Kimi K3 es competitivo con Fable; Kimi K3 y Fable son SoTA

Artículo original ↗ Discusión en Hacker News ↗

Las afirmaciones de que el modelo chino de pesos abiertos Kimi K3 compite con Fable, el modelo de primer nivel de Anthropic, han reavivado el debate sobre si la IA se está convirtiendo en una mercancía y cuánto dicen realmente los benchmarks sobre el código del mundo real y las cargas de trabajo de agentes. Los comentaristas diseccionan la metodología de “enrutamiento oracular” de Fireworks.ai, cuestionan posibles sesgos de marketing y comparan coste, velocidad, eficiencia de tokens y barreras de seguridad entre K3, Fable y otros modelos frontier. El hilo también destaca tensiones más amplias: pesos abiertos frente a cerrados, ecosistemas de IA de EE. UU. frente a China, compensaciones entre privacidad y seguridad, y si sistemas cada vez más capaces pero poco controlados deberían ponerse ampliamente a disposición.

Rendimiento general / afirmaciones de SoTA

  • Muchos ven Kimi K3 como de calidad cercana a la frontera, aproximadamente comparable a Fable/Mythos y a modelos frontier anteriores (Opus 4.8, GPT‑5.5).
  • Otros sostienen que Fable/Sol siguen claramente por delante, especialmente en matemáticas más difíciles (p. ej., FrontierMath Tier 4) y en cierto código complejo.
  • Varios comentaristas dicen que los modelos chinos de pesos abiertos están “benchmaxxed” y se quedan atrás en tareas del mundo real y en eficiencia de tokens; otros informan que K3 supera a Sol/Fable en problemas concretos de programación.
  • Arena.ai y otros rankings a veces contradicen la clasificación de Fireworks, lo que alimenta el escepticismo.

Enrutamiento oracular y enrutamiento práctico

  • El “enrutamiento oracular” de Fireworks se critica como un límite superior teórico: ejecutan las tareas en ambos modelos y luego eligen retrospectivamente la respuesta correcta más barata.
  • Los comentaristas señalan que esto asume que puedes detectar la corrección de forma fiable, lo que a menudo es tan difícil como la tarea original.
  • Algunos prefieren que se evalúen routers reales y predictivos; otros siguen viendo valor en mostrar el techo de optimización.
  • Para las empresas, enrutar puede ahorrar mucho coste; para individuos, el enrutamiento por tarea puede perjudicar el uso de caché y la consistencia.

Coste, tokens y eficiencia

  • Hay una gran tensión entre el precio por token y el total de tokens por tarea: K3 a menudo usa muchos más tokens y turnos que Fable, así que el coste por tarea y la latencia pueden inclinarse hacia cualquier lado.
  • La caché de prompts (altas tasas de acierto en agentes de múltiples turnos) puede hacer que K3 sea mucho más barato pese a los tokens extra.
  • Algunos usuarios agotan sus suscripciones de Kimi rápidamente; otros encuentran que cuesta la mitad que Fable para un trabajo similar.

Pesos abiertos frente a laboratorios cerrados

  • Hay fuerte entusiasmo por los pesos abiertos: autoalojamiento, menos riesgo de descontinuación del modelo o de “lobotomización”, y presión competitiva sobre los laboratorios frontier de EE. UU.
  • Algunos argumentan que los pesos abiertos en realidad ayudan a los laboratorios cerrados mediante distilación y conocimientos arquitectónicos.
  • Hay desacuerdo sobre si los modelos chinos están sobre todo copiando/distilando modelos estadounidenses o innovando de forma independiente.

Privacidad, gobernanza y jurisdicciones

  • Los TOS de la plataforma de Kimi permiten entrenar con el contenido del usuario por defecto; no hay una exclusión simple como en Claude, lo que genera preocupación por el código propietario.
  • Algunos prefieren rutas de retención cero de datos (ZDR) mediante agregadores; otros quieren alojamiento en la UE o fuera de EE. UU. para evitar tanto los regímenes estadounidenses como los chinos.

Seguridad, rechazos y “personalidad”

  • Los modelos frontier (especialmente Anthropic) reciben críticas por rechazos agresivos en seguridad, biología e incluso en código backend rutinario que toca auth/scopes.
  • Los modelos chinos/de pesos abiertos son elogiados por tener menos rechazos y más autonomía, pero otros temen que esto sea la “carrera hacia el fondo” en seguridad.
  • A muchos no les gusta el tono de “glazing”, antropomórfico o de niñera (p. ej., modelos que regañan a los usuarios por blasfemias); algunos quieren explícitamente un comportamiento de asistente breve, incluso “rudo”.

Herramientas, routers y autoalojamiento

  • Puertas de enlace/routers populares mencionados: OpenRouter, Bifrost, LiteLLM, OmniRoute, oh‑my‑openagent, OpenCode y varios harnesses de programación (Claude Code, Kimi Code, ZCode, etc.).
  • Se considera que autoalojar modelos completos de clase K3 solo es viable para grandes organizaciones con clústeres de GPU significativos, aunque las variantes cuantizadas reducen los requisitos.

Geopolítica y mercados

  • Varios comentarios presentan los avances chinos de pesos abiertos como una erosión del dominio de la IA estadounidense y una posible comoditización de las capacidades frontier.
  • Algunos ven la apertura de China como una estrategia para socavar a los hyperscalers estadounidenses; otros subrayan que no es más que “geeks haciendo cosas de geeks”.
  • Hay debate sobre por qué los mercados bursátiles ya no reaccionan con fuerza: la novedad se ha desvanecido y se cuestionan las narrativas sobre el impacto anterior de DeepSeek.