Rumores de filtración de Kimi K3.1: costo en código 3D, cuatro niveles de razonamiento y qué deben verificar los desarrolladores
Según un reporte de Leiphone del 23 de octubre de 2026, en un avance oficial de Kimi apareció un easter egg con "Kimi K3.1", y desarrolladores encontraron el identificador kimi-k3-1 en la configuración de la API de Moonshot; además, la lista de modelos de Kimi Code añadió una opción K3.1; se señala que una solicitud de fusión en SGLang agrega un nivel de razonamiento Medium, llevando la intensidad de razonamiento de tres a cuatro niveles. El bloguero de IA Chris afirma haberlo probado durante aproximadamente una semana y que el costo es cerca del 70% del de K3; el reporte también indica que su costo en 3D es aproximadamente 1/14 del de GPT-6 Astra. Todo lo anterior son rumores y pruebas unilaterales.
Qué ha cambiado
Leiphone reportó el 23 de octubre de 2026 que Kimi publicó un avance oficial con un easter egg visual de "Kimi K3.1", interpretado como un precalentamiento para un nuevo modelo. El reporte cita al bloguero de IA Chris, quien afirma haberlo probado durante aproximadamente una semana, que K3.1 destaca en Three.js y que su costo es solo cerca del 70% del de Kimi K3, con mejora en la eficiencia de tokens; el reporte también muestra imágenes de una simulación de entorno día-noche de 24 horas ejecutada con el modelo. El reporte además reúne varias pistas de filtración: a finales de septiembre, un desarrollador encontró el identificador de modelo kimi-k3-1 en un archivo de configuración de la plataforma API de Moonshot; el 21 de octubre, la lista de cambio de modelos de Kimi Code añadió la opción K3.1; a finales de octubre aparecieron en la arena modelos anónimos con los nombres clave Kibitz y Kalmia, de los cuales Kibitz mostró un rendimiento fuerte en tareas de código frontend y 3D, y algunos desarrolladores infirieron mediante características del tokenizador que se trata de K3.1. Una solicitud de fusión en el repositorio de código de SGLang fue señalada como reveladora de que K3.1 añade un nivel de razonamiento Medium, expandiendo la intensidad de razonamiento de tres a cuatro niveles. El reporte afirma que, en una comparación de construcción en 《Minecraft》 con GPT-6 Astra, el costo de K3.1 es aproximadamente 1/14 del de este último, mientras que también presenta deficiencias como movimientos poco naturales en tareas de animación como una jirafa corriendo. El reporte también cita un informe de Nomura Securities, que indica que Moonshot está desarrollando un modelo de mayores parámetros, sin relación directa con K3.1.
Impacto para desarrolladores
Si estas pistas de filtración finalmente se materializan, el impacto directo para los desarrolladores se concentra en dos áreas. La primera es la estructura de costos. Las cifras reportadas de "aproximadamente el 70% de K3" y "aproximadamente 1/14 de GPT-6 Astra" son valores relativos, no precios oficiales, pero apuntan a lo mismo: en tareas de generación de código como Three.js, WebGL y pantallas interactivas grandes, que requieren cálculo de vértices, iluminación y texturas fotograma a fotograma, el consumo de tokens por unidad de producción y el número de llamadas podrían ser significativamente menores que los de los modelos principales actuales. Para prototipos 3D, pantallas de visualización y canalizaciones de simulación H5 centradas en la generación de código, esto determina directamente si se puede reintentar a bajo costo tras un fallo de generación. La segunda es la granularidad de control. El reporte indica que la intensidad de razonamiento pasa de tres a cuatro niveles y añade un nivel Medium, lo que significa que un mismo modelo podría alternar el nivel de cómputo entre tareas de diseño simple y tareas complejas de interacción física; si se puede programar por dificultad de tarea, las tareas de agentes de cadena larga tendrían la oportunidad de usar un nivel bajo para pasos rutinarios y un nivel alto para razonamiento estructural, en lugar de facturar toda la cadena al nivel más alto. Cabe señalar que esto sigue siendo un rumor y una prueba unilateral, sin confirmación oficial, y que el esquema de facturación real, los nombres de los niveles y las políticas de límite de tasa podrían ser diferentes.
Integración y evaluación
Lo siguiente es análisis y recomendaciones condicionales, no hechos confirmados. Primero, respecto a la afirmación de que "el costo es aproximadamente el 70% de K3", la opción es hacer primero una prueba comparativa con los mismos prompts, en lugar de migrar directamente el tráfico de producción. La premisa es que se pueda obtener acceso a K3.1 y que la tarea sea de generación de código; el criterio de evaluación se fija en un mismo conjunto de prompts de escenas 3D (incluyendo un ejemplo de ciclo día-noche, uno de relaciones espaciales entre múltiples objetos y uno de vista de despiece de componentes), registrando la tasa de éxito, el número de reintentos y el consumo total; solo si el consumo total tras los reintentos sigue siendo inferior a la línea base del modelo actual se consideraría dirigir una pequeña proporción de tráfico. Segundo, respecto al "nuevo nivel de razonamiento Medium", la opción es especificar explícitamente el nivel según la complejidad de la tarea, en lugar de mantener un nivel uniforme. La premisa es que la interfaz realmente exponga el parámetro de nivel; el criterio de evaluación es ejecutar comparaciones en tareas de razonamiento estructural (como mecanismos de acoplamiento o despiece de componentes) y en tareas de diseño convencional, comparando si la diferencia de calidad de salida entre el nivel alto y el Medium está dentro de un umbral aceptable; si en tareas convencionales la calidad con el nivel Medium no disminuye notablemente, establecerlo como predeterminado. Tercero, respecto a la "inferencia por características del tokenizador del modelo anónimo Kibitz en la arena", la opción es no equiparar el rendimiento de Kibitz en las tablas de clasificación con la capacidad estable de K3.1 basándose en especulaciones. La premisa es que lo que interesa es el contexto largo y el control de instrucciones muy largas; el criterio de evaluación es volver a probar con tu propio conjunto de instrucciones largas, observando dónde decae el seguimiento de instrucciones, en lugar de mirar solo la posición en pruebas ciegas públicas. Todas las evaluaciones deben decidir si escalar el volumen solo después de confirmar la facturación real en las páginas de precios del proveedor y de KimiSeek.
Límites y cuestiones pendientes
La información central de este reporte proviene de easter eggs en avances, campos en archivos de configuración, solicitudes de fusión en repositorios de código y especulaciones sobre modelos anónimos en arenas, ninguna confirmada por un anuncio oficial; las cifras (70%, 1/14) son rumores o pruebas unilaterales, no referencias verificadas. Kimi K3.1 no aparece actualmente en el catálogo de venta de KimiSeek; la configuración de API, la lista de Kimi Code y la disponibilidad de llamadas mencionadas en el reporte apuntan al lado del proveedor, y en KimiSeek no hay disponible ninguna versión de este tipo para llamar; el Kimi K3 del catálogo es una versión diferente y no puede considerarse el mismo modelo. Los casos de deficiencias mencionados en el reporte (movimientos poco naturales de una jirafa corriendo) y los casos positivos son pruebas de usuarios, con tamaño de muestra y método de prueba desconocidos, y el rendimiento de los objetos de comparación tampoco ha sido reproducido de forma independiente. Los detalles de los niveles de razonamiento en la solicitud de fusión de SGLang, los nombres reales de los niveles y las diferencias de facturación no pueden confirmarse a partir de este reporte. La mención del reporte sobre un modelo de mayores parámetros de Nomura Securities no tiene relación con K3.1, y se dice que está limitado por cómputo y que su progreso es incierto. Los precios y la disponibilidad reales deben consultarse en las páginas de precios del proveedor y de KimiSeek; los precios pueden ajustarse en cualquier momento.
Ilustraciones de la noticia original
