Kimi K3 para programar: benchmarks, API y cuándo probarlo
Kimi K3 para software: contexto 1M, puesto #7 en el snapshot DevCove 2026-07-25, benchmarks de código, API y precios—sin afirmar el mejor modelo para siempre.
El 16 de julio de 2026, Moonshot AI lanzó Kimi K3. En la vista Intelligence del leaderboard de LLM de Artificial Analysis, K3 obtiene 57 y queda en el puesto #4, detrás de Claude Fable 5 y los tiers GPT-5.6 Sol y por delante de Claude Opus 4.8. DevCove incluye K3 en el snapshot 2026-07-17 de rankings de modelos de AI coding.
No afirmamos que K3 sea permanentemente el mejor modelo para tu repositorio. Es una nota de evidencia pública con fecha para decidir si probar K3 dentro de tu flujo de herramienta actual.
Respuesta directa
- Qué es K3: flagship MoE de ~2,8T parámetros, ventana de 1M tokens, visión nativa y actualizaciones como Kimi Delta Attention.
- Posición en ranking (snapshot 2026-07-17): Intelligence Index AA 57; precio combinado ~$2,31/1M tokens; salida mediana ~62 tok/s; primer chunk ~1,99s.
- Señales de código: Moonshot y evaluadores externos destacan coding de largo horizonte, generación frontend y trabajo agentic. Tablas de preferencia humana como Frontend Code Arena muestran resultados fuertes, pero harness, niveles de razonamiento y mix de tareas difieren.
- Cómo probarlo: ID de API
kimi-k3(docs de la plataforma Kimi); calendario de pesos abiertos según anuncios oficiales (el lanzamiento citó antes del 27 de julio de 2026). - Recomendación DevCove: trata K3 como modelo candidato por defecto + respaldo, ampliando solo tras diffs, tests y builds en trabajo real.
Especificaciones del lanzamiento
Moonshot posiciona K3 para coding de largo horizonte, knowledge work y razonamiento profundo. Materiales públicos citan:
| Dimensión | Info pública (a 2026-07-17) |
|---|---|
| Parámetros totales | ~2,8T (MoE) |
| Contexto | 1M tokens (AA lista 1,05M) |
| Multimodal | Visión nativa |
| API | kimi-k3 en https://api.moonshot.ai/v1 |
| Pesos abiertos | Cronograma oficial citó release antes de 2026-07-27; verifica cuando aparezcan los archivos |
Evalúa si tu harness agentic usa bien 1M de contexto y si tool use + revisión de diff se mantiene estable.
Snapshot Artificial Analysis
DevCove sigue la misma regla que Mejores modelos de AI coding para proyectos reales: métricas de un snapshot datado público de Artificial Analysis.
En el snapshot 2026-07-17, Kimi K3 muestra:
- Intelligence Index: 57 (#4 en Top 20)
- Precio combinado: $2,31 / 1M tokens
- Velocidad mediana: 62 tokens/s
- Primer chunk: 1,99s
- Respuesta total: 42,30s
Top 20 completo en la página de rankings.
Benchmarks de código
Materiales de lanzamiento sitúan a K3 en el top en varios benchmarks orientados a código, incluyendo Frontend Code Arena, SWE Marathon, Program Bench y Terminal-Bench 2.1. Tres reglas de lectura:
- Alinea tarea y repositorio—frontend fuerte no garantiza migración backend.
- Alinea harness—agentes de terminal, MCP y subagents cambian resultados.
- Alinea fecha—modelos, precios y metodología cambian.
API y precios
Según docs Kimi y precios públicos del lanzamiento (confirma en el sitio oficial):
- Input: ~$3,00 / 1M (cache miss), $0,30 / 1M (cache hit)
- Output: ~$15,00 / 1M
- Razonamiento:
reasoning_effort: "max"
Ruta de prueba práctica
- Elige una tarea acotada en rama no productiva.
- Fija prompt, contexto de archivos y criterios de aceptación; compara con tu modelo por defecto.
- Mide diff, tests, correcciones manuales y coste de tokens.
- Usa el checklist de ship AI coding antes de ampliar.