Kimi K3 redefine la curva de precios de la IA: de Kimi Linear al HBM y la estrategia de las grandes tecnológicas

Fri, 17 Jul 2026 12:31:36 +0900

Kimi K3 se lanzó el 16 de julio de 2026 a $3 por millón de tokens de entrada sin caché y $15 por millón de tokens de salida. No es el posicionamiento de precio ultra-bajo habitual de un competidor chino. Coincide con el precio estándar de Claude Sonnet 5 y se sitúa un 40% por debajo de GPT-5.6 Sol en entrada y un 50% por debajo en salida. Moonshot AI está posicionando K3 como modelo empresarial principal, no como alternativa económica de respaldo.

La arquitectura está diseñada para respaldar esa afirmación. K3 tiene 2,8 billones de parámetros totales pero activa efectivamente 16 de 896 expertos por token. Kimi Delta Attention controla el coste del contexto largo, Attention Residuals recupera selectivamente representaciones anteriores a lo largo de la profundidad, y el entrenamiento con conocimiento de cuantización usa pesos MXFP4 con activaciones MXFP8. Moonshot recomienda un supernodo con al menos 64 aceleradores.

Esa combinación genera un resultado semiconductor de doble cara. La memoria y el cómputo por token pueden caer mientras el número de instituciones capaces de desplegar un modelo de frontera, y la cantidad de trabajo que ejecutan, puede crecer. K3 es tanto una tecnología de eficiencia como una carga de trabajo de infraestructura.

Lecturas relacionadas: Valor del token de IA y captura de valor de memoria / Futuros de tokens de IA y coste por token / Divergencia EE. UU.-China en infraestructura de inferencia agéntica / Verificación cruzada del modelo de escasez de HBM 2030

Resumen Ejecutivo

K3 combina 2,8 billones de parámetros, visión nativa y una ventana de contexto de 1 millón de tokens. Sus productos y API están activos, pero a 17 de julio los pesos completos, el informe técnico y la licencia no han sido publicados. La tesis de pesos abiertos debe verificarse tras el plazo del 27 de julio.
La puntuación oficial GDPval-AA v2 de Moonshot es 1.668, no 1.687. AA-Briefcase es 1.548. BrowseComp 91,2 utiliza compactación de contexto; el resultado de contexto 1M sin compactación es 90,4. Los resultados son sólidos, pero los entornos de evaluación mixtos y las pruebas realizadas por la propia empresa requieren replicación independiente.
Las afirmaciones de Kimi Linear de hasta un 75% menos de caché KV y hasta 6,3x de mayor rendimiento teórico de decodificación a 1M de contexto provienen de un modelo de investigación con 48B de parámetros totales y 3B activos. No deben presentarse como rendimiento medido de la API de K3.
K3 no es un modelo económico. Su precio coincide con el precio estándar de Sonnet 5, es un 50% más caro que la promoción de lanzamiento temporal de Sonnet, y resulta más barato que GPT-5.6 Sol. Dado que actualmente solo está disponible el razonamiento máximo y los tests independientes muestran un alto uso de tokens de salida, el coste por tarea completada puede ser menos atractivo de lo que implica el precio de tarifa.
El impacto semiconductor enfrenta un menor cómputo y caché KV por solicitud contra más despliegues autogestionados y mayor carga de trabajo total. La DRAM de servidor y los SSD empresariales son los segundos beneficiarios más claros porque el contexto de agente de larga duración desborda el HBM hacia niveles de caché desagregados.
Las capas de modelo y nube experimentan economías opuestas. Los precios de las API de OpenAI, Anthropic y Gemini enfrentan presión, mientras que Azure, AWS y Google Cloud pueden monetizar K3 y otros modelos a través de cómputo, almacenamiento y redes. Meta debe defender el liderazgo en pesos abiertos de EE. UU.
Los puntos de prueba del 27 de julio son la licencia, los pesos completos, la evaluación externa, el rendimiento en NVIDIA y AMD, el soporte en aceleradores chinos, los tokens de salida reales por tarea, la compatibilidad con vLLM y la adopción en catálogos cloud.

1. Corrigiendo los Números Antes de Sacar Conclusiones

Varios datos cambiaron a medida que el lanzamiento circuló por las redes sociales. Los valores oficiales importan porque algunas diferencias alteran la interpretación para inversores.

Elemento	Valor oficial	Interpretación para inversores
Parámetros totales	2,8T	Tamaño total del modelo, no cómputo activo por token
Enrutamiento de expertos	16 de 896	MoE extremadamente disperso; el enrutamiento y la comunicación se convierten en restricciones de primer orden
Contexto	1M tokens	Útil para repositorios e investigación, pero el coste por tarea depende de la longitud de salida y los aciertos de caché
GDPval-AA v2	1.668	La tabla oficial no muestra 1.687
AA-Briefcase	1.548	Por encima de GPT-5.6 Sol en 1.495, por debajo de Claude Fable 5 en 1.583
BrowseComp	91,2	Usa compactación a partir de 300K tokens
BrowseComp sin compactación	90,4	El resultado más limpio para la afirmación de contexto 1M nativo
Disponibilidad del producto	Web, Work, Code y API activos	Las pruebas comerciales pueden comenzar ya
Pesos	Prometidos para el 27 de julio	La licencia y los artefactos completos no están verificados a 17 de julio
Esfuerzo de razonamiento	Solo máximo	Los modos de bajo coste aún no están disponibles

Moonshot afirma explícitamente que K3 todavía está por detrás de Claude Fable 5 y GPT-5.6 Sol en experiencia de usuario general. Al mismo tiempo, reporta rendimiento de nivel frontera en benchmarks de programación, trabajo del conocimiento y multimodal. La interpretación creíble no es que China haya tomado definitivamente la delantera. Es que un modelo chino ha entrado en la banda de rendimiento inmediatamente inferior a los sistemas propietarios más potentes, prometiendo a la vez un contexto de 1M y pesos descargables.

La tabla de benchmarks no es un único torneo controlado. K3 funciona al máximo esfuerzo de razonamiento. Dependiendo de la tarea, los modelos utilizan Kimi Code, Claude Code o Codex, y algunas puntuaciones de competidores son los mejores resultados entre distintos entornos o se importan de clasificaciones externas. La reproducción independiente sigue siendo necesaria.

Aun así, Terminal-Bench 2.1 en 88,3, FrontierSWE en 81,2, SWE Marathon en 42,0, AutomationBench en 30,8, GPQA-Diamond en 93,5 y MMMU-Pro en 81,6 indican que K3 está diseñado para el uso de herramientas a largo horizonte y la programación, no meramente para el chat. La señal más importante es el conjunto: capacidad cercana a la frontera, contexto de 1M y pesos abiertos prometidos.

2. Cómo un Modelo de 2,8 Billones de Parámetros se Vuelve Desplegable

2.1 Los parámetros totales no son parámetros activos

Calcular los 2,8 billones de parámetros para cada token sería prohibitivamente costoso. Stable LatentMoE activa efectivamente 16 de 896 expertos, aproximadamente el 1,8% del grupo. Se necesita el informe técnico para establecer los recuentos exactos de parámetros activos, pero está claro que los parámetros totales no equivalen al cómputo por token.

El MoE disperso desplaza los cuellos de botella en lugar de eliminarlos.

Qué mejora	Qué se complica
Cómputo activo por token	Calidad del enrutador y equilibrio de expertos
Cómputo necesario para un objetivo de calidad	Comunicación entre aceleradores
Algunos costes de inferencia	Evitar aceleradores inactivos y expertos sobrecargados
Escalar la capacidad del modelo	Mantener accesible el conjunto completo de pesos

Por eso Moonshot recomienda un supernodo con 64 o más aceleradores. Incluso cuando solo un pequeño subconjunto de expertos está activo, el experto seleccionado no se conoce de antemano y el modelo completo debe permanecer accesible. A cuatro bits, 2,8 billones de pesos implican un mínimo teórico de aproximadamente 1,4 TB antes de escalas, metadatos, búferes, caché y replicación. La activación dispersa reduce la aritmética pero no elimina los requisitos de residencia del modelo ni del tejido de interconexión.

2.2 Kimi Linear aborda el coste del contexto largo

El artículo de Kimi Linear es anterior a K3 y evalúa un modelo de investigación con 48B de parámetros totales y 3B activos, no K3 en sí. Combina Kimi Delta Attention con Multi-head Latent Attention completo en una proporción 3:1.

La atención completa es eficaz para la copia exacta y la recuperación precisa, pero la caché KV crece con el contexto. La atención lineal comprime el historial en un estado de tamaño fijo, reduciendo la dependencia de la longitud de secuencia, pero puede perder detalles exactos. Kimi Linear utiliza tres capas KDA seguidas de una capa de atención completa para equilibrar eficiencia y expresividad.

Componente	Función	Compromiso
KDA	Comprimir historial largo en estado de tamaño fijo	Puede debilitar la copia exacta y la recuperación fina
Full MLA	Restaura la recuperación precisa token a token	La caché KV sigue creciendo con el contexto
Híbrido 3:1	Equilibra eficiencia y calidad	Requiere kernels más complejos y software de servicio

El artículo reporta hasta un 75% menos de caché KV y hasta 6,3x de mayor rendimiento teórico de decodificación a 1M de contexto. Una comparación medida en el análisis de complejidad reporta una aceleración de 2,3x. Estos resultados establecen una dirección, no el rendimiento garantizado de la API de K3.

Para los inversores, una menor caché KV significa más solicitudes concurrentes por acelerador. También hace que sean económicos repositorios más extensos, más documentos y agentes persistentes. La memoria por token puede caer mientras el total de tokens aumenta.

2.3 Attention Residuals mejoran la eficiencia en profundidad

Las conexiones residuales estándar siguen acumulando salidas de capas anteriores. En redes muy profundas, las representaciones útiles pueden diluirse. Attention Residuals permite que una capa seleccione las representaciones anteriores que necesita. Block AttnRes agrupa capas y retiene representaciones a nivel de bloque, reduciendo la sobrecarga de memoria.

La investigación de Moonshot indica que aproximadamente ocho bloques recuperan la mayor parte de las ganancias, y Block AttnRes puede igualar una línea base entrenada con aproximadamente 1,25x de cómputo. Esto mejora la eficiencia del capital de entrenamiento, pero no reduce automáticamente la demanda de centros de datos. Una mayor eficiencia puede reinvertirse en modelos más grandes y tareas más largas.

2.4 La cuantización es una estrategia de portabilidad de hardware

K3 aplica entrenamiento con conocimiento de cuantización desde el ajuste fino supervisado en adelante, usando pesos MXFP4 y activaciones MXFP8. Esto debería controlar mejor la pérdida de precisión que la cuantización agresiva tras el entrenamiento y facilitar el despliegue en múltiples plataformas de hardware.

La arena de kernels de Moonshot incluyó NVIDIA H200 y una GPU de propósito general de un proveedor alternativo. La publicación oficial no nombra un chip chino ni afirma tener una economía equivalente al H200. Lo que está verificado es la intención estratégica de optimizar tanto fuera de NVIDIA como sobre NVIDIA.

Eso importa tanto para China como para los compradores globales. China necesita modelos de frontera que puedan sobrevivir con acceso limitado a los mejores sistemas de NVIDIA. Otros compradores quieren poder de negociación entre NVIDIA, AMD y aceleradores personalizados.

3. Lo que Revela el Precio de Tarifa

3.1 K3 tiene precio de modelo principal

Modelo	Entrada cacheada por 1M	Entrada estándar	Salida	Posicionamiento actual
Kimi K3	$0,30	$3	$15	Precio de modelo principal de frontera
Claude Sonnet 5 promo de lanzamiento	Variable	$2	$10	Temporal hasta el 31 de agosto
Claude Sonnet 5 estándar	Variable	$3	$15	Mismo precio de lista que K3
GPT-5.6 Sol	$0,50	$5	$30	67% más caro en entrada y 100% más en salida que K3

K3 es más caro que la promoción actual de Sonnet 5. Describirlo como universalmente la mitad de precio es inexacto. La estrategia más clara es igualar el nivel estándar de Sonnet mientras se sitúa por debajo de la API de frontera más cara.

El precio es tanto una señal de confianza como una decisión de monetización. Moonshot ya no acepta un gran descuento simplemente para captar uso. Está reclamando una posición en el nivel de modelo empresarial por defecto.

3.2 El coste por tarea completada importa más que el coste por token

Los precios de tarifa asumen un uso igual de tokens. Los agentes difieren en longitud de planificación, llamadas a herramientas, reintentos y verbosidad. K3 actualmente solo expone el razonamiento máximo. Artificial Analysis informa que K3 usó aproximadamente 130 millones de tokens de salida en su evaluación del Intelligence Index, más del doble de la mediana entre pares de aproximadamente 63 millones. Un token de salida más barato puede igualmente resultar en una tarea completada costosa.

Coste de tarea = tokens de entrada × tarifa de entrada + tokens de salida × tarifa de salida + coste de herramientas y reintentos

Los compradores empresariales monitorizarán el éxito de la tarea, los tokens de salida, el tiempo hasta el primer token, el rendimiento, la fiabilidad de las herramientas, la tasa de aciertos de caché y la estabilidad de sesión. Moonshot afirma que Mooncake entrega más del 90% de aciertos de caché en cargas de trabajo de programación, haciendo que la entrada cacheada cueste una décima parte del precio sin caché. Si esa tasa se mantiene en el tráfico empresarial, la economía efectiva de K3 mejora de forma significativa.

3.3 Mooncake desplaza la demanda de memoria hacia niveles inferiores de la jerarquía

Mooncake separa los clústeres de prefill y decode, y desagrega la caché KV entre CPU, DRAM y SSD en lugar de mantener todo en HBM de GPU. Su artículo reporta hasta un 525% más de rendimiento en simulación y un 75% más de solicitudes en cargas de trabajo de producción.

Esto explica por qué la demanda de memoria de IA se extiende más allá del HBM.

HBM del acelerador → DRAM del servidor → SSD empresarial → nivel de caché remota

KDA puede reducir la caché KV por solicitud, pero los agentes persistentes con contexto de 1M aumentan el volumen total de caché y el tiempo de retención. Los datos calientes permanecen en HBM y DRAM; el contexto más frío se mueve a SSD. La eficiencia puede suavizar una tesis exclusiva de HBM mientras refuerza la jerarquía de memoria más amplia.

4. Los Pesos Abiertos Chinos Ascienden en la Pila Empresarial

OpenRouter informa que los modelos chinos superaron a los modelos estadounidenses en cuota de tokens en su plataforma a principios de junio de 2026, basándose en más de 450 billones de tokens de enero al 14 de junio. La cuota de DeepSeek subió de aproximadamente el 9% al 18% y se convirtió en el proveedor líder a mediados de mayo.

El camino de adopción tiene tres etapas:

Los modelos abiertos de bajo coste absorben cargas de trabajo de clasificación, traducción y testing.
Un mejor rendimiento en programación y agentes capta flujos de trabajo empresariales repetitivos.
La calidad cercana a la frontera y el contexto de un millón de tokens compiten por el enrutamiento principal.

El precio de K3 está diseñado para la tercera etapa. No sigue la estrategia de precio más agresivo. Cobra un precio de API de nivel frontera mientras promete pesos que nubes, gobiernos y empresas pueden desplegar por sí mismos.

Las API propietarias y los pesos abiertos acumulan distintos activos estratégicos.

API propietaria de frontera	Pesos abiertos de nivel cercano a la frontera
Controla la mejor experiencia de usuario y capacidad	Multiplica las rutas de despliegue y las opciones de hardware
Centraliza los datos de uso	Permite a las empresas retener datos y operaciones
Cambia precios y políticas de forma centralizada	Los archivos publicados son difíciles de retirar
El proveedor del modelo captura el margen bruto	Proveedores de nube, chips y aplicaciones comparten el valor

El modelo propietario más potente puede seguir siendo el número uno mientras pierde cuota de tokens pagados. Las empresas pueden enrutar el trabajo repetitivo a modelos de clase K3 y reservar las tareas legales, de diseño e investigación más exigentes para el modelo cerrado de mayor calidad. La mezcla de tokens pagados y el precio combinado importan más que el puesto en la clasificación.

5. Demanda de Semiconductores: Eficiencia y Difusión Llegan Juntas

5.1 NVIDIA: riesgo de eficiencia a corto plazo, elasticidad de despliegue a medio plazo

El MoE disperso, KDA, la cuantización y la optimización autónoma de kernels reducen el tiempo de GPU por tarea. La portabilidad de hardware también debilita el supuesto de que cada carga de trabajo de frontera debe permanecer en CUDA. Estas son señales negativas de valoración para NVIDIA.

El lado positivo es igualmente significativo. Moonshot recomienda al menos 64 aceleradores para K3 autogestionado. Los pesos publicados podrían llevar a nubes, gobiernos, laboratorios y grandes empresas a construir sus propios clústeres. La demanda concentrada detrás de una API se convierte en demanda de hardware distribuida entre muchos centros de datos.

Demanda total de aceleradores = menor tiempo de GPU por tarea × mayor carga de trabajo total × más instituciones autogestionadas

El primer término es negativo; los dos últimos son positivos. K3 por sí solo no es suficiente para recortar las estimaciones de beneficios de NVIDIA, pero tampoco es suficiente para asumir que cada ganancia de eficiencia genera más demanda de GPU. La elasticidad de la carga de trabajo es la variable determinante.

5.2 AMD: opcionalidad derivada de la elección de hardware

AMD se beneficia si MXFP4, MXFP8 y la portabilidad de vLLM permiten a las empresas separar la elección de modelo de la elección de acelerador. Un modelo abierto de nivel cercano a la frontera ofrece a los compradores una carga de trabajo realista para probar alternativas a NVIDIA.

La prueba debe llegar tras los pesos. Es necesario medir los kernels ROCm, la comunicación en paralelo de expertos, el rendimiento de contexto 1M y la estabilidad de 64 aceleradores. La ventaja de AMD solo crece si K3 demuestra un coste superior por tarea exitosa en sistemas MI.

5.3 HBM: menor caché por solicitud, mayor residencia del modelo

Capa de demanda	Impacto de eficiencia de K3	Dirección
Residencia de pesos	Un modelo de 2,8T debe permanecer rápidamente accesible	Más aceleradores y memoria de alto ancho de banda
Caché KV por solicitud	KDA reduce el tamaño y el crecimiento de la caché	Menos capacidad HBM por solicitud
Usuarios y agentes concurrentes	El menor coste y el despliegue abierto pueden expandir las cargas de trabajo	Más HBM y DRAM totales

Los titulares pueden ser negativos para SK hynix, Micron y Samsung porque un 75% menos de caché KV y 6,3x de rendimiento suenan a menor intensidad de memoria. Esos números pertenecen a un modelo de investigación Kimi Linear, no a la producción medida de K3. HBM también almacena pesos, activaciones, búferes de comunicación y lotes, no solo caché KV.

El equilibrio a medio plazo es neutral a positivo si los clústeres autogestionados y las cargas de trabajo de agentes crecen más rápido que la eficiencia. Se vuelve negativo si la elasticidad de la carga de trabajo es débil y la compresión mejora más rápido que el uso.

5.4 DRAM de servidor y SSD empresariales son los segundos beneficiarios más claros

El contexto largo y la reutilización de caché no pueden permanecer íntegramente en HBM. Una vez que el servicio separa prefill y decode y desborda la caché en CPU, DRAM y SSD, la DRAM de servidor y el SSD empresarial se convierten en activos operativos para la inferencia de IA.

Samsung puede vender HBM, DRAM de servidor, SSD de alta capacidad, fundición y empaquetado.
SK hynix combina HBM y DRAM de servidor con los SSD empresariales de Solidigm.
Micron suministra HBM, DRAM de centro de datos y SSD.

K3 no demuestra que la IA necesite menos memoria. Demuestra que la memoria de IA se está volviendo jerárquica. Los datos más calientes permanecen en HBM, el contexto retenido está en DRAM de servidor, y la caché más fría se mueve a SSD empresarial. Los proveedores con una pila de memoria completa tienen mayor resiliencia que una tesis de un único producto HBM.

5.5 Las redes y el silicio personalizado son los cuellos de botella ocultos del MoE

Distribuir 896 expertos entre aceleradores genera comunicación variable según el enrutamiento de tokens. Por eso Moonshot enfatiza el entrenamiento con paralelismo de expertos equilibrado, formas estáticas y la eliminación de la sincronización del host de la ruta crítica. La operación eficiente en 64 o más aceleradores requiere tejido de alto ancho de banda de scale-up y scale-out.

Eso es estructuralmente positivo para Broadcom, Marvell, las redes de NVIDIA, la interconexión óptica y el silicio de conmutadores. También fomenta los ASICs de inferencia optimizados para modelos abiertos. El ejercicio de diseño de chip pequeño de 48 horas de K3 no es un producto comercial, pero ilustra una co-diseño modelo-hardware cada vez más ágil.

6. Estrategia de las Grandes Tecnológicas de EE. UU. y Transmisión al Mercado

6.1 Microsoft: presión sobre la economía de OpenAI, más uso de Azure

Microsoft tiene exposición a la propiedad intelectual y la economía de OpenAI, así como a la infraestructura de Azure. La actualización de la asociación de abril de 2026 mantiene a Microsoft como socio cloud principal y extiende una licencia de IP no exclusiva hasta 2032.

K3 presiona la capa de modelo porque el trabajo repetitivo puede alejarse de las API de OpenAI. Puede apoyar la capa cloud si Azure aloja K3 como infraestructura gestionada o autogestionada.

Capa Microsoft	Impacto de K3
Participación en ingresos de OpenAI	Negativo por precio y mezcla
Copilot	Positivo si caen los costes de enrutamiento
Azure AI	Positivo si el uso multimódelo crece
Silicio personalizado y centros de datos	Positivo si la optimización de pesos abiertos se expande

El impacto en la cotización a corto plazo es neutral. La pregunta a medio plazo es si Azure convierte la deflación de precios del modelo en uso y margen de Copilot.

6.2 Amazon: Anthropic y AWS tienen economías diferentes

Amazon es un gran inversor en Anthropic y el proveedor de AWS, Bedrock, Trainium e Inferentia. K3 puede reducir el poder de fijación de precios de Claude y el valor de la participación de Amazon en Anthropic. Sin embargo, si las empresas ejecutan K3 en AWS, el uso de EC2, Bedrock, almacenamiento, redes y Trainium puede crecer.

La estrategia óptima de Amazon es mantener la carga de trabajo en AWS independientemente de qué modelo gane. Si K3 llega con una licencia permisiva y soporte eficiente de Trainium, AWS puede monetizar la difusión de un competidor. El impacto en la cotización es neutral a moderadamente positivo, aunque la competencia en precios de inferencia podría reducir los márgenes cloud incluso mientras los ingresos crecen.

6.3 Alphabet: presión en precios de Gemini, defensa de TPU y Vertex

Google controla un modelo, un chip, una plataforma de despliegue y la demanda final a través de Search, Ads y Workspace. Vertex Model Garden soporta modelos de primera parte, terceros y abiertos.

K3 presiona los precios de la API de Gemini pero puede crear demanda de TPU y Google Cloud. Un menor coste del modelo también reduce el gasto en AI Overviews, generación de anuncios y agentes de Workspace. El impacto en la cotización es neutral a positivo porque Google no es únicamente un proveedor de modelos. El riesgo es que Gemini pierda tanto el liderazgo en rendimiento como en precio, lo que elevaría el coste de adquisición de clientes cloud.

6.4 Meta: de beneficiario de los pesos abiertos a defensor

Meta se benefició de la difusión de pesos abiertos al commoditizar las API de los competidores y reducir sus propios costes de recomendación, publicidad y contenido. Si los laboratorios chinos publican primero capacidad cercana a la frontera y contextos más largos, Meta corre el riesgo de perder su posición como el referente del ecosistema de pesos abiertos de EE. UU.

K3 obliga a dos respuestas: el próximo Llama debe competir en contexto largo, herramientas de agente y coste de despliegue, y Meta debe proporcionar una alternativa estadounidense de confianza para empresas y gobiernos reacios a desplegar pesos chinos. El impacto en los beneficios a corto plazo es limitado porque la publicidad impulsa el flujo de caja. El riesgo estratégico es un menor retorno de la inversión en infraestructura de IA y ecosistema de desarrolladores si Llama se queda rezagado.

6.5 El posicionamiento de mercado existente importa más que un solo lanzamiento

Del 22 de junio al 16 de julio, antes de que la mayor parte de la evidencia de K3 pudiera afectar al trading, el complejo de IA estadounidense ya había divergido notablemente.

Empresa	Rentabilidad	Caída desde máximo del período	Señal de posicionamiento
Meta	+17,9%	-3,1%	Fuertes expectativas de flujo de caja publicitario y utilización de IA
Microsoft	+9,2%	-1,2%	Resiliencia cloud y de software
Amazon	+7,3%	-3,2%	Expectativas de recuperación de AWS y consumo
Alphabet	+1,4%	-5,5%	Posicionamiento mixto en búsqueda y cloud
NVIDIA	-0,6%	-3,1%	Relativamente resiliente
Broadcom	-4,5%	-9,7%	El optimismo de IA personalizada encuentra presión de valoración
AMD	-9,2%	-14,3%	Opcionalidad de acelerador alternativo con alta volatilidad
Micron	-29,6%	-32,0%	Corrección tras expectativas elevadas de memoria
Oracle	-29,1%	-32,7%	Tensión entre crecimiento de infraestructura de IA y financiación
Marvell	-38,8%	-40,1%	Fuerte degradación en redes y silicio personalizado

Estas no son rentabilidades causadas por K3. Muestran las posiciones en las que K3 llegó al mercado. Un NVIDIA relativamente resiliente puede ser más sensible a los titulares de eficiencia, mientras que Micron y Marvell, ya corregidos, podrían reaccionar con más fuerza si los pesos publicados crean demanda de infraestructura verificable.

7. Mapa de Impacto por Empresa

Empresa o capa	Señal a corto plazo	Camino a medio plazo	Qué hacer ahora
NVIDIA	Presión de valoración por eficiencia y portabilidad	Los clústeres autogestionados de 64+ aceleradores compensan la eficiencia	Vigilar la elasticidad de la carga de trabajo; no cambiar estimaciones solo por el lanzamiento
AMD	Opcionalidad de despliegue alternativo	Ventaja si se demuestran las economías de ROCm	Esperar al rendimiento post-27 de julio
Broadcom y Marvell	El complejo de redes ya está en degradación	El paralelismo de expertos MoE eleva la demanda de tejido	Verificar pedidos y topología real del clúster K3
SK hynix	Sensible a los titulares de eficiencia de caché KV	Exposición a la jerarquía HBM, DRAM de servidor y SSD de Solidigm	Valorar la pila de memoria completa, no solo HBM
Samsung Electronics	Riesgo de eficiencia HBM más posición de recuperación	Opcionalidad de HBM, DRAM de servidor, SSD y fundición	Cartera más amplia; ejecución aún requerida
Micron	Altas expectativas ya corregidas	Exposición integrada de memoria y almacenamiento de IA de EE. UU.	Vigilar el volumen de despliegue frente al precio
Microsoft	Presión en precio y mezcla de OpenAI	Apalancamiento de coste en Azure y Copilot	El uso cloud importa más que el margen del modelo
Amazon	Presión sobre el valor del activo Anthropic	AWS, Bedrock y Trainium se benefician de la elección de modelo	La compensación interna más clara
Alphabet	Presión en precios de Gemini	Beneficios de costes en TPU, Vertex y Search	La defensa en la capa de aplicaciones sigue siendo sólida
Meta	Presión sobre el liderazgo en pesos abiertos de EE. UU.	Aceleración de Llama o ecosistema abierto más amplio	El impacto estratégico supera el impacto en beneficios a corto plazo

No hay suficiente evidencia para una nueva recomendación de compra o venta solo a partir de este lanzamiento. Los pesos, la licencia y el rendimiento de hardware externo siguen sin estar disponibles. El orden de las pruebas importa más que la dirección de la narrativa.

8. Tres Escenarios

Caso base: modelo sólido, revalorización limitada

Probabilidad subjetiva: 55%. Los pesos completos y una licencia razonablemente permisiva llegan antes del 27 de julio. Los resultados externos reproducen del 85% al 95% del rendimiento oficial. K3 funciona en NVIDIA y AMD, pero 64+ aceleradores, el razonamiento máximo y el alto uso de tokens de salida mantienen el despliegue costoso.

Las API propietarias enfrentan más presión de precios en el trabajo repetitivo.
Las nubes ganan demanda de alojamiento de K3 y autogestion.
La eficiencia por token compensa la mayor carga de trabajo.
HBM es neutral a moderadamente positivo.
DRAM de servidor, SSD empresarial y redes son positivos.

Caso alcista: los pesos abiertos entran en el enrutamiento empresarial principal

Probabilidad subjetiva: 25%. La licencia es cercana a MIT, el soporte de vLLM y SGLang es estable, y NVIDIA, AMD y los aceleradores chinos muestran un sólido rendimiento. La evaluación externa confirma un rendimiento inmediatamente inferior a los mejores modelos propietarios. Los modos de razonamiento más bajos reducen el coste por tarea. Las principales nubes y pasarelas empresariales añaden K3 al enrutamiento por defecto.

El precio combinado del modelo propietario y la cuota de tokens caen.
El uso multimódelo en hiperescaladores crece.
Los clústeres propios aumentan la demanda de aceleradores.
HBM, redes, DRAM de servidor y SSD empresarial se benefician del volumen de despliegue.
Meta y los programas de modelos abiertos de EE. UU. aceleran la inversión.

Caso bajista: los pesos revelan una brecha de coste y calidad

Probabilidad subjetiva: 20%. Los pesos se retrasan o restringen, las puntuaciones externas caen por debajo de la tabla oficial, los requisitos de historial de razonamiento preservado y el exceso de proactividad generan fallos empresariales, y el coste por tarea supera a Sonnet 5 por el razonamiento máximo y la verbosidad. El requisito de 64 aceleradores limita el autogestionamiento.

Moonshot puede tener que retirarse del precio de frontera.
Las API propietarias retienen una prima de experiencia de usuario y fiabilidad.
La demanda incremental de semiconductores sigue siendo limitada.
Los beneficios existentes y el capex recuperan el control de los precios de las acciones.

9. Lista de Verificación del 27 de Julio

Punto de prueba	Señal fuerte	Señal débil
Pesos y licencia	Publicación completa a tiempo con derechos de modificación comercial	Retraso, restricciones o componentes faltantes
Evaluación externa	Puntuaciones oficiales ampliamente reproducidas bajo un solo entorno	Gran caída respecto a la tabla de la empresa
Coste por tarea	Modos de razonamiento más bajos y menos tokens de salida	Razonamiento solo máximo y verbosidad persistente
Rendimiento NVIDIA	Paralelismo de expertos estable en nodos de 64 aceleradores	Cuellos de botella de tejido y baja utilización
Rendimiento AMD	Ventaja de coste bajo ROCm y vLLM	Kernels inmaduros o pérdida de precisión
Aceleradores chinos	Hardware nombrado y rendimiento medido	Solo lenguaje de “GPU alternativa”
Caché	Aciertos cercanos al 90% en tráfico empresarial	Caída pronunciada fuera de la programación
Adopción cloud	Listados en AWS, Azure, Google Cloud u Oracle	Limitado a unas pocas plataformas chinas
Precios competitivos	Recortes de precio estándar o mayores descuentos de caché	Solo promociones temporales
Pedidos de memoria	Revisiones al alza de volúmenes de HBM, DRAM de servidor y SSD	La eficiencia sube mientras los volúmenes se estancan

10. El Contraargumento Más Sólido

El caso bajista más sólido es sencillo: la demanda de semiconductores cae si la eficiencia mejora más rápido que el uso. La compresión de modelos, la atención lineal, la cuantización, la reutilización de caché y los ASICs de inferencia podrían procesar el mismo número de tareas útiles con muchas menos GPU y menos HBM. La competencia en pesos abiertos puede reducir los precios de API sin generar suficiente trabajo pagado incremental para justificar el capex de IA.

La evidencia de ese resultado incluiría unos ingresos de inferencia más lentos a pesar de la caída de precios, una mayor utilización de aceleradores pero menos nuevos clústeres, un crecimiento de bits de HBM por debajo de las ganancias de eficiencia del modelo, una débil conversión del backlog de IA en la nube en ingresos, y las empresas usando modelos abiertos solo para recortar costes en lugar de crear nuevos flujos de trabajo.

El caso alcista requiere que las caídas de precio desbloqueen nuevo trabajo: programación a escala de repositorio, automatización de investigación, edición de vídeo, diseño de chips y flujos de trabajo que anteriormente eran antieconómicos. La elasticidad de la carga de trabajo relativa a la eficiencia del modelo es el punto de prueba común tanto para la inversión en aceleradores como en HBM.

11. Conclusión

Kimi K3 no prueba que China haya superado a los modelos propietarios más potentes de EE. UU. Moonshot reconoce la brecha de experiencia de usuario restante. A 17 de julio, los pesos completos y el informe técnico no están disponibles, y una tabla de benchmarks con entornos mixtos no puede declarar un ganador.

Sí cambia la estructura del mercado. Un modelo de 2,8 billones de parámetros, contexto 1M y nivel cercano a la frontera está activo al precio estándar de Sonnet, con pesos prometidos en diez días. Los pesos abiertos chinos están pasando de sustitutos económicos de segundo nivel a cargas de trabajo empresariales principales.

Para los semiconductores, el evento es más una reasignación de demanda que una destrucción de demanda. KDA y la cuantización reducen el HBM y el tiempo de GPU por solicitud. El MoE disperso y los supernodos de 64 aceleradores aumentan la memoria de residencia del modelo y el tejido. Mooncake empuja la caché hacia DRAM de servidor y SSD empresarial. La historia exclusiva de HBM se vuelve menos simple, mientras que la jerarquía de memoria completa y el centro de datos permanecen expuestos a un despliegue más amplio.

Las grandes tecnológicas de EE. UU. enfrentan la misma división. Las API de modelos absorben la presión de precios; las nubes y las aplicaciones absorben el menor coste del modelo. Microsoft, Amazon y Alphabet pueden alojar K3 aunque sus modelos preferidos pierdan cuota. Meta debe defender su rol estratégico como el referente de pesos abiertos de confianza en EE. UU.

El 27 de julio, la evidencia importante no es la existencia de un archivo de pesos. Es una licencia permisiva, una evaluación reproducible, un rendimiento en múltiples hardware y un coste competitivo por tarea completada. Si esas condiciones se cumplen, K3 se convierte en un evento que cambia tanto la curva de precios de la IA como el camino de la demanda de semiconductores. Si no se cumplen, sigue siendo un impresionante lanzamiento de producto más que un reseteo de la industria.

Fuentes y Limitaciones

Materiales primarios: Lanzamiento de Kimi K3, Documentación de la API de Kimi K3, Artículo de Kimi Linear, GitHub de Kimi Linear, Artículo de Attention Residuals, Artículo de Mooncake, Precios de Claude Sonnet 5, Precios de GPT-5.6 Sol, Análisis de adopción de modelos en OpenRouter, Asociación Microsoft-OpenAI, Google Vertex Model Garden y Asociación Amazon-Anthropic.

El análisis de transmisión a semiconductores y acciones es una inferencia a partir de datos públicos de arquitectura, servicio y mercado. Los parámetros activos exactos, el tamaño de los pesos, los términos de la licencia, el rendimiento de AMD y los aceleradores chinos, y el coste empresarial real por tarea completada siguen sin estar disponibles a 17 de julio. Este artículo es únicamente para fines de investigación e información y no constituye asesoramiento de inversión.

Disclaimer: For research and information purposes only. Not investment advice. Names cited are for analytical illustration; readers should perform their own due diligence and consult licensed advisors before any investment decision.

Precios De API De IA on Korea Invest Insights