Kimi K3 y Claude Code: comparación, coste y configuración

La documentación contiene información práctica sobre cómo trabajar con Ailoot.

¿Qué es Kimi K3 y por qué sacudió el mercado?#

Hace un año, Moonshot era conocida por un solo modelo: Kimi K2, publicado como modelo abierto en el verano de 2025. K2.6 llegó en abril y K2.7 Code, en junio de 2026. K3 es el siguiente paso y tiene un tamaño aproximadamente 2,8 veces mayor que K2.6.

La cifra de 2,8 billones suena intimidante, pero detrás hay una ingeniería habitual en 2026. K3 está basado en una arquitectura de mezcla de expertos (Stable LatentMoE): contiene 896 expertos distintos y activa solo 16 para cada token. Esto significa que hay muchos menos parámetros activos de lo que sugiere el total; de lo contrario, nadie podría ofrecer un modelo tan grande a un precio razonable. También utiliza dos técnicas propias de Moonshot: Kimi Delta Attention (que acelera la generación hasta 6 veces) y Attention Residuals (que abarata el entrenamiento). Para quien programa por intuición con IA, esto es fontanería técnica, pero explica por qué un modelo tan enorme acaba costando menos que Claude, aunque su tamaño pudiera hacer pensar en un precio desorbitado.

Lo que importa en la práctica:

• Una ventana de contexto de un millón de tokens. Del mismo tamaño que la ventana de contexto completa de Claude. Puedes introducir un proyecto grande en el modelo de una sola vez.
• Visión. Puedes enviar una captura de pantalla de un error o una maqueta: el modelo puede ver la imagen. Modelos chinos anteriores, como DeepSeek, no tenían esta capacidad.
• Modo de razonamiento siempre activo (modo thinking). El modelo siempre piensa primero y responde después. Esto mejora la calidad y aumenta el precio; volveré a ello más adelante.

La reacción del mercado fue contundente. Un modelo chino abierto había alcanzado el nivel de los modelos insignia cerrados de Anthropic y OpenAI, y Moonshot prometió compartir los pesos gratis. Voy a analizar dónde es real esa «paridad» y dónde no es más que una presentación pulida.

En qué Kimi K3 supera realmente a Claude y en qué se queda atrás#

Empezaré por el benchmark que más importa a quien programa por intuición con IA: Frontend Code Arena. Los modelos generan interfaces y las personas eligen a ciegas cuál es mejor. Eso se parece bastante a lo que haces cuando le pides a una IA que cree un sitio web.

Kimi K3 ocupa el primer puesto y queda primero en seis de los siete dominios. Para quien crea sitios web e interfaces conversando con una IA, esa es la señal más clara: el modelo rinde bien en tareas de diseño y frontend.

Para la inteligencia general, una puntuación aproximada de 57 para Kimi y una de 44 para «Kimi K3 (max)» no forman una clasificación coherente sin editor del índice identificado, enlaces a resultados primarios y una configuración comparable. Ninguna de las dos establece la posición actual de Kimi con las pruebas enlazadas aquí.

Antes de comparar, usa la misma revisión y fecha de un índice identificado, registra modelo exacto y ajuste de razonamiento —incluido «max»— y comprueba entorno y escala. Hasta verificar esos datos en el resultado del editor, la posición de inteligencia general de Kimi queda sin acreditar. Las preferencias de frontend y los benchmarks de código miden otras cosas y no suplen esa carencia.

Para otra comparación de modelos abiertos, consulta «GLM-5.2 alcanzó a Claude Opus 4.8»; no resuelve la falta de atribución del índice de Kimi.

Benchmarks clásicos de programación:

• SWE-bench Verified: 76,8 %. Mide la capacidad de corregir errores reales en proyectos de GitHub. Es un resultado sólido, aunque los mejores modelos de Claude obtienen puntuaciones más altas.
• LiveCodeBench: 85 %. Problemas algorítmicos en formato «entrada — salida esperada». K3 es fuerte en este ámbito.
• Terminal-Bench 2.1: 88,3. Trabajo agentivo en la terminal, según la propia Moonshot.

Y aquí está la salvedad que debo incluir para que esta guía sea honesta y no un anuncio. Moonshot elaboró su tabla de programación con distintos harnesses: algunas mediciones usaron su propio KimiCode, otras Claude Code y otras Codex. Los distintos harnesses pueden hacer variar el mismo resultado entre 10 y 26 puntos.

No digo que los modelos chinos sean «mejores que Claude». Por mi experiencia usando Claude Code como herramienta principal, siguen quedándose atrás en código complejo, y lo veo cada vez que los comparo. Pero K3 muestra ahora el mejor resultado en vivo en tareas de frontend, por una fracción del precio. Ignorarlo es tan absurdo como declarar muerto a Claude.

¿Quieres hacer algo más que elegir un modelo, como preparar un sistema que reduzca las alucinaciones de la IA y mantenga el contexto durante más tiempo? Elegir un modelo es una palanca. La ingeniería del contexto es otra más potente: lo que añades al contexto de un modelo antes del prompt influye más en el resultado que el nombre del modelo en un benchmark.

¿Cuánto cuesta Kimi K3 y por qué «abierto» no significa «gratis»?#

Precios oficiales de la API de Kimi K3 (verificados con los precios oficiales de Anthropic el 2 de octubre de 2026):

Al precio de lista, la entrada de Kimi cuesta una cuarta parte menos que la de Opus 5.5 (3 $ frente a 4 $), y la salida también cuesta una cuarta parte menos (15 $ frente a 20 $). La diferencia es menor que con la generación anterior de Opus, pero la tendencia es la misma. El verdadero ahorro viene de la caché cuando envías solicitudes repetidas con el mismo contexto. Al trabajar en un proyecto, se repite el comienzo de cada solicitud: los mismos archivos, las mismas reglas y el mismo prompt del sistema. La caché de Kimi ofrece un descuento del 90 % respecto al precio normal de entrada. En programación, la caché se aprovecha en el 90 % o más de los casos, por lo que el coste efectivo de los tokens de entrada se acerca a los 30 centavos. Sacar el máximo partido a la caché en cualquier modelo es una disciplina por sí sola; lo expliqué en detalle con DeepSeek como ejemplo.

El modo de razonamiento esconde un riesgo en el precio. Kimi K3 siempre piensa antes de responder, y ese razonamiento se factura como tokens de salida a 15 $ por millón. La diferencia es insignificante en una pregunta sencilla, pero en una tarea compleja el modelo puede «pensar» durante miles de tokens, consumiendo en parte la ventaja del precio bajo. Debes revisar la factura final de una jornada de trabajo. En este caso, el precio de lista induce a error.

Ahora, la palabra «abierto». Moonshot prometió publicar los pesos de Kimi K3 antes del 27 de julio de 2026 y cumplió: el commit de HuggingFace está fechado el 27 de julio de 2026 (HuggingFace, Kimi-K3, verificado el 2 de octubre de 2026). «Pesos abiertos» suena a «me los descargaré y los ejecutaré gratis en mi propia máquina». En realidad, no. Incluso comprimidos a 4 bits, 2,8 billones de parámetros ocupan cientos de gigabytes de memoria, requieren varios GPU potentes, conexiones rápidas entre ellos y alguien que los configure y mantenga.

Que Kimi K3 sea abierto resulta útil para los grandes proveedores de nube y los equipos empresariales que tienen su propia infraestructura. Para ti significa otra cosa: competencia que empuja los precios a la baja y una opción de respaldo si algún día suben los límites o los precios de Claude. No vas a ejecutar 2,8 billones de parámetros en tu portátil. Tengo un análisis aparte sobre cómo el vibe coding «gratis» acaba convirtiéndose silenciosamente en una factura: «El coste oculto del vibe coding».

Cómo conectar Kimi K3 a Claude Code con 3 variables#

Claude Code puede conectarse a cualquier endpoint que hable el protocolo de Anthropic. Moonshot configuró uno para Kimi K3, así que no necesitas una versión aparte ni un plugin. La configuración mínima consta de tres variables:

export ANTHROPIC_BASE_URL=https://api.moonshot.ai/anthropic
export ANTHROPIC_AUTH_TOKEN=sk-your-moonshot-key
export ANTHROPIC_MODEL=kimi-k3

Después, inicia claude como de costumbre. Claude Code cree que se comunica con Anthropic, pero en realidad envía las solicitudes a Kimi K3. Todas las skills, los hooks y el modo plan siguen funcionando, y la factura se calcula según las tarifas de Moonshot.

Aquí hay una trampa importante en la que casi todo el mundo cae. Moonshot tiene dos endpoints compatibles diferentes: uno en api.moonshot.ai y el otro en la plataforma platform.kimi.ai. Usan nombres diferentes para la variable de la clave y para el modelo; una clave de un endpoint devuelve un error 401 en el otro (documentación de Kimi para Claude Code). Si recibes un error 401, casi siempre se debe a que la clave y el endpoint no coinciden. Normalmente, la clave funciona. Obtén la clave y el endpoint de la misma plataforma.

La forma más fácil de comprobar que todo funciona es darle una tarea pequeña: pídele a Claude Code que muestre el contenido de un archivo y luego confirma que recibes la respuesta y que el contador del panel de Moonshot ha subido. Para volver a Claude normal, elimina las tres variables (unset ANTHROPIC_BASE_URL ANTHROPIC_AUTH_TOKEN ANTHROPIC_MODEL) y reinicia Claude Code. Si cambias a menudo, puedes crear dos perfiles de shell o poner las variables en un archivo .envrc con direnv, para que solo estén activas en un directorio concreto.

Es una opción práctica si ya tienes configuradas skills y hooks para Claude Code y no quieres aprender a usar otra herramienta. Moonshot también tiene su propio agente de terminal, Kimi Code, pero para alguien que ya trabaja en Claude Code, cambiar el motor con tres variables es la opción que menos fricción implica.

Lo que definitivamente no debes hacer es comprar «cuentas preparadas con saldo» a bots de Telegram. Suelen provocar pérdidas de dinero y cuentas bloqueadas al cabo de unos días. Los datos también son un motivo de preocupación real: los servidores de Moonshot están en China, y los proyectos de trabajo con datos sensibles plantean una cuestión aparte. Analicé los riesgos de dar acceso a tus datos a un modelo en la guía «¿Es seguro dar acceso a tus datos a Claude Code?».

¿Qué tareas deberías darle a Kimi K3 y cuáles dejar para Claude?#

Aquí es donde realmente está el límite. Ya escribí por separado sobre mi semana usando Kimi K3 en trabajo real y sobre por qué volví a Claude Code en «Kimi K3 en el trabajo: reseña y por qué volví a Claude Code»: allí no hay benchmarks, solo lo que ocurrió con tareas reales.

Dónde ofrece más Kimi K3:

• Frontend y diseño. Ese resultado destacado en Frontend Code Arena. Crea una interfaz, página o componente: Kimi rinde bien y cuesta bastante menos.
• Refactorización rutinaria. Cambiar un nombre, dividir una función, añadir tipos. Para esto, un modelo de primera línea es excesivo.
• Generar pruebas para código existente. Los dos modelos rinden más o menos igual; Kimi es más barato.
• Procesamiento de textos por lotes. Descripciones, traducciones, etiquetado: a gran escala, los precios bajos importan.
• Sesiones largas en un mismo proyecto. Cuanto más tiempo trabajas en un mismo contexto, más veces se aprovecha la caché y menos cuesta cada paso siguiente.

Cuándo conviene seguir con Claude:

• Arquitectura de un nuevo conjunto de herramientas. Comparar opciones, detectar riesgos y elegir una estructura: Claude de primera línea sigue siendo más consistente.
• Depuración de errores complejos con varios pasos. Claude es más fiable en cadenas largas de razonamiento.
• Ciclos largos de agentes autónomos. Claude pierde el hilo con menos frecuencia durante decenas de pasos consecutivos sin intervención humana.
• Desarrollos críticos para producción. Cuando la estabilidad importa más que el precio.
• Datos sensibles. Los servidores de Moonshot están en China; los datos personales de los clientes requieren una consulta aparte con un abogado.

En una frase: encarga a Kimi K3 el trabajo repetitivo, de gran volumen y visual, y deja a Claude las decisiones en las que los errores salen caros. Mucha gente hace precisamente eso: conserva ambas claves y cambia de motor según la tarea. Las tres variables de entorno de la sección anterior están pensadas para ello.

Qué le sigue faltando a Kimi K3 y qué no muestran los benchmarks#

Estos son los puntos que conviene tener presentes.

Los benchmarks utilizan distintos harnesses. Como se mencionó antes, Moonshot realizó algunas mediciones con su propio KimiCode, otras con Claude Code y otras con Codex, lo que hizo variar los resultados entre 10 y 26 puntos. El primer puesto en Frontend Arena es independiente: allí juzgan los resultados personas reales. Pero la tabla de programación de Moonshot debe leerse con cautela.

La comparación con el índice independiente de inteligencia no está resuelta. Una puntuación de «Kimi K3 (max)» no puede compararse con otra de configuración no especificada sin editor identificado, resultado fechado, ajuste del modelo, entorno y revisión del índice. Ningún enlace primario aquí acredita esos datos; las pruebas disponibles no respaldan una posición actual ni comparaciones de coste por tarea o velocidad. No supongas que «max» y una ejecución predeterminada no especificada comparten puntuación o escala.

El modo de razonamiento aumenta la factura. El razonamiento siempre activo favorece la calidad, pero encarece las tareas complejas, que pueden consumir miles de tokens facturados a 15 $ por millón. El precio bajo de Kimi es real para tareas sencillas y de complejidad media; en las tareas pesadas, comprueba la factura.

Datos y jurisdicción. Que los servidores estén en China plantea una cuestión práctica: si un proyecto procesa datos personales, es un asunto que conviene hablar con un abogado. El benchmark no tiene nada que ver con ello.

Ninguno de estos puntos convierte a Kimi K3 en un mal modelo. Es potente y barato, y es justo decirlo. Pero «potente y barato» y «mejor que Claude en todo» son afirmaciones distintas; la segunda no se deduce de la presentación.

Por dónde empezar esta semana#

Un plan concreto, sin pasos adicionales:

1. Cambia Claude Code a Kimi con las tres variables de la sección anterior. Trabaja con él durante una jornada normal. Dale tareas en las que se supone que destaca, como crear una página, un componente o una interfaz.
2. Compara. Al cabo de un día, fíjate en dos cosas: la calidad en tus tareas reales y la factura. Observa en qué casos Kimi responde tan bien como Claude y en cuáles se queda corto.
3. Decide. Conserva ambas claves y cambia de motor según la tarea (frontend y trabajo rutinario: Kimi; tareas críticas: Claude), o vuelve a usar solo Claude con un único comando unset.

El riesgo de este experimento es perder un día ajustando la configuración. La ventaja es que, a partir de la segunda semana, la factura del trabajo visual y de gran volumen suele reducirse varias veces. Probarlo cuesta poco y puedes dejarlo con un solo comando.

Para trabajar de forma sistemática, la ingeniería del contexto ayuda a gestionar el contexto al trabajar con distintos modelos, como Kimi y Claude.

Abrir Ailoot.