Autor: Long Yue
El mercado tomó a Kimi K3 con pánico como una "versión 2.0 del momento DeepSeek", pero esta vez, el juicio de Wall Street es completamente diferente.
El 16 de julio a altas horas de la noche, Moonshot AI presentó Kimi K3 en Shanghái. Este modelo de código abierto con 2,8 billones de parámetros obtuvo una puntuación de 57 en el índice de inteligencia Artificial Analysis, ocupando el tercer o cuarto lugar a nivel mundial, a la par de Claude Opus 4.8 de Anthropic y GPT-5.5 de OpenAI. Lo más crucial es que en el ranking de programación Frontend Code Arena, creado por la Universidad de California, Berkeley, K3 alcanzó la cima con 1679 puntos, superando a Claude Fable 5 y GPT-5.6 Sol, convirtiéndose en el primer modelo de código abierto en superar a todos los modelos cerrados de ultramar en un ranking de programación autorizado.
El 17 de julio, el sector de semiconductores en el mercado bursátil estadounidense experimentó una caída notable. La reacción refleja del mercado es fácil de entender: a principios de 2025, el lanzamiento de DeepSeek R1 desencadenó una caída abrupta en las acciones de potencia de cómputo, con una lógica de:¿Los modelos chinos son cada vez más fuertes, entonces las empresas estadounidenses de IA aún necesitan invertir tanto dinero en potencia de cómputo? Si los modelos chinos pueden acercarse a capacidades de vanguardia con costos más bajos, ¿la demanda de Nvidia, HBM, servidores y equipos de red será revaluada?
Sin embargo, según información de Trading Desk, los últimos informes de investigación de bancos de inversión como UBS, Nomura, Bank of America Merrill Lynch y Citibank consideran que:Kimi K3 no es el finalizador de la demanda de potencia de cómputo, sino un acelerador.
Kimi K3 y DeepSeek R1 no son el mismo tipo de impacto. R1 hizo que el mercado viera más la "eficiencia"; K3 destaca más la "escala". 2,8 billones de parámetros, contexto de 1M tokens, inferencia siempre activa, multimodalidad nativa, arquitectura MoE,estas características no son una historia de activos livianos. Elevarán conjuntamente la presión sobre la inferencia, la memoria, la red y el almacenamiento.
¿Qué tan potente es Kimi K3?
Kimi K3 fue lanzado por Moonshot AI el 16 de julio de 2026, y los pesos completos del modelo planean estar disponibles el 27 de julio. Es un modelo de lenguaje grande (LLM) de código abierto con 2,8 billones de parámetros, considerado por múltiples instituciones como el LLM de código abierto de mayor escala actualmente.
La configuración central incluye tres puntos:
Primero, ventana de contexto de 1 millón de tokens. El modelo puede procesar textos más largos, bases de código más extensas y tareas de investigación y documentación empresarial más complejas.
Segundo, inferencia siempre activa. No es simple pregunta-respuesta, sino orientada a tareas de razonamiento de cadena larga y Agente.
Tercero, capacidad visual nativa. K3 no solo procesa texto, también está orientado a tareas multimodales como video, imágenes, desarrollo de juegos, diseño frontend, CAD, etc.
En arquitectura, K3 utiliza Kimi Delta Attention, Attention Residuals y Stable LatentMoE. La parte MoE activa 16 expertos por token de entre 896 expertos. Según la información proporcionada por Moonshot AI, la eficiencia de escalado general aumenta aproximadamente 2,5 veces en comparación con Kimi K2.
Esto explica por qué K3 no es un "K2 más barato". Los precios recopilados por Nomura muestran que el precio de entrada de K3 es de 3 dólares por millón de tokens, la entrada con caché acertado es de 0,30 dólares y la salida es de 15 dólares por millón de tokens; según Artificial Analysis,el costo por tarea de K3 es de aproximadamente 0,94 dólares. Este precio es inferior a los aproximadamente 2,75 dólares de Claude Fable 5 y los aproximadamente 1,80 dólares de Claude Opus 4.8, cercano a los 1,04 dólares de GPT-5.6 Sol, pero significativamente superior a los 0,32–0,47 dólares de GLM-5.2, y mucho más alto que los 0,04 dólares de DeepSeek V4 Pro.
Por lo tanto, el posicionamiento de K3 no es el precio más bajo, sino acercarse a las capacidades de los modelos de vanguardia con un precio más bajo.
Cuatro bancos de inversión definen intensamente: Esto no es un debilitamiento de la demanda
Ante la preocupación del mercado por el impacto del "momento DeepSeek", Duan Bing, analista del equipo de tecnología de Asia-Pacífico de Nomura Securities, escribió en su informe: "Creemos que la competencia e innovación en el mercado global de modelos grandes no se detendrá. A medida que nos acercamos más a la Inteligencia Artificial General (AGI), las aplicaciones de IA generativa en los sectores consumidor y empresarial continuarán expandiéndose. Los laboratorios de IA de vanguardia y las empresas de plataformas en la nube a hiperescala pueden continuar invirtiendo en esta etapa para mantener su posición competitiva. Con la continuidad de la ley de escala,interpretamos esta competencia como favorable para la cadena de valor de la infraestructura de IA."
Peter Lee, analista de semiconductores de Citibank, tituló su informe del 19 de julio directamente como"Otra paradoja de Jevons". ¿Qué significa la paradoja de Jevons? En pocas palabras: la mejora de la eficiencia de la máquina de vapor a carbón hizo que el consumo de carbón fuera aún mayor, porque más personas podían permitírselo y se usaba en más escenarios. Lo mismo ocurre con los modelos de IA: cuando los modelos de calidad se vuelven más baratos, los desarrolladores y las empresas implementan más aplicaciones, procesan más tokens, y el consumo final de potencia de cómputo, en cambio, aumenta.
Peter Lee cree que,incluso si K3 se usa ampliamente, la demanda de memoria general como DDR5 para servidores y eSSD seguirá aumentando. La razón es que la eficiencia de inferencia de K3 es comparable a la de otros modelos de vanguardia, pero la ocupación de la caché KV se expandirá con el crecimiento del contexto, aumentando, en lugar de disminuir, la presión sobre la memoria.
Vivek Arya, analista de semiconductores de Bank of America Securities, fue más directo en su informe del 17 de julio. Él cree que la respuesta de los laboratorios de IA de vanguardia de Estados Unidos es"no menos potencia de cómputo, sino más". Si los modelos de código abierto chinos continúan acercándose, OpenAI, Anthropic y Google deben mantener la diferenciación mediante entrenamientos a mayor escala, inferencias más pesadas e iteraciones más rápidas. Arya también menciona un contexto que a menudo se pasa por alto: informes de medios indican que Gemini 3.5 Pro de Google ya se ha retrasado varios meses respecto al plan, su rendimiento en programación no alcanzó los objetivos internos, y la posición de liderazgo de vanguardia "se está volviendo cada vez más difícil de defender".
El equipo del analista Timo Arcuri de UBS señaló en su informe del 20 de julio que ciertamente existen paralelismos entre K3 y DeepSeek R1, pero K3 tiene más que ver con la escala: es el modelo de código abierto más grande del mundo, con 2,8 billones de parámetros y una ventana de contexto de 1 millón de tokens. Los analistas enfatizan quelos modelos de código abierto generalmente consumen más memoria que los modelos cerrados de vanguardia, porque tienen ventanas de contexto más largas; la demanda de caché KV, incluso después de la cuantización, continúa creciendo en términos absolutos, haciendo que el despliegue de modelos de código abierto dependa más de HBM y almacenamiento.
Almacenamiento: el sector beneficiado más directamente. Los cálculos de UBS muestran que se espera que el flujo de caja libre (FCF) acumulado para 2028 del sector de almacenamiento y memoria alcance aproximadamente el 30% de su valor de mercado, el porcentaje más alto entre todos los subsectores. Solo Micron (MU) representa hasta el 47%. Tanto Citibank como Nomura mantienen su calificación de compra para Samsung Electronics, argumentando que el mercado global de memoria está en un estado de extrema tensión en la oferta. Peter Lee, analista de Citibank, señala que la demanda de memoria en el lado de inferencia de Kimi K3 no es menor que la de otros modelos de vanguardia, y la expansión en el volumen de la caché KV impulsará directamente la demanda de DDR5 para servidores y unidades de estado sólido empresariales (eSSD). Señala especialmente: el despliegue a gran escala de Kimi K3 requiere configuraciones de clúster "supernodo" con más de 64 GPUs.
Infraestructura de potencia de cómputo: TSMC y Nvidia son los primeros en beneficiarse. Ya sea que la ley de escala en el lado del entrenamiento siga siendo efectiva, o que la demanda de tokens en el lado de inferencia crezca, todo apunta finalmente a una mayor demanda de chips de proceso avanzado. Nomura reitera sus calificaciones de compra para TSMC, ASE, MediaTek, etc. Nvidia declaró públicamente que la inferencia de modelos MoE modernos (arquitectura de mezcla de expertos) en GB300 NVL72 mejora la relación rendimiento/consumo hasta 25 veces en comparación con la arquitectura Hopper anterior. Un modelo como K3 se beneficia naturalmente del hardware más reciente de Nvidia.
Red: la tendencia al supernodo crea oportunidades estructurales. Kimi K3 requiere clústeres supernodo. La potencia de cómputo local china, limitada por las restricciones a la exportación de chips de gama alta, necesita depender aún más de la arquitectura supernodo para compensar la brecha de rendimiento por tarjeta individual. Esto impulsa la demanda de proveedores de la capa de red, como módulos ópticos y chips ópticos. Nomura ve con buenos ojos a InnoLight y a Suzhou InnoLight.
Plataforma en la nube: se beneficia del efecto de aglomeración del ecosistema. Las plataformas en la nube que alojan múltiples modelos de código abierto de vanguardia tienen un mayor poder de negociación, sin depender de un único proveedor de modelos cerrados. Nomura ve con buenos ojos a Alibaba (BABA) como núcleo del ecosistema de IA en la nube de China, y a operadores de centros de datos como GDS y 21Vianet (VNET).
Este es quizás el punto de datos más subestimado en toda la narrativa.
Según estadísticas del gateway de API abierto OpenRouter,la proporción del volumen de uso de tokens de modelos de IA chinos en el tráfico global de desarrolladores, hace un año era inferior al 2%; actualmente supera el 45%. Los datos de Bank of America Merrill Lynch corroboran la aceleración de la penetración general de la IA: actualmente, aproximadamente el 55% de las empresas estadounidenses ya están suscritas a modelos, plataformas o herramientas de IA. La tasa de adopción empresarial de Anthropic es del 42%, la de OpenAI del 40%. Los principales consumidores de IA (el 1% superior de usuarios empresariales) ya gastan 4833 dólares mensuales por empleado en IA.
El mercado se está dividiendo. Por un lado, están los modelos de código abierto chinos representados por DeepSeek y Kimi K3, cubriendo el mercado económico y el de relación calidad-precio de gama media-alta; por otro lado, los principales modelos estadounidenses de vanguardia se están enfocando en cargas de trabajo más complejas (como cómputo científico) para mantener la prima tecnológica y de precios. El juicio de Nomura es: los principales jugadores de modelos grandes tanto en China como en Estados Unidos se beneficiarán, siempre que cada uno pueda mantenerse continuamente en la frontera de la curva tecnológica.
Después del lanzamiento de K3, la primera reacción del mercado fue compararlo con DeepSeek R1. Esta comparación es útil, pero no debe detenerse en el nivel de "¿va a hundir nuevamente el hardware de IA?".
DeepSeek hizo que el mercado reestimara la eficiencia del entrenamiento. K3 muestra al mercado otra cosa: los modelos de código abierto también pueden llevar la escala, el contexto largo, el Agente y la multimodalidad hasta el rango de vanguardia.
Esto obligará a los laboratorios de vanguardia estadounidenses a seguir invirtiendo y permitirá que los modelos chinos continúen expandiéndose en el ecosistema global de desarrolladores. Los modelos cerrados de primer nivel mantendrán la prima tecnológica y de precios; los modelos de código abierto cubrirán más rangos de precios y escenarios de despliegue; los proveedores de nube proporcionarán distribución de modelos e implementación empresarial; y la cadena de hardware soportará la presión del entrenamiento y la inferencia.
A corto plazo, las transacciones mostrarán volatilidad debido a la "memoria de DeepSeek". A medio plazo, siempre que el volumen de uso de tokens continúe creciendo, y el contexto largo y los Agentes sigan difundiéndose, la potencia de cómputo, HBM, almacenamiento, red y los IDC seguirán siendo elementos de costo ineludibles.
Esta es también la razón por la que múltiples instituciones llegaron a conclusiones similares después de K3: modelos de código abierto más fuertes no son el final de la demanda de infraestructura de IA, sino que podrían ser la entrada para la próxima ronda de difusión de la demanda.
Sin embargo, Bank of America Merrill Lynch también dejó claramente un riesgo de cola: "Si la velocidad de las ganancias de eficiencia supera el crecimiento de la carga de trabajo, podríamos ver cierto retroceso en la construcción de infraestructura". En otras palabras, si los modelos se vuelven cada vez más baratos, pero el uso no se expande significativamente al mismo ritmo, la lógica de crecimiento de la demanda de potencia de cómputo se verá afectada.
