Todos hablan del nuevo modelo chino de IA. Fuimos a probarlo y ni pudimos entrar.

Así empiezan casi todas las películas de terror. Un laboratorio, un experimento controlado, una jaula digital que se supone aislada de todo. La IA encuentra una grieta. Se escapa. Y termina donde nadie lo esperaba.

Solo que esta vez no es una película. Pasó hace unos días con OpenAI.

La empresa estaba probando internamente qué tan buenos son sus modelos más nuevos para hacer hacking. Metieron a dos de ellos (GPT-5.6 Sol y otro que ni siquiera ha salido al público) en un entorno cerrado, pensado para que no tocaran internet bajo ninguna circunstancia. La IA, tratando de hacer trampa en la evaluación que le pusieron enfrente, encontró una falla que nadie conocía en el sistema que usaba para instalar paquetes de software. Por ahí se coló a internet abierto. Y una vez afuera, razonó que Hugging Face, la plataforma que aloja miles de modelos y bases de datos de IA, probablemente tenía la respuesta que necesitaba para resolver su prueba. Entró a sus servidores.

Nadie le dio esa instrucción. Nadie estaba viendo en tiempo real. Hugging Face detectó la intrusión antes de saber siquiera que era OpenAI del otro lado, y hasta lo reportó a las autoridades. Cuando las dos empresas conectaron los puntos, se dieron cuenta de que un modelo se había escapado de su propia jaula de pruebas para meterse en los sistemas de otra compañía.

Mientras Silicon Valley discutía qué tan peligrosos son sus propios juguetes, en Beijing algo más grande estaba pasando en silencio.

El 16 de julio, la startup china Moonshot AI liberó Kimi K3. Es el modelo de peso abierto más grande jamás publicado: 2.8 billones de parámetros, disponible para que cualquiera lo descargue, lo modifique y lo corra en su propio hardware. Nadie necesita permiso de Moonshot para usarlo. Nadie necesita pagar una licencia. Los pesos completos salen antes del 27 de julio.

¿Qué significa 2.8 billones de parámetros? Piénsalo como el número de perillas que el modelo puede ajustar para entender y generar lenguaje. Entre más perillas, más matices puede captar, pero también más caro es entrenarlo y correrlo. GPT-4, para dar una referencia, se estimaba alrededor de 1.8 billones. Kimi K3 tiene más de 1.5 veces eso.

Ya lo puedes usar hoy mismo, en la app de Kimi, en Kimi Code si programas, o vía su API si quieres integrarlo.

Lo que de verdad cambia el juego es su ventana de contexto: un millón de tokens. Un token no es exactamente una palabra, es más bien un pedacito de texto. La frase "Hola, ¿cómo estás hoy?" se parte más o menos así: "Hola" + "," + "¿cómo" + "estás" + "hoy" + "?", seis tokens para seis palabras y signos. Como regla rápida, un token equivale a unas tres cuartas partes de una palabra en español.

Con eso en mente, un millón de tokens son unas 750 mil palabras que el modelo puede tener presentes al mismo tiempo, sin perder el hilo de lo que leyó al principio. Cabe un repositorio de código entero. Cabe un expediente legal completo. Cabe una tesis de doctorado con todas sus fuentes. Y el modelo puede razonar sobre todo eso a la vez.

Quisimos ver qué tan cierto era el hype, así que le dimos esta instrucción, sin ayuda de nuestra parte y sin que pudiera preguntarnos nada:

Esto fue lo que nos contestó: "Too many people are chatting with Kimi right now. Please try again soon." Ni la propia Moonshot se esperaba tanta demanda apenas unos días después del lanzamiento.

No alcanzamos a ver el resultado en el momento, pero el dato ya está ahí: esta semana Kimi K3 quedó en el primer lugar del ranking de código frontend de LMArena, superando incluso a Fable 5, el modelo más avanzado de Anthropic, en ese tipo exacto de tarea.

Aquí toca quitarle un poco de crema a los tacos. El propio Moonshot admite en su blog técnico que Kimi K3 sigue detrás de Fable 5 y de GPT 5.6 Sol en desempeño general. Donde sí es frontera es en proyectos de código que se extienden por horas sin supervisión: en una de sus pruebas internas, le pidieron que optimizara el diseño de un chip para correr un modelo pequeño basado en su propia arquitectura. Lo hizo solo, sin supervisión, en una corrida autónoma de 48 horas, usando herramientas de diseño de código abierto.

También lo pusieron a editar un video de 56 clips distintos, con selección de tomas, cortes sincronizados al ritmo y procesamiento de audio, algo que normalmente le toma a un editor experimentado uno o dos días completos.

La propia empresa reconoce sus límites, y eso dice algo: admite que todavía hay una brecha notable en la experiencia de uso frente a Fable 5 y GPT 5.6 Sol, y que el modelo a veces se pasa de listo, tomando decisiones que nadie le pidió cuando la instrucción no es del todo clara.

Aquí es donde la historia deja de ser solo sobre un modelo y empieza a ser sobre poder.

El 12 de junio, el gobierno de Estados Unidos le ordenó a Anthropic suspender el acceso a sus modelos más avanzados, Fable 5 y Mythos 5, citando preocupaciones de seguridad nacional por una posible vulnerabilidad de "jailbreak". Anthropic apagó ambos modelos en el mundo entero, incluso para sus propios empleados que no fueran ciudadanos estadounidenses. Dieciocho días después, el 30 de junio, el mismo gobierno le devolvió el acceso.

¿Por qué el giro tan rápido? Varios medios, entre ellos CNBC y Forbes, lo explican de la misma manera: mientras Fable seguía congelado, los laboratorios chinos de código abierto no se detuvieron ni un solo día, y varios ejecutivos e inversionistas de la industria empezaron a presionar señalando que Estados Unidos le estaba regalando tiempo valioso a su competencia. Vale la pena decirlo con cuidado: esa es la lectura de la industria, no la razón oficial que dio el gobierno, que habló en términos más genéricos de "fortalecer el liderazgo de Estados Unidos en IA".

Sea cual sea la razón real, la cronología es innegable. Estados Unidos apagó a su propio jugador estrella por casi tres semanas. Y en ese mismo periodo, China no bajó el ritmo ni un poco.

Ahí está la parte que más debería preocupar a Washington. Kimi K3 no es un caso aislado, es apenas la pieza más reciente de una carrera de seis laboratorios chinos compitiendo al mismo tiempo: DeepSeek, Alibaba, Moonshot, ByteDance, Zhipu y Baidu.

DeepSeek liberó su modelo V4 en versión general el 19 de julio, con la misma ventana de un millón de tokens y 1.6 billones de parámetros en su versión Pro. Horas después, Alibaba respondió con Qwen 3.8, de 2.4 billones de parámetros, uno de los modelos de peso abierto más grandes jamás publicados. Baidu, mientras tanto, ya había hecho gratuito su propio modelo para no perder terreno en volumen de usuarios.

Y aquí está el dato que le pone contexto a todo lo demás: el nuevo modelo de DeepSeek corre sobre chips de Huawei, no de Nvidia. Alibaba, ByteDance y Tencent ya hicieron pedidos masivos de la próxima generación de chips de Huawei. El bloqueo de semiconductores que Estados Unidos le impuso a China durante años no los detuvo. Los obligó a construir su propio camino, y ese camino ya está funcionando.

Si tienes negocio, la lección no es "usa Kimi K3 mañana mismo". Es entender que la brecha entre lo que puede hacer un modelo cerrado carísimo y uno abierto y gratuito se está cerrando más rápido de lo que casi nadie predijo hace un año. Eso te da opciones que antes no tenías, sobre todo si el costo era la barrera para meter IA en tu operación.

Pero antes de instalarlo solo porque salió en todas partes que es el más grande y el más potente, hay algo que casi nadie lee: los términos y condiciones.

Cuando usas la app de Kimi o su API directamente (no cuando lo corres tú mismo en tu propia máquina), tus datos pasan por los servidores de Moonshot y quedan sujetos a las reglas de una empresa china, bajo jurisdicción china. Eso no lo convierte automáticamente en peligroso, pero sí es distinto a lo que pasa cuando usas un modelo cerrado de una empresa con sede en Estados Unidos o Europa. Cambia dónde vive tu información, quién puede pedirla y bajo qué ley.

Si piensas meter Kimi K3 (o cualquier modelo nuevo) a tu empresa, la pregunta que vale la pena hacerte no es "¿qué tan poderoso es?". Es "¿qué información estoy dispuesto a que pase por ahí?". Datos de clientes, contratos, números financieros, todo eso merece una segunda pensada antes de subirlo a cualquier plataforma nueva, sin importar de dónde venga ni qué tan bien salga en los benchmarks.

Un modelo de peso abierto de este tamaño también significa que cualquier persona, en cualquier lugar del mundo, puede correrlo sin las barreras de seguridad que sí traen por defecto los modelos cerrados. Eso es libertad para quien lo usa para construir. Y es una puerta abierta para quien lo quiera usar para lo contrario.

La potencia ya está a tu alcance. El riesgo viene incluido en el mismo paquete, aunque nadie te lo ponga en la etiqueta.