Kimi K3.1 Pro: qué es, cómo probarlo y qué trae el modelo abierto de 2,8T

Qué acaba de pasar con Kimi K3.1 Pro

Liberamos los pesos del modelo Kimi K3.1 Pro: seguiremos impulsando la inteligencia abierta.

El 4 de noviembre de 2026, Moonshot AI anunció la publicación de los pesos de Kimi K3.1 Pro, su nuevo modelo multimodal. El repositorio oficial vive en Hugging Face bajo la organización moonshotai, e incluye el árbol completo de archivos, el código y las instrucciones necesarias para descargarlo y ejecutarlo.

La ficha del modelo lo describe como un sistema de imagen-texto a texto con 2,8 billones de parámetros, una escala que lo coloca en la liga de los modelos frontera. El anuncio insiste en la idea de inteligencia abierta: no se trata solo de una demo, sino de entregar los pesos para que cualquiera pueda inspeccionarlos y desplegarlos.

Qué incluye el repositorio y qué se sabe de su arquitectura

El repositorio de Hugging Face está estructurado en secciones claras: introducción al modelo, resumen, resultados de evaluación, despliegue y disponibilidad, uso del modelo, licencia y contacto. También aparecen espacios de la comunidad que ya lo utilizan y una colección que lo agrupa con otros recursos relacionados.

Más allá del dato de los 2,8 billones de parámetros y de su naturaleza multimodal, la información pública disponible se apoya en esas secciones del repositorio. Los resultados de evaluación están publicados allí, por lo que cualquier comparación seria conviene hacerla leyendo esas tablas directamente en la ficha oficial.

• Modelo multimodal

  Acepta imagen y texto como entrada y devuelve texto, según la descripción oficial del repositorio.

• Escala frontera

  2,8 billones de parámetros lo sitúan entre los modelos abiertos más grandes publicados hasta ahora.

• Documentación completa

  El repositorio incluye guías de uso, despliegue y la licencia aplicable.

Cómo acceder y qué necesitas para ejecutarlo

El acceso es directo: los pesos, el código y las instrucciones están en el repositorio oficial de Hugging Face. No hay que esperar lista de acceso ni invitación, aunque sí conviene leer la sección de licencia antes de plantearte un uso comercial.

El punto realista es el hardware. Un modelo de 2,8 billones de parámetros no cabe en un equipo doméstico: hablamos de despliegues en clústeres con memoria distribuida, o de recurrir a proveedores de infraestructura que ya ofrezcan este modelo. Para quien solo quiera probarlo, lo sensato es buscar un espacio de la comunidad o un servicio alojado que lo sirva.

Para qué sirve y qué preguntas quedan abiertas

Por su perfil multimodal, los casos de uso naturales son el análisis de documentos con imágenes, la descripción y extracción de información visual, y tareas de razonamiento que combinan texto e imagen. Al ser de pesos abiertos, también resulta atractivo para equipos que necesitan ajustarlo o auditar su comportamiento en entornos propios.

Quedan incógnitas razonables: el coste real de inferencia a esta escala, qué hardware mínimo recomienda Moonshot AI para un despliegue estable y cómo se comporta frente a otros modelos frontera en tareas concretas. Las respuestas están en las tablas de evaluación y en las guías del repositorio, que conviene consultar antes de tomar decisiones.