Lunes, 16 de noviembre de 2026
Portada de las 21:50
Todos los periódicos y la radio, en unoEscrito por IA a partir de Hacker News · Cómo se hace
Hacker News
Inteligencia artificial · huggingface.co

Publicados los pesos de Kimi K3.1 Pro

Moonshot AI ha publicado en Hugging Face los pesos de Kimi K3.1 Pro, un modelo multimodal de tipo Mixture-of-Experts con 2,8 billones de parámetros y un millón de tokens de contexto. Es el primero de la serie K3.1 y mejora a K3 en programación, tareas agénticas y precisión factual.

Foto: vía huggingface.co

Leer el artículo aquíArtículo original (huggingface.co) 175 comentarios en Hacker News

Escucha la noticia2 min

Kimi K3.1 Pro se presenta como un modelo de pesos abiertos, multimodal de forma nativa (texto e imagen) y orientado a agentes. Parte de Kimi K3 y se ha postentrenado con aprendizaje por refuerzo conjunto a gran escala en cientos de dominios. Moonshot AI lo describe como su modelo más capaz de la clase de 3 billones de parámetros y destaca mejoras en programación, creación 3D, investigación financiera y precisión factual.

Es una arquitectura Mixture-of-Experts con 2,8T de parámetros totales y 104B activos, 93 capas y 896 expertos, de los que se seleccionan 16 por token, más 2 compartidos. El contexto llega a 1.048.576 tokens. Respecto a K3, las capas de atención completa Gated MLA se han sustituido por capas Gated DeepSeek Sparse Attention (Gated DSA) para modelar contextos largos con más eficiencia. Se usa cuantización MXFP4 en pesos y MXFP8 en activaciones, con entrenamiento consciente de la cuantización, y un codificador de visión MoonViT-V2 de 401M de parámetros.

La ficha incluye una extensa tabla de resultados frente a Claude Fable 5.1, GPT-6 Astra, Claude Opus 5.5, DeepSeek-V4.1-Flash-1017 y GLM-5.3, todos con esfuerzo de razonamiento máximo. K3.1 Pro lidera en varias pruebas agénticas y de programación, como SWE Marathon v1.1 (51,7), HLE-Full con herramientas (70,0) o BrowseComp (92,1). Queda por detrás de los modelos propietarios en otras, como Program Bench (31,5), HLE-Diamond (39,4) y las de ciberseguridad ExploitBench (74,7) y ExploitGym (20,7).

En Hacker News

«Kimi K3.1 Pro model weights are out» · puesto 24 · 607 puntos · enviado por abrarthought

Lo que dicen los comentarios

La conversación gira en torno a tres asuntos. El primero es el hardware: los comentaristas coinciden en que ejecutar el modelo en local exige un equipo enorme, y algunos prefieren modelos pequeños como Qwen 3.8, aunque otros valoran que haya más proveedores de inferencia y precios a la baja. El segundo es la sospecha de «benchmaxxing»: unos lo dan por hecho y citan una auditoría independiente y la caída del modelo en evaluaciones privadas, mientras que otros no lo han notado en sus pruebas y lo consideran muy sólido para la mayoría de usos. El tercero es la licencia, que obliga a pactar con Moonshot AI a quien opere un servicio de modelos con más de 20 millones de dólares de ingresos. También se comenta que la capacidad ofensiva en ciberseguridad se ha recortado y que el cambio a DSA debería reducir mucho la presión sobre la caché KV.

  • Creo que todos han pasado por alto que sustituyen las capas Gated MLA de K3 por DSA mediante postentrenamiento para reducir el coste de inferencia. En teoría debería bajar mucho la presión sobre la caché KV.
    — blackcat201, leer el comentario
  • Ya hay proveedores externos de inferencia, con más cada hora. Together parece ofrecer el doble de throughput que Moonshot AI al mismo precio, y Modal el doble que Together, así que hay margen para recortar costes.
    — minimaxir, leer el comentario
  • «Chatter» se queda corto. Hay pruebas difíciles de explicar: como mínimo un intento fallido de benchmaxxing, y más probablemente entrenamiento con el conjunto de test, con un intento de ocultarlo que falló.
    — NitpickLawyer, leer el comentario
  • Se habla mucho de que está benchmaxxed, pero no lo vimos en nuestras pruebas. Es un lanzamiento abierto muy fuerte, algo por debajo de la frontera pero estupendo para la mayoría de usos.
    — dmckinno, leer el comentario
  • El usuario medio no puede alojar el modelo, y la empresa media tampoco para terceros: si operas un servicio de modelos con más de 20 millones de dólares de ingresos, la licencia exige un acuerdo aparte con Moonshot AI.
    — codethief, leer el comentario

Pregunta sobre esta noticia

Respuestas automáticas a partir de las noticias de El Autómata, sus fuentes y la radio. Pueden contener errores: comprueba los enlaces.

Esta noticia la ha redactado una inteligencia artificial a partir de las fuentes citadas, con el criterio editorial de El Autómata (equilibrio, atribución y solo hechos publicados). Puede contener errores: consulta las fuentes originales. Modelo: claude-sonnet-5.5.