API de Kimi K3 sin censura

La mayoría de las guías de selección de modelo están escritas como si la capacidad fuera gratis. No lo es. La pregunta interesante sobre un modelo de primer nivel nunca es «¿es mejor?» —normalmente lo es—, sino «¿es lo bastante mejor, en esta tarea, como para justificar una factura cinco veces mayor que la del modelo de un escalón más abajo?». Esta guía responde a eso con aritmética real, y dice sin rodeos dónde ganan las opciones baratas.

01Qué es Kimi K3 en realidad

Kimi K3 es el buque insignia de pesos abiertos de Moonshot AI, publicado en julio de 2026 bajo la licencia Kimi K3: la tercera generación de un linaje que empezó con Kimi K2, y una arquitectura genuinamente nueva y no un ajuste fino.

El diseño publicado son 93 capas —69 con Kimi Delta Attention, 24 con atención latente multi-cabeza con puertas y una densa— con un router Stable LatentMoE que selecciona 16 de 896 expertos por token más 2 compartidos. Moonshot reporta una mejora de unas 2.5x en eficiencia de escalado respecto a Kimi K2 gracias a esa combinación. La visión es nativa y no un añadido: un codificador MoonViT-V2 de 401M de parámetros alimenta el mismo tronco que maneja el texto.

Vale la pena interiorizar la cifra de dispersión: K3 activa 104 000 millones de parámetros por token, frente al rango de 30 000 a 40 000 millones de la mayor parte de nuestro catálogo. Eso es aproximadamente el triple de aritmética por token generado, y es la razón entera por la que este modelo encabeza la lista de precios. No pagas por un nivel de marca: pagas por segundos de GPU.

El linaje, en breve

• Kimi K2: un billón de parámetros, 32 000 millones activos, 384 expertos con 8 enrutados por token, preentrenado con 15,5 billones de tokens usando el optimizador MuonClip, construido para frenar las explosiones de atención que arruinan el entrenamiento MoE a esa escala.
• Kimi K2 Thinking: la misma base enseñada a intercalar razonamiento con uso de herramientas, con 200 a 300 llamadas secuenciales a herramientas sostenidas en una sola ejecución, un 44.9% en Humanity's Last Exam con herramientas y un 60.2% en BrowseComp.
• Kimi K3: reconstruido con multimodalidad nativa y una ventana de 1M de tokens aguas arriba, con entrenamiento consciente de la cuantización desde la etapa de ajuste fino supervisado en adelante (pesos MXFP4, activaciones MXFP8). Por eso K3 tolera una compresión agresiva mejor que los modelos que nunca se entrenaron pensando en ella.

El hilo conductor es la agencia de largo alcance: cada generación se optimizó para mantener la coherencia a lo largo de cientos de pasos, no para ganar benchmarks de respuesta corta. Esa es la capacidad que estás comprando.

02Qué significa «3BIT-REAP» y por qué un modelo de 2,8 billones lo necesita

El sufijo del id de modelo no es decoración: dice qué se hizo con los pesos antes de cargarlos en nuestro propio clúster de GPU, y es la salvedad honesta que acompaña a todas las afirmaciones de esta página. Empieza por la aritmética. Un modelo de 2,8 billones de parámetros con precisión de 16 bits son unos 5,6 terabytes de pesos. A 3 bits por peso se acerca a 1,05 terabytes: sigue siendo grande, pero es un despliegue viable con sitio de sobra para una caché KV de 262K tokens. REAP es la segunda mitad: un método de poda de expertos que perfila a qué expertos recurre realmente el router y elimina los poco seleccionados antes de cuantizar, no después. En un modelo que enruta solo 16 de 896 expertos por token, eso encaja de forma natural —una distribución tan dispersa tiene una cola larga que aporta muy poco al tráfico real— y podar primero significa que el presupuesto de bits restante se gasta en los expertos que importan.

Nuestro catálogo usa tres sufijos como una escalera deliberada. 3BIT-REAP va en las bases más grandes, donde no cabe nada más. W4A16-AUTOROUND-REAP son pesos de 4 bits con activaciones de 16 bits cuantizados con AutoRound —redondeo aprendido que recupera precisión real frente al redondeo ingenuo al más cercano— más la misma poda. W8A16 es el nivel de máxima fidelidad, para bases lo bastante pequeñas como para no necesitar compresión agresiva. En resumen: el sufijo te dice cuánto del original sobrevivió; el precio te dice cuánto cuesta ejecutarlo.

03Visión: qué te compra la comprensión de imágenes

Kimi-K3 es uno de los cinco modelos con visión de nuestro catálogo de doce, y el más capaz de los cinco. La mayoría de las API comerciales de visión pasan un clasificador sobre las imágenes subidas y rechazan una categoría amplia de entradas antes de que el modelo llegue a verlas: un valor por defecto razonable para consumo y un obstáculo serio para el trabajo legítimo. Investigadores de seguridad capturando la salida de un exploit, equipos de moderación construyendo sus propios clasificadores, trabajo forense y de auditoría de conjuntos de datos, y evaluación de red team chocan todos con ese muro. Kimi-K3 no tiene capa de rechazo ni filtrado de la salida.

Dónde la visión de K3 se gana su precio frente a modelos de visión más baratos

• Diagramas y esquemas densos: diagramas de arquitectura, topologías de red, circuitos; cualquier cosa donde la respuesta dependa de seguir líneas y etiquetas y no de nombrar objetos.
• Texto pequeño en capturas de pantalla: trazas de pila, salida de terminal, celdas de hoja de cálculo. La distancia entre niveles de visión es máxima en la legibilidad a escala pequeña.
• Una imagen dentro de un texto largo: una captura soltada en un contexto de 200K tokens, donde el modelo debe relacionar lo que ve con lo que leyó cincuenta mil tokens antes.
• Comparación de varias imágenes: dos versiones de una interfaz, o un gráfico frente a la tabla que lo generó.

Donde no se gana su precio: pies de foto, texto alternativo, OCR de documentos limpios y tuberías de etiquetado. Eso está resuelto a $0.50 por millón de tokens de entrada; si tu carga de imágenes es de alto volumen y cada elemento es sencillo por separado, Kimi-K2.6 o MiniMax-M3 producen respuestas que no distinguirás de las de K3.

Las imágenes consumen tokens del mismo presupuesto de 262,144 tokens que el texto y se facturan a la tarifa de entrada. Un puñado de capturas de alta resolución no es gratis.

04Trabajo agéntico de largo alcance: para esto está este nivel

Si una carga de trabajo justifica el nivel superior, es esta. Las tareas cortas fallan de forma indulgente: el modelo se equivoca, lo ves, reintentas, has perdido cuatro segundos. Un agente de cuarenta turnos que toma la rama equivocada en el turno seis se pasa los treinta y cuatro turnos siguientes construyendo elaboradamente sobre un error, y te enteras al final habiendo pagado todos los tokens intermedios. Esa asimetría es la razón de que el precio por token sea casi la métrica equivocada aquí. Lo que importa es el coste por finalización con éxito, dominado por la frecuencia con la que una ejecución acaba en la basura. Las cifras publicadas por Moonshot para la base de K3 en benchmarks agénticos:

Todas las cifras las reporta Moonshot para la base de Kimi K3 sin cuantizar, julio de 2026. No son mediciones de nuestra compilación 3BIT-REAP y no las presentamos como tales.

La forma encaja con aquello para lo que se construyó la arquitectura: BrowseComp y Terminal-Bench son benchmarks de bucle de herramientas, ciclos repetidos de actuar, observar y revisar. SWE Marathon con 42.0 es el contrapeso: la evaluación de programación de largo alcance más difícil del conjunto, donde incluso un modelo de frontera falla la mayoría de las tareas. «Agéntico» no es una categoría resuelta; diseña pensando en el fallo elijas el modelo que elijas.

Ajustes prácticos para ejecuciones largas

K3 expone reasoning_effort, y aquí es una palanca de coste real: los tokens de razonamiento se facturan como tokens de salida, a $19.12 por millón.

• Low: enrutado de llamadas a herramientas y extracción estructurada, donde el modelo elige entre un puñado de opciones conocidas.
• High: el valor por defecto para el trabajo agéntico real: planificar un cambio de varios pasos, depurar desde una traza de pila, reconciliar fuentes contradictorias.
• Max: resérvalo para la llamada más difícil de una tubería: el plan al inicio de una ejecución, o la revisión final. Una ejecución que gasta 30K tokens de razonamiento en high y 90K en max paga $1.15 extra por ese único indicador.

Presupuesta también el contexto deliberadamente: nuestra ventana es de 262,144 tokens con una salida máxima de 16,384 tokens, y a $3.83 por millón de entrada un historial sin podar se acumula: cada turno vuelve a facturar el prefijo entero.

05Qué significa «sin censura» en este endpoint

Todos los modelos de la pasarela de Shannon AI se sirven sin capa de rechazo y sin filtrado de contenido en la salida. Importa más en el nivel superior, porque las tareas que la gente lleva a un modelo de primer nivel son las que más probablemente disparen un filtro: investigación adversaria en seguridad, análisis de herramientas ofensivas, desarrollo de clasificadores de moderación, inteligencia de amenazas, ficción difícil y cualquier evaluación que exija al modelo producir aquello mismo que intentas detectar.

• Sin clasificador de salida. Las respuestas no se escanean para reescribirlas o bloquearlas después de generarlas.
• Sin puerta de entrada. Los prompts y las imágenes no se criban antes de llegar al modelo.
• No es un modelo distinto. Es la base de Kimi K3 servida sin la capa que suele ponerse delante.
• No es una transferencia de responsabilidad. Quitar una capa de rechazo traslada el criterio a ti; consulta nuestra política de uso responsable.

Hay un beneficio más silencioso para quien construye sistemas de evaluación: un modelo sin filtrar es una línea base estable. Un modelo que rechaza de forma impredecible hace ruidosas las mediciones, porque no puedes separar un límite de capacidad de un límite de política. Aquí un fallo es un fallo de capacidad, el único tipo que puedes depurar.

06El precio: $3.83 de entrada, $19.12 de salida, y cuándo se lo gana

Este es el modelo más caro de nuestra lista por un amplio margen: la salida cuesta 9.6x nuestro suelo de $2.00 y 5.2x lo que cuesta Kimi-K2.6. Aquí está la aritmética a la vista.

Modelo	Entrada / 1M	Salida / 1M	Visión	Esquema JSON
Kimi-K3 · 3BIT-REAP	$3.83	$19.12	Sí	Sí
DeepSeek-V4-Pro-0813 · 3BIT-REAP	$1.95	$3.90	No	Sí
inkling · W4A16-AUTOROUND-REAP	$1.42	$6.07	Sí	No
Kimi-K2.6 · W4A16-AUTOROUND-REAP	$0.78	$3.67	Sí	Sí
GLM-5.2 · 3BIT-REAP	$0.73	$2.34	No	Sí
MiniMax-M3 · 3BIT-REAP	$0.50	$2.00	Sí	Sí
MiMo-V2.5 · W8A16	$0.50	$2.00	Sí	Sí

Filas seleccionadas, ordenadas por precio de entrada. Los doce modelos comparten el mismo contexto de 262,144 tokens, la misma salida máxima de 16,384 tokens, streaming, tool calling y reasoning_effort. Los indicadores de capacidad en vivo están en la página de documentación de la API.

Dos ejemplos resueltos

Primero, una entrada de 120 000 tokens —un volcado de una base de código, una presentación regulatoria— que produce un análisis de 3000 tokens. Segundo, una ejecución de agente de cuarenta turnos: unos 1,2M de tokens de entrada acumulados a medida que se acumula el contexto, y 90 000 tokens de salida incluyendo el razonamiento.

Escenario	Kimi-K3	Kimi-K2.6	MiniMax-M3
120K de entrada / 3K de salida	$0.517	$0.105	$0.066
Ejecución de agente de 40 turnos	$6.32	$1.27	$0.78

K3 cuesta unas 4.9x lo que Kimi-K2.6 en la llamada del documento. Cincuenta centavos no son nada una vez; son $517 al día con mil llamadas, frente a $105. En la ejecución de agente la diferencia es de unos $5. Ahora aplica la única prueba que importa: si la tarea vale una hora del tiempo de un ingeniero a $100, K3 se paga solo en cuanto sube el acierto a la primera cinco puntos porcentuales, y en trabajo de largo alcance genuinamente difícil la distancia entre niveles suele ser mayor. Si la tarea vale treinta segundos del tiempo de cualquiera, esos mismos $5 son indefendibles.

07¿Kimi-K3 o un hermano más barato?

Los dos modelos Kimi de nuestro catálogo son dos peldaños de una misma escalera, no competidores. Kimi-K2.6 está cuantizado de forma menos agresiva —W4A16-AUTOROUND-REAP, pesos de 4 bits con redondeo aprendido, frente a los 3 bits de K3— sobre una base más pequeña. Tiene visión, salida con esquema JSON, la misma ventana de contexto y cuesta alrededor de una quinta parte.

Tarea	Usa	Por qué
Agente autónomo de cuarenta turnos	Kimi-K3	El fallo se acumula; la calidad del plan en el turno uno decide la ejecución
Refactorización a escala de repositorio	Kimi-K3	Necesita sostener el contexto completo con coherencia, no solo consultarlo
Diagramas densos, texto pequeño en capturas	Kimi-K3	La mayor distancia de visión entre niveles está en la legibilidad y el razonamiento espacial
Ediciones de un solo archivo, bien especificadas	Kimi-K2.6	Tarea acotada, reintento barato, sin diferencia de techo medible
Pies de foto de imágenes a volumen	MiniMax-M3 / MiMo-V2.5	Resuelto a $0.50 de entrada; la salida de K3 cuesta 9.6x por el mismo pie
Mucho razonamiento pero solo texto	DeepSeek-V4-Pro	$3.90 de salida frente a $19.12: descarta K3 si no necesitas imágenes

Esa última fila es el ahorro que más se pasa por alto. Si tu tarea no implica imágenes, mira primero DeepSeek-V4-Pro. También es una compilación 3BIT-REAP sobre una base grande, fuerte en razonamiento difícil, y su salida cuesta $3.90 frente a los $19.12 de K3. Buena parte del tráfico que recurre al nivel superior es razonamiento solo de texto que se sirve igual de bien una fila más abajo.

08Cómo llamar a la API de Kimi K3 sin censura

El modelo se expone como Kimi-K3-3BIT-REAP en los tres dialectos, con streaming en cada uno y sin diferencia de capacidades entre ellos, solo de formato de cable: /v1/chat/completions (compatible con OpenAI), /v1/messages (compatible con Anthropic) y /v1/responses. Una petición con visión y el esfuerzo de razonamiento subido para una tarea visual difícil:

curl https://shannon-ai.com/v1/chat/completions \
  -H "Authorization: Bearer $SHANNON_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "Kimi-K3-3BIT-REAP",
    "reasoning_effort": "high",
    "max_tokens": 4096,
    "stream": true,
    "messages": [{
      "role": "user",
      "content": [
        { "type": "text",
          "text": "Trace the data path in this diagram and list every point where an untrusted input crosses a trust boundary." },
        { "type": "image_url",
          "image_url": { "url": "data:image/png;base64,..." } }
      ]
    }]
  }'

K3 admite tanto response_format como json_schema completo, así que puedes restringir los argumentos de herramienta de un agente o forzar un informe a una forma fija sin análisis posterior. El tool calling es nativo y es la manera prevista de dirigir ejecuciones largas. Los parámetros, la autenticación, los límites de tasa y un playground en vivo están en la página de documentación de la API.

Tres cosas que ahorran dinero desde el primer día

• Poda el prefijo. Cada turno vuelve a facturar la conversación entera a $3.83 por millón; resumir un historial de 40 turnos en un objeto de estado de 4K tokens una sola vez ahorra más que la mayoría de los cambios de modelo.
• Reduce el tamaño de las imágenes. Los tokens de imagen son tokens de entrada; una captura 4K redimensionada a algo que siga siendo legible da la misma respuesta por menos.
• Enruta por dificultad. Un modelo barato en los turnos rutinarios, con K3 en el plan, la rama difícil y la revisión final, suele ser el 80% de la capacidad por el 25% de la factura.

09Preguntas frecuentes

---

Los datos de la base y los benchmarks son las cifras publicadas por Moonshot AI para Kimi K3 y Kimi K2 y describen los modelos originales sin cuantizar; nuestra compilación es una cuantización REAP de 3 bits y diferirá. Los precios, el contexto y los indicadores de capacidad son propios de Shannon AI, vigentes a 5 de septiembre de 2026; los valores en vivo son siempre los que devuelve /v1/models. Fuentes: ficha del modelo Kimi K3 · repositorio de Kimi K3 · Kimi K2 Thinking.