Cuando Yang Zhilin terminó su doctorado en Carnegie Mellon, tenía delante de sí una carrera que parecía decidida de antemano.
Había trabajado como investigador en Google Brain y Meta. Había participado en estudios importantes sobre modelos de lenguaje. Grandes tecnológicas estadounidenses lo buscaban para incorporarlo a sus filas.
Pero decidió no quedarse en Estados Unidos.
Ruslan Salakhutdinov, su antiguo profesor, recuerda cómo Yang fue intensamente buscado por reclutadores de talento, pero ya había tomado una decisión: quería su propia empresa. Temía que, si no lo intentaba, se arrepentiría el resto de su vida. Regresó a China, colaboró en proyectos como PanGu y Wu Dao y, en 2023, fundó Moonshot AI.
El gesto admite lecturas fáciles. La del científico patriota que vuelve a casa. La del talento que Estados Unidos no supo retener. La del discípulo que regresa para desafiar a sus maestros.
Ninguna explica cabalmente lo ocurrido.
Yang no rompió con el ecosistema estadounidense: en realidad se formó dentro de él. Tampoco regresó a una periferia tecnológica desierta. Encontró capital, investigadores, empresas digitales y una política industrial, la de su país, dispuesta a convertir la inteligencia artificial en infraestructura nacional.
Moonshot es hija de esa circunstancia. Su nombre chino significa “el lado oscuro de la Luna”, una referencia al álbum de Pink Floyd que ha obsesionado a Yang desde hace años. Kimi, además, es el nombre que él mismo utiliza en inglés. El modelo que hoy genera inquietud en Silicon Valley lleva, literalmente, el nombre de su fundador.
Pero ¿qué es Kimi K3?
Kimi K3 es otro modelo de inteligencia artificial, aunque entender qué lo distingue requiere un poco más de espacio.
K3 puede leer texto e imágenes, escribir programas y utilizar herramientas digitales. Integrado en los sistemas agénticos de Moonshot, puede recibir un encargo (revisar documentos, investigar un mercado o recorrer un repositorio de código), dividirlo en operaciones menores y continuar sin pedir instrucciones después de cada paso.
K3 intenta combinar la conversación de un chatbot con la capacidad operativa de un agente.
Su ventana de contexto admite hasta un millón de tokens. En otros términos: puede colocar sobre la misma mesa una enorme cantidad de documentos y mantenerlos disponibles mientras trabaja. No significa que comprenda o recuerde cada línea con idéntica precisión. Significa que puede trabajar con una mesa mucho más grande.
Moonshot declara 2,8 billones de parámetros. Los parámetros son los ajustes internos que la red aprendió durante su entrenamiento: algo parecido a millones de perillas cuya posición determina qué relaciones detecta y qué respuesta produce. Eso sí: poseer más perillas no garantiza un buen resultado. Importa cómo están afinadas y, sobre todo, cuáles se utilizan según la necesidad.
Justamente ahí comienza la parte interesante de este modelo. Porque nació en un contexto bien claro: el de la limitación de chips estadounidenses hacia el exterior. Teóricamente, eso bastaba para impedir que se desarrollaran modelos más capaces.
Teóricamente.
Un hospital con 896 especialistas
Kimi K3 está organizado mediante una arquitectura conocida como mezcla de expertos. Contiene 896 bloques especializados, pero sólo activa 16 cuando procesa cada fragmento de información.
Imaginemos un hospital inmenso.
Cuando llega un paciente, no se convoca a todos los cardiólogos, neurólogos, radiólogos, cirujanos y epidemiólogos del edificio. Un sistema de clasificación decide quién debe intervenir. El hospital conserva toda su capacidad, pero moviliza solamente la necesaria.
Los “expertos” de Kimi funcionan de forma equivalente; no son médicos digitales ni inteligencias independientes: son regiones matemáticas de una red que, durante el entrenamiento, desarrollaron afinidades distintas. Un mecanismo de enrutamiento decide qué combinación es más adecuada para cada fragmento.
El desafío es doble: elegir bien y repartir el trabajo. Si el sistema llama siempre a los mismos especialistas, algunos se saturan y los demás, los que no se usan, se vuelven mobiliario caro. Moonshot desarrolló un método de balance para evitarlo.
K3 incorpora además dos mecanismos cuyos nombres intimidan más de lo que explican: Kimi Delta Attention y Attention Residuals.
Podemos pensar en Kimi Delta Attention como el sistema de notas de un investigador. Frente a un expediente de miles de páginas, una persona no vuelve a revisar todas las relaciones entre todos los pasajes cada vez que necesita comprobar un dato. Organiza la información para reducir el costo de trabajar con documentos extensos.
Attention Residuals resuelve otro problema: cómo circula esa información entre los distintos pisos de la organización. En lugar de entregar a cada piso una pila indiferenciada con todo lo producido antes, permite seleccionar qué representaciones de las capas anteriores resultan útiles.
A ello se suman representaciones numéricas de menor precisión y sistemas de caché. Moonshot entrenó el modelo para operar con representaciones numéricas menos detalladas, pero suficientes para conservar el rendimiento buscado. Si una instrucción o un bloque de información ya fue procesado, el sistema puede reutilizar determinados cálculos en lugar de repetirlos desde cero.
Moonshot asegura que el conjunto consigue una eficiencia de escalamiento aproximadamente 2,5 veces superior a la de Kimi K2, su modelo anterior. La cifra aún debe examinarse con el informe técnico completo, anunciado para el 27 de julio.
El principio rector, sin embargo, puede entenderse ya: K3 no intenta ser eficiente haciéndose pequeño. Intenta ser enorme sin tener que despertar toda su enormidad cada vez que alguien le hace una pregunta.
Y eso le permite competir mediante una combinación de escala, eficiencia y apertura distinta a la de los modelos desarrollados en Estados Unidos.
La propia Moonshot admite que el desempeño general de K3 todavía queda por debajo de Claude Fable 5 y GPT‑5.6 Sol. Una evaluación independiente de Artificial Analysis le otorgó 57 puntos, en una franja comparable con GPT‑5.5 y Claude Opus 4.8, con resultados especialmente competitivos en programación y trabajos agénticos.
Decir que K3 derrotó a los modelos estadounidenses sería prematuro. Lo que hizo puede ser más importante: llegó.
Durante años, las grandes empresas de IA han competido con la lógica de los fabricantes de motores. Cada una asegura tener uno cada vez más potente, aunque casi nadie se preguntaba cuánto combustible consumía para terminar un viaje.
Esa comparación comienza a quedarse corta.
Una empresa, como lo señalábamos cuando analizamos la tokenización, no necesita el modelo que obtenga la mejor calificación abstracta. Necesita el que concluya correctamente un contrato, una investigación o una pieza de software, dentro de un tiempo y un presupuesto razonables.
El precio por token cuenta. El costo por tarea resuelta cuenta más.
Artificial Analysis calculó para K3 un costo promedio cercano a 0,94 dólares por tarea dentro de las pruebas de su Intelligence Index, frente a 1,04 dólares de GPT‑5.6 Sol. La diferencia no representa una revolución económica, pero demuestra que la distancia entre un modelo chino y los sistemas propietarios más avanzados puede medirse ya en centavos, minutos y tasas de error, no en generaciones tecnológicas.
Éste es el primer significado de K3 para las empresas de IA: el modelo aislado deja de ser el producto completo. Importan también el enrutamiento, las herramientas, la memoria, la velocidad, la supervisión y la capacidad de integrarse al trabajo real.
Estados Unidos nunca poseyó jurídicamente el monopolio de la inteligencia artificial. Durante un tiempo sí concentró algo parecido al monopolio de los avances: los chips más capaces, el capital, los investigadores, las plataformas y los laboratorios contra los cuales se medían todos los demás.
K3 confirma que esa exclusividad se erosiona.
Lo hace también mediante su compromiso de publicar los pesos completos del modelo. En otros términos, permitirá que desarrolladores y organizaciones con la infraestructura suficiente descarguen y ejecuten K3 sin depender de la API de Moonshot. Al 21 de julio, esa apertura todavía no se ha consumado: la empresa anunció que ocurrirá el día 27. Hasta entonces, “modelo de pesos abiertos” describe un compromiso, no un hecho verificable.
Abrir los pesos tampoco equivale a regalar la inteligencia. Moonshot recomienda instalaciones de al menos 64 aceleradores. Descargar K3 será posible; ejecutarlo de manera privada seguirá estando fuera del alcance de la mayoría.
La empresa misma acaba de tropezar con esa realidad. Suspendió temporalmente nuevas suscripciones y hoy, 21 de junio del 2026, no acepta nuevos usuarios. La demanda llevó su infraestructura cerca del límite y esto eventualmente cambiará.
Moonshot ha recaudado más de 5,500 millones de dólares y alcanzó una valoración de 30,000 millones. Es una empresa muy capitalizada que todavía carece de todo el cómputo que necesita.
No sabemos si las restricciones estadounidenses a la venta de chips impulsaron la arquitectura de K3. Sí sabemos que modificaron el entorno en el que Moonshot debía competir: hicieron más valioso cada avance capaz de convertir mejor el cómputo disponible en trabajo útil.
Cuando el mejor hardware resulta escaso, caro o inaccesible, la ingeniería comienza a mirar con atención aquello que antes podía resolver agregando máquinas: qué información conservar, qué bloque activar, qué cálculo reutilizar, qué precisión resulta suficiente.
Por sí sola, la escasez puede producir retraso, dependencia y fracaso. Cuando coincide con capital y talento, también puede convertirse en un incentivo para desarrollar métodos de optimización.
Ahí está la dimensión geopolítica de Kimi K3. Los controles de exportación de Estados Unidos pueden limitar el acceso a una tecnología, pero difícilmente pueden impedir que los conocimientos adquiridos en su territorio se combinen en otro lugar.
K3 muestra cómo una empresa que compite bajo restricciones puede concentrarse en administrar selectivamente sus recursos: decidir qué capacidad necesita ante cada problema y evitar movilizar el resto.
La carrera de la inteligencia artificial ya no consiste solamente en acumular más chips, más parámetros y más dinero. Consiste en aprender a utilizar mejor lo acumulado.
El avance no desapareció. Dejó de tener un solo domicilio.
Publicar un comentario