GPT-5.6 Sol vs Kimi K3: el modelo open source chino que casi alcanza al SOTA (2026)

Ayer, 16 de julio, Moonshot AI soltó Kimi K3 y el número que todos están repitiendo es este: 57 puntos en el Intelligence Index v4.1 de Artificial Analysis, contra 59 de GPT-5.6 Sol y 60 de Claude Fable 5. Tres puntos de diferencia con el líder. Para ponerlo en perspectiva, su predecesor K2.6 marcaba 44 puntos hace apenas unos meses, un salto de 13 puntos en una sola generación y la brecha más corta que un modelo de pesos abiertos ha logrado jamás frente a la frontera cerrada.

Lo interesante no es solo que K3 se acerque al SOTA, sino que lo hace siendo abierto (pesos completos disponibles antes del 27 de julio) y costando una fracción de lo que cobran OpenAI o Anthropic por sus modelos top. Si estás decidiendo qué modelo meter a producción esta semana, aquí está el desglose completo.

---

Qué es Kimi K3 exactamente

K3 es el nuevo modelo insignia de Moonshot AI: 2.8 billones de parámetros en una arquitectura Mixture-of-Experts llamada Stable LatentMoE, con 896 expertos de los cuales solo 16 se activan por inferencia. Eso le da la capacidad de razonamiento de un modelo de 2.8T con la latencia de algo mucho más chico. Es multimodal de forma nativa, procesa imagen y video sin adaptadores externos, y soporta una ventana de contexto de 1 millón de tokens, prácticamente a la par del 1.1M de GPT-5.6 Sol.

GPT-5.6 Sol, por su parte, es la variante de mayor capacidad de la nueva generación de OpenAI, lanzada apenas una semana antes (9 de julio) y evaluada por Artificial Analysis en varias configuraciones de esfuerzo de razonamiento: low, medium, high, max y xhigh.

Mismo prompt, escena de armería con iluminación, props y detalle. Arriba Kimi K3, abajo Opus 4.8. Autor: @Bhavani_00007

Los números que importan: Intelligence Index y precio

El Intelligence Index v4.1 de Artificial Analysis combina nueve evaluaciones: GDPval-AA v2, 𝜏³-Banking, Terminal-Bench v2.1, SciCode, Humanity's Last Exam, GPQA Diamond, CritPt, AA-Omniscience y AA-LCR. Aquí los cuatro modelos que más se comparan ahora mismo, con su costo oficial por millón de tokens:

• Claude Fable 5: 60 puntos, cerrado, $10 / $50 por millón de tokens (input/output).
• GPT-5.6 Sol: 59 puntos, cerrado, $5 / $30 por millón de tokens.
• Kimi K3: 57 puntos, abierto, $3 / $15 por millón de tokens.
• GLM-5.2: 51 puntos, abierto, $1.40 / $4.40 por millón de tokens.

La distancia entre K3 y Sol es tan pequeña (0.5 a 3 puntos según la métrica) que Artificial Analysis la marca dentro del margen de error de su intervalo de confianza al 95%. En la práctica, para la mayoría de los casos de uso no vas a notar la diferencia de inteligencia, pero sí la del recibo: K3 cuesta un tercio de lo que cuesta Fable 5 y poco más de la mitad de Sol.

Vale la pena poner también a GLM-5.2 en el radar. No compite en el mismo nivel de inteligencia (51 puntos), pero a $1.40/$4.40 por millón de tokens es la opción más barata de las cuatro por buen margen, y sigue siendo abierta bajo licencia MIT.

Dónde K3 gana y dónde pierde

La historia benchmark por benchmark es más interesante que un simple "tercer lugar":

• Terminal-Bench 2.1: K3 marca 88.3, apenas por debajo del 88.8 de Sol.
• Program Bench: K3 lidera con 77.8, superando el 77.6 de Sol y el 76.8 de Fable 5.
• SWE Marathon (sesiones largas de coding sostenido): K3 toma la delantera con 42.0.
• FrontierSWE: aquí Sol se queda atrás con 71.3 y K3 lo supera con comodidad con 81.2, aunque Fable 5 domina la categoría con 86.6.
• Frontend Code Arena (evaluación humana ciega, no autoreportada): K3 se lleva el primer lugar con 1679 Elo, superando incluso a Fable 5.
• GDPval-AA v2 (trabajo económico real, Elo): aquí K3 sí se queda atrás, con 1668 contra 1748 de Sol y 1760 de Fable 5.

En otras palabras: en coding puro y benchmarks de agentes, K3 compite de tú a tú con los modelos cerrados. En trabajo de conocimiento de horizonte largo, todavía hay una brecha real. Esto es consistente con lo que ya vimos en la comparativa de mayo contra K2.6, MiMo y MiniMax: los modelos abiertos están cerrando la brecha en coding mucho más rápido que en razonamiento económico general.

Simulador 3D de una ballesta (Ballista) generado por Kimi K3. Autor: @chetaslua

El precio: la verdadera propuesta de valor

A $3 por millón de tokens de entrada y $15 de salida, K3 es entre 1.7x y 1.9x más barato que GPT-5.6 Sol según la métrica que uses, y aproximadamente un tercio del costo de Fable 5. El costo real por tarea del Intelligence Index ronda los $0.94, similar a Sol y cerca de la mitad de lo que cuesta Opus 4.8.

Vale la pena mencionar la otra cara de la moneda: K3 es notablemente más caro que su predecesor K2.6. Con este lanzamiento, Moonshot está señalando que la era de los modelos chinos ultra-baratos como diferenciador único ya se está cerrando. Ahora compiten en capacidad, no solo en precio de regalo, aunque siguen siendo la opción más económica frente a los modelos cerrados de mayor nivel.

La letra chica: qué falta por confirmar

Antes de comprometer tu arquitectura, hay tres cosas a tener presentes:

• Pesos completos aún no publicados: Moonshot prometió liberarlos antes del 27 de julio. Hasta entonces, solo hay acceso vía API.
• Metodología mixta de benchmarks: los resultados combinan distintos harnesses (KimiCode, Claude Code, Codex, Terminus 2) según la prueba, lo que limita las comparaciones directas modelo a modelo.
• Tasa de alucinación: en AA-Omniscience, K3 mostró un incremento en su tasa de alucinación respecto a K2.x, algo que vale la pena monitorear en tareas de conocimiento factual.

¿Le conviene a un equipo construyendo en LATAM?

Si tu prioridad es correr agentes de coding o pipelines de automatización a gran escala, K3 es una opción seria: rendimiento cercano al SOTA en las tareas donde probablemente lo vas a usar más (terminal, coding, agentes), a un costo considerablemente menor, y con la ventaja de pesos abiertos para quien quiera self-host. Si tu trabajo se inclina más hacia tareas de conocimiento de horizonte largo tipo GDPval, como análisis de negocio o entregables tipo consultoría, GPT-5.6 Sol o Claude Fable 5 siguen teniendo la ventaja. Y si el presupuesto manda por encima de todo, GLM-5.2 sigue siendo la opción más barata para trabajo de agentes de menor complejidad.

La recomendación de Artificial Analysis es clara: piloto controlado para coding, investigación profunda y trabajo visual. Todavía no es un reemplazo total, y mucho menos para self-hosting regulado, hasta que salgan el model card y el reporte técnico completos.

Juego estilo Animal Crossing generado por Kimi K3 en un solo intento, con estética cozy, interacciones y loop de gameplay jugable. Autor: @intheworldofai

Conclusión

Kimi K3 no le gana a GPT-5.6 Sol de forma contundente, pero tampoco necesita hacerlo. Le basta con quedar a tres puntos del SOTA, cobrar una fracción del precio y ser abierto. Esa combinación es la que de verdad mueve la aguja para equipos que hacen ingeniería con presupuesto real, no con crédito ilimitado de un laboratorio. Vale la pena correr tus propias tareas contra ambos modelos, con el mismo harness, antes de decidir cuál se queda en tu stack.

---

Artículos relacionados

• Kimi K2.6, MiMo y MiniMax vs Claude Opus 4.8 y GPT-5.5: ¿ya no tiene sentido pagar por modelos de frontera?
• GPT-5.5 vs Claude Opus 4.7: cuál elegir para tu stack en 2026
• GLM-5.1 vs Kimi K2.5 vs MiniMax M2.7: alternativas reales a Claude Opus 4.6
• Las 6 mejores herramientas de AI coding en 2026

---

¿Tu equipo está evaluando qué modelo de IA meter a producción sin pagar precios de frontera? En fencode ayudamos a diseñar e implementar arquitecturas de IA adaptadas a tu presupuesto y casos de uso. Contáctanos en fencode.dev y agenda una consultoría sin costo.