3. Hasta que llegue un informe técnico, solo conocemos el nombre, no el mecanismo.

Esto importa porque un contexto de 1M tokens solo sirve si es económicamente viable. Muchos proveedores suben el precio en contextos muy largos o degradan el servicio discretamente. K3 afirma que no hay niveles: se aplica la misma tarifa por token al enviar 5,000 o 900,000 tokens^[2]. Solo es racional si el coste marginal del contexto largo se ha desplomado, precisamente el objetivo de KDA. La arquitectura explica el precio.

Lo que realmente ofrece la API

La API de K3 toma decisiones estrictas que sorprenderán a equipos procedentes de K2.x o de modelos al estilo OpenAI. Son restricciones documentadas, no observaciones^[1]:

• El razonamiento siempre está activo. No hay modo sin pensamiento. La FAQ de Moonshot responde a «cómo desactivo la cadena de pensamiento» con un claro «no se puede». reasoning_effort es un campo superior con low, high y max. No existe medium y el valor por defecto es el más caro, max^[4].
• El muestreo es fijo. temperature vale 1.0, top_p 0.95, n 1 y ambas penalizaciones 0. Otro valor genera un error, así que conviene omitirlos. Si el proceso ajusta la temperatura por tarea, ese control desaparece.
• El presupuesto de salida debe caber junto con la entrada. La API nativa de Moonshot usa 131 072 como valor predeterminado de max_completion_tokens y permite hasta 1 048 576. Si la entrada más ese límite superan la ventana, devuelve invalid_request_error. El mayor valor del parámetro no garantiza una respuesta final de un millón de tokens. Fija un límite explícito y deja espacio para la entrada, el razonamiento y la respuesta^[9].
• El streaming separa razonamiento y respuesta. Las respuestas transmiten deltas reasoning_content distintos de los deltas content, de modo que la interfaz puede mostrar por separado la reflexión y el resultado final.
• Preserved Thinking es obligatorio. En bucles de varios turnos y herramientas, el mensaje assistant completo, incluidos reasoning_content y tool_calls, debe volver sin cambios a messages. Conservar solo content, hábito frecuente del código basado en OpenAI, degrada el modelo sin avisar.
• La visión tiene límites claros. Imágenes y vídeos son nativos, pero no se admiten URL públicas de imágenes. Envía URI de datos base64 o carga archivos y referencia su ID^[5].
• La salida estructurada es nativa. Un JSON Schema con strict: true restringe el campo de respuesta final, no el razonamiento en prosa.

La nueva capa de herramientas

Dos funciones debutan con K3. Ambas resuelven el mismo problema: agentes con muchos recursos gastan contexto en definiciones de herramientas^[1].

tool_choice: "required" obliga a realizar al menos una llamada de herramienta en el turno. Evita que el agente responda de memoria cuando debía consultar algo. Los modelos K2 rechazan este valor; K3 lo acepta.

La carga dinámica de herramientas es más novedosa: coloca una definición completa en un mensaje system a mitad de conversación, con un campo tools y sin content. Desde ahí queda disponible. En vez de añadir 80 esquemas a cada solicitud, el orquestador los inyecta cuando la fase los necesita. Una advertencia: el servidor no conserva la herramienta. Mantén ese mensaje system en el historial o desaparecerá en el siguiente turno.

La documentación advierte que la herramienta web_search integrada de Moonshot está en actualización y no se recomienda en producción. Si el agente necesita buscar, utiliza una herramienta propia.

Caché de contexto automática

La caché actual de K3 en Moonshot es automática, con un TTL predeterminado de 5m y otro opcional de 1h configurado mediante prompt_cache_options.ttl. Según las tarifas en USD comprobadas el 23 de octubre de 2026, las escrituras en caché cuestan $3.00 por 1M tokens para 5m o $6.00 para 1h; las lecturas cuestan $0.30 y la entrada restante sin caché, $3.00. Cada acierto renueva el TTL original sin otro cargo de escritura. La tarifa de lectura es un 90% inferior a la de entrada normal, pero el descuento corresponde a la parte con acierto, no a toda la solicitud o factura.^[10]

En el uso de Chat Completions de Moonshot, las lecturas de caché, las escrituras y la entrada restante sin caché son partes mutuamente excluyentes del total de entrada. No sumes el cargo de entrada normal a tokens ya contabilizados como escrituras en caché. El coste de tokens, con todas las cantidades en millones, se calcula así:

USD cost = uncached input × $3.00
         + 5m cache writes × $3.00
         + 1h cache writes × $6.00
         + cache reads × $0.30
         + output × $15.00

El TTL queda fijado al escribir una entrada por primera vez; para cambiarlo, la entrada existente debe caducar antes de una nueva escritura. Los bloques parciales que no se pueden almacenar se facturan como entrada sin caché. Estas son las reglas de facturación de la API directa de Moonshot. La página del modelo de reAPI muestra por separado $0.25 por 1M tokens de lectura de caché; no asumas que la tarifa de escritura de Moonshot también es la de reAPI.^[10][8]

La documentación de julio de 2026 también describía un umbral superior a 256 tokens en el prompt anterior y la invalidación de caché al cambiar reasoning_effort^[4]. Esas condiciones antiguas no describen por completo la caché actual: el TTL, la coincidencia de prefijos y las reglas de bloques indicadas arriba también rigen la reutilización. Mantén estables el prefijo y el esfuerzo, y revisa el uso real de caché en vez de dar por hecho un acierto.

La telemetría inicial de terceros sugiere que funciona: las estadísticas de K3 en OpenRouter han mostrado una tasa de aciertos superior al 75%, reduciendo el precio medio ponderado de entrada muy por debajo de un tercio del catálogo^[7].

kimi k3 pricing

Según la comprobación del 23 de octubre de 2026, la API de Moonshot en USD cuesta $3.00 de entrada, $0.30 de entrada con acierto de caché y $15.00 de salida por 1M tokens; las escrituras usan las tarifas separadas de 5m y 1h indicadas arriba. La página actual de reAPI muestra $2.50 de entrada y $0.25 de lecturas de caché por 1M tokens. La tarifa de salida reAPI de $12.00 que aparece abajo es una cotización histórica de julio de 2026, conservada de la instantánea original de precios de esta guía; no es la tarifa de salida actual. Consulta la página del modelo Kimi K3 para conocer la tarifa vigente antes de calcular tu presupuesto.^[2][8]

La plataforma china de Moonshot publica unas tarifas separadas en RMB: ¥20.00 de entrada sin caché, ¥2.00 de entrada con acierto de caché y ¥100.00 de salida por 1M tokens. Las escrituras cuestan ¥20.00 para 5m o ¥40.00 para 1h por 1M tokens. Son precios publicados en RMB, no una conversión de la tabla en USD. Usa las tarifas y la moneda de la plataforma que factura tu cuenta.^[11]

Moonshot indica que no hay niveles de precio según la longitud del contexto: la tarifa por token no aumenta con un prompt más largo, aunque más tokens sí cuestan más. Sus precios en USD no incluyen los impuestos aplicables. La inferencia API se paga por uso y es independiente de las membresías Kimi o suscripciones Kimi Code.^[1][2]

La siguiente comparación de la familia y los modelos de frontera conserva la instantánea de precios de julio de 2026 de esta guía (USD por 1M tokens, entrada sin acierto de caché). Es contexto histórico, no una cotización actual entre proveedores:

En aquella comparación de julio de 2026, K3 costaba entre tres y cuatro veces lo que sus hermanos y un 40–50% menos que los modelos cerrados de frontera incluidos. Moonshot apuesta por que una ventana de 1M tokens, entrada nativa de vídeo y capacidad de frontera justifiquen un nivel prémium entre los modelos de pesos abiertos.

La velocidad es el asterisco honesto. Las primeras mediciones sitúan a K3 en unos 28 tokens por segundo y cuatro segundos hasta el primero^[7]. Es comprensible para un modelo de este tamaño con razonamiento permanente, pero lento. K3 busca profundidad por llamada, no llamadas por minuto; los bucles sensibles a la latencia necesitan otro modelo.

Otra nota: Moonshot está recortando su catálogo. La antigua serie moonshot-v1 y variantes K2.x previas se han cerrado a nuevos usuarios, con retirada completa anunciada para finales de agosto de 2026. Moonshot quiere trasladar a todos a K3.

Migrar desde K2.x: lista práctica

Si utilizas K2.6 o K2.7-Code, la migración es pequeña pero real:

1. Cambia el ID del modelo a kimi-k3; la API sigue siendo compatible con OpenAI.
2. Sustituye thinking por reasoning_effort en el nivel superior. El objeto thinking de K2 no es un parámetro K3 y provoca un error.
3. Elimina el muestreo. Quita temperature, top_p y las penalizaciones de las solicitudes K3: están fijos en el servidor y cualquier otro valor se rechaza.
4. Elige el esfuerzo conscientemente. max es el nivel predeterminado y más caro; los tokens de razonamiento se cobran como salida. Baja a high o low si la tarea no lo merece y no cambies durante la conversación, pues invalidaría la caché.
5. Revisa el coste. La salida cuesta 3.75x la tarifa de K2.6 a precio de lista, y el razonamiento permanente aumenta su volumen. Aprovecha la caché: prefijo estable primero, sufijo variable al final.
6. Modifica la entrada visual si usabas URL públicas. K3 solo acepta base64 o referencias de archivos cargados^[5].
7. Devuelve completos los mensajes assistant, incluidos reasoning_content y tool_calls, en todos los turnos.

Quién debería usar K3 hoy

Según lo confirmado, K3 tiene sentido para trabajos largos donde la calidad por tarea pesa más que el coste por token: agentes de programación durante horas en repositorios grandes, corpus de un millón de tokens consultados repetidamente con prefijo en caché y razonamiento multimodal con imágenes, vídeo y código en un contexto.

No conviene para productos interactivos sensibles a la latencia —28 tokens/sec es otra herramienta—, procesos que necesitan muestreo ajustable, porque todo está bloqueado, ni optimización pura de costes. Para eso están los niveles baratos.

Ejecutar Kimi K3 mediante reAPI

La ruta actual de K3 en reAPI usa Chat Completions compatible con OpenAI en https://reapi.ai/api/v1/chat/completions. Configura la URL base del SDK en https://reapi.ai/api/v1, envía una clave API del espacio de trabajo reAPI como token bearer y usa kimi-k3. Esta clave y el saldo son independientes de la consola antigua api.reapi.ai utilizada para GLM-5.2. Define un presupuesto de salida explícito, como en el ejemplo, en vez de suponer que el valor predeterminado nativo de Moonshot se aplica a reAPI.^[8]

curl https://reapi.ai/api/v1/chat/completions \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "kimi-k3",
    "messages": [
      { "role": "user", "content": "Refactor this module and add tests." }
    ],
    "max_completion_tokens": 16384,
    "reasoning_effort": "high",
    "stream": true
  }'

Dos puntos que revisar al evaluar K3 a través de reAPI:

• Precio. reAPI muestra actualmente $2.50 de entrada y $0.25 de lecturas de caché por 1M tokens. La cifra de salida de $12.00 conservada aquí data de julio de 2026; usa la tarifa de salida actual de la página del modelo al estimar la factura de hoy. El razonamiento aumenta el uso de salida, así que compara toda la mezcla de entrada y el presupuesto de salida en vez de reutilizar el antiguo porcentaje de descuento en salida.^[8]
• Integración del espacio de trabajo. K3 usa la clave y el saldo de créditos del espacio de trabajo reAPI. Revisa el endpoint y las credenciales documentados de cada otro modelo antes de integrarlo en el mismo cliente o lógica de respaldo; el gateway GLM separado api.reapi.ai no comparte esta clave.

La interfaz completa —parámetros fijos, condiciones de caché, formato visual y errores— está en la documentación de Kimi K3, y las tarifas actuales en la página del modelo.

Preguntas frecuentes

¿Kimi K3 es de código abierto?

Moonshot presenta K3 como lanzamiento open source y se ha comprometido a publicar los pesos, lo que lo convertiría en el primer modelo abierto de 3 billones de parámetros^[3]. Su publicación es inminente, pero la API sigue siendo el acceso principal.

¿Puedo desactivar o reducir el razonamiento de K3?

No se puede desactivar. Puedes reducirlo: reasoning_effort acepta low, high y max, con max por defecto^[4]. low existe para cuando el razonamiento cuesta más de lo que vale la respuesta.

¿El contexto 1M cuesta más?

No. El precio por token es uniforme: un prompt de 900K tokens tiene la misma tarifa que uno de 9K^[2]. Con Moonshot directo, la entrada con caché baja a $0.30 por 1M tokens.

¿Por qué mi solicitud K3 devuelve un error de temperatura?

temperature, top_p, n y las dos penalizaciones están fijos en el servidor; otro valor genera error en vez de sobrescribirlos^[1]. Elimínalos. Igual con thinking de K2: usa reasoning_effort en el nivel superior.

¿Puedo usar K3 en Claude Code, Codex o Cline?

La compatibilidad con Chat Completions por sí sola no basta. El Codex actual requiere el protocolo Responses, mientras que la conexión por gateway de Claude Code con ANTHROPIC_BASE_URL requiere Anthropic Messages. La ruta reAPI de K3 documentada aquí es Chat Completions, así que una URL base y una clave personalizadas no demuestran compatibilidad nativa con ninguna de las dos herramientas. Para Cline, RooCode u OpenCode, evalúa la integración solo cuando el cliente admita explícitamente el formato de solicitud y los parámetros de este servicio; esta guía no afirma que funcione cualquier cliente. Los endpoints de protocolo propios de Moonshot son una integración distinta de la ruta reAPI.^[12]

¿Cómo se compara K3 con Claude Opus 4.8 o GPT-5.5 en benchmarks?

Moonshot aún no ha publicado una evaluación oficial de K3: ni SWE-Bench, ni Terminal-Bench, ni resultados verificables. Trata las cifras de redes sociales como no confirmadas hasta que aparezcan la tabla y el informe técnico.

Referencias

1. Moonshot AI. Inicio rápido de Kimi K3: ID, muestreo fijo, límites, herramientas y caché. Consultado en julio de 2026 en platform.kimi.ai/docs/guide/kimi-k3-quickstart
2. Moonshot AI. Precios de Kimi K3: $3.00 / $15.00 por 1M tokens, $0.30 de entrada con acierto de caché, sin niveles por contexto. Revisado el 23 de octubre de 2026; la tabla actual incluye niveles de escritura en caché. https://platform.kimi.ai/docs/pricing/chat
3. Moonshot AI. Modelos: 2.8T, Kimi Delta Attention + Attention Residuals, Stable LatentMoE (16 de 896) y compromiso open source. Consultado en julio de 2026 en platform.kimi.ai/docs/api/models-overview
4. Moonshot AI. Uso de reasoning_effort: low / high / max, max por defecto e invalidación de caché. Consultado en julio de 2026 en platform.kimi.ai/docs/guide/use-reasoning-effort
5. Moonshot AI. Visión Kimi: imágenes y vídeo, base64 y archivos, sin URL públicas. Consultado en julio de 2026 en platform.kimi.ai/docs/guide/use-kimi-vision-model
6. Moonshot AI. Kimi Linear: An Expressive, Efficient Attention Architecture (arXiv:2510.26692): KDA, diseño 3:1, KV-cache y decodificación. Consultado en julio de 2026 en arxiv.org/abs/2510.26692
7. OpenRouter. MoonshotAI: Kimi K3 — telemetría de caché, precio ponderado, rendimiento y TTFT. Consultado en julio de 2026 en openrouter.ai/moonshotai/kimi-k3
8. reAPI. Kimi K3: precios en la página del modelo y autenticación actual de Chat Completions. Revisado el 23 de octubre de 2026. La cotización de salida de $12.00 conservada en este artículo procede de su instantánea de julio de 2026. Página del modelo; Documentación API.
9. Moonshot AI. Chat Completions API — output cap and input-plus-cap validation. Retrieved September 8, 2026 from platform.kimi.ai/docs/api/chat
10. Moonshot AI. Caché de contexto: TTL, categorías de uso mutuamente excluyentes y contabilización de escrituras en caché. Comprobado el 23 de octubre de 2026. https://platform.kimi.ai/docs/guide/context-caching
11. Moonshot AI. Precios de modelos de la plataforma china: tarifas en RMB. Comprobado el 23 de octubre de 2026. https://platform.kimi.com/docs/pricing/chat
12. OpenAI y Anthropic. Requisitos del protocolo de proveedores de Codex y del protocolo de gateway de Claude Code. Comprobado el 23 de octubre de 2026. https://learn.chatgpt.com/docs/config-file/config-reference ; https://code.claude.com/docs/en/llm-gateway-protocol

Lecturas relacionadas

• reAPI. Documentación de Kimi K3. reapi.ai/docs/kimi-k3
• reAPI. Página del modelo Kimi K3: precios actuales. reapi.ai/models/kimi-k3
• reAPI. ¿Qué es Claude Opus 4.8? El nuevo modelo de Anthropic. reapi.ai/blog/what-is-claude-opus-4-8
• reAPI. ¿Qué es reAPI? reapi.ai/blog/what-is-reapi