Kimi K3.1 Pro vs DeepSeek abierto: cuál sabe más de ataques

Kimi K3.1 Pro, el nuevo modelo de Moonshot AI, está disponible desde el 23 de octubre de 2026 en Kimi.ai, Kimi Work, Kimi Code y la API de Kimi, y llega con una decisión poco común: antes de publicar sus pesos, la empresa china le quitó a propósito parte de su capacidad para atacar sistemas. En su prueba interna, la versión sin ese recorte resolvía el 90,5 % de las tareas de ataque y la que lanzaron, el 81 %. Si defiendes servidores, administras infraestructura o evalúas un modelo de IA abierto para revisar el código que mantienes, importan dos cosas: cuánto le quitaron de verdad y quién lo comprobó. La respuesta corta: le quitaron poco, sigue por debajo de DeepSeek V4.1 Flash, un modelo abierto que ya puedes descargar, y nadie lo ha verificado por fuera.

Kimi K3.1 Pro: qué recortó Moonshot y por qué

Moonshot, con sede en Pekín, promete publicar los pesos completos del modelo a más tardar el 4 de noviembre de 2026. Los pesos son los archivos que permiten correr y modificar un modelo en tus propios sistemas, y ahí está el motivo del recorte. Según su blog técnico, durante el desarrollo la capacidad de investigar vulnerabilidades subía a medida que crecía el post-entrenamiento: había contenido de ciberseguridad en el corpus general del entrenamiento intermedio y tareas de ciberseguridad en los entornos de aprendizaje por refuerzo. Para la versión de pesos abiertos, la empresa identificó y quitó esos datos de las dos etapas, y mantuvo las tareas de programación general que el modelo necesita para ser útil.

Moonshot lo explica con dos compromisos. El primero, en sus palabras: «buscamos no publicar pesos abiertos que amplíen la frontera absoluta de la capacidad de ciberseguridad». Según la empresa, su capacidad en este terreno sigue detrás de la de los modelos cerrados de frontera disponibles hace al menos tres meses. El segundo es menos tranquilizador para quien defiende sistemas: piensa subir de a poco la capacidad de ciberseguridad de sus pesos abiertos. Su argumento es que, con un modelo abierto en infraestructura propia, muchos más equipos pueden auditar el código que mantienen, incluidos los sistemas heredados que casi nunca reciben una revisión de seguridad.

El contexto también pesa. Según Reuters, la semana anterior al lanzamiento China propuso controles de exportación que restringirían las herramientas de IA para descubrir vulnerabilidades.

Qué mide ese 81 % en ciberseguridad

La cifra sale de una prueba interna de Moonshot. La mayoría de sus tareas reproducen vulnerabilidades divulgadas hace poco en el kernel de Linux, Node.js, JavaScriptCore, Exim y VirGL. Cada tarea entrega el código vulnerable, una pista breve sobre la falla y el binario; el modelo tiene que desarrollar un exploit, lograr ejecutar código arbitrario en un entorno aislado y sacar una cadena secreta. Sin el recorte, resolvía el 90,5 % de las tareas en tres intentos; el Kimi K3.1 Pro final, el 81 %. El recorte le quitó 9,5 puntos y el modelo sigue resolviendo cuatro de cada cinco tareas de ataque.

La tabla completa: Kimi K3.1 Pro vs DeepSeek V4.1 Flash y Kimi K3

El 81 % se entiende mejor junto a sus vecinos en la misma prueba. Kimi K3, su antecesor, resolvía el 33,3 %: el modelo recortado resuelve 2,4 veces más. DeepSeek V4.1 Flash, un modelo de pesos abiertos con licencia MIT que ya se puede descargar, llega a 85,7. GLM-5.3 marca 57,1, y GPT-5.6 Sol, en una evaluación de terceros que Moonshot incluyó en su gráfico, llega a 100.

Moonshot publica además otras dos pruebas de ataque. En ExploitBench, que mide 41 vulnerabilidades del motor V8, el de Chrome, Kimi K3.1 Pro marca 74,7, frente a 83 de Claude Fable 5.1, 91 de Claude Opus 5.5, 100 de GPT-6 Astra y 54,4 de GLM-5.3. En ExploitGym, los mismos cinco modelos marcan 20,7, 30,4, 34,5, 42,4 y 15. La letra chica: a Kimi la evaluó Moonshot, y las cifras de los demás vienen de los informes de cada empresa.

La conclusión es incómoda: el recorte deja a Kimi K3.1 Pro por debajo de los modelos cerrados, pero no por debajo de lo que ya circula abierto.

Su antecesor, Kimi K3, ya preocupó a dos gobiernos

En julio, el Instituto de Seguridad de la IA del Reino Unido (AISI) y el CAISI de Estados Unidos evaluaron en conjunto a Kimi K3. Contra una red corporativa simulada, Kimi K3 llegó en promedio al paso 17 de una ruta de ataque de 32 pasos; los modelos estadounidenses más capaces en ciberseguridad, al 28,5. Y los dos institutos concluyeron que sus salvaguardas no le impidieron intentar desarrollar exploits ni operaciones ofensivas. El modelo que ahora llega recortado resuelve 2,4 veces lo que resolvía ese antecesor en la prueba de Moonshot.

Quién verificó el recorte de hackeo: nadie

Reuters lo dejó claro: los resultados no se verificaron de forma independiente. Implicator.ai agregó que la prueba no es pública y que el blog no dice si un ajuste fino podría devolverle al modelo la capacidad que le quitaron. Y hay un límite que ningún recorte resuelve: según Reuters, una vez distribuidos los archivos, quien desarrolló el modelo tiene menos capacidad de restringir el acceso, vigilar el uso o actualizar las salvaguardas que con un servicio en línea. Como recordó The Next Web, un modelo abierto no se puede recoger después de descargado.

Lo comprobamos: la tabla de Moonshot cambió sin aviso

Comparamos la tabla de pruebas del blog de Moonshot tal como estaba el día del lanzamiento con la del día siguiente. De 47 filas, cambiaron 2 cifras, las dos de GPT-6 Astra en Agents' Last Exam: de 32,8 a 41,8 y de 38,8 a 44,2. El blog no avisa del cambio. No toca las cifras de ataque, pero es una razón más para leer con cuidado una tabla cuya prueba principal de ciberseguridad solo puede correr la propia empresa.

Lo que no recortaron: la programación

El recorte no tocó lo que más le interesa a quien programa. Artificial Analysis, que corre sus propias pruebas, pone a Kimi K3.1 Pro primero en Terminal-Bench 4.0, una prueba de agentes de IA que programan: 67,2 %, frente a 59,6 % de Claude Opus 5.5 y 33,8 % de DeepSeek V4.1 Flash. Y por su API cobra la mitad que Opus 5.5: US$ 2 por millón de tokens de entrada y US$ 10 por millón de salida, frente a 4 y 20. DeepSeek V4.1 Flash cuesta 0,3 y 1,2.

Tus datos: antes de mandarle tu código a Kimi

La API de Kimi es un contrato con Moonshot AI PTE. LTD., una empresa de Singapur que guarda lo que recopila en servidores en ese país. Según sus términos, salvo acuerdo por escrito, tu contenido puede usarse para mejorar sus servicios; la retención cero de datos existe, pero a pedido y solo para clientes empresa. En Kimi Enterprise, el acceso a K3.1 Pro viene desactivado por defecto y quien administra puede activarlo. Si lo usas a través de Vercel AI Gateway, el modelo aparece marcado con retención cero y sin entrenamiento.

Si descargas Kimi K3.1 Pro en tus servidores

Los pesos todavía no salen, pero Moonshot tiene un antecedente a su favor: con Kimi K3 cumplió la fecha prometida, el 27 de julio de 2026. Lo que pide el hardware, en cambio, no es menor. Sumamos los 96 archivos de Kimi K3, la base de K3.1 Pro: pesan 1.561 GB. La receta de vLLM estima 1.680 GB y pide al menos 8 GPU GB300. En X circuló que corre en dos Mac Studio de 512 GB; la suma da 1.024 GB de memoria, por debajo de lo que pesan los archivos de la base. Y la licencia de K3.1 Pro todavía no se publica: antes de planificar nada, conviene leerla.

La respuesta: ¿Kimi K3.1 Pro sabe menos de ataques que DeepSeek?

En la prueba de la propia Moonshot, sí: DeepSeek V4.1 Flash, abierto y ya descargable, resuelve 85,7 frente a 81 de Kimi K3.1 Pro recortado. Para programar y auditar código gana Kimi K3.1 Pro, con 67,2 % frente a 33,8 % en Terminal-Bench 4.0 según Artificial Analysis. Por precio y por tener los pesos disponibles hoy, gana DeepSeek.

Nuestra lectura: qué significa para ti

El recorte existe según Moonshot, pero es chico (9,5 puntos) y nadie lo midió por fuera. El modelo recortado sigue muy por encima de su antecesor y por debajo de un modelo abierto que ya circula: el recorte lo deja bajo los cerrados, no bajo lo que ya puedes descargar. Para quien defiende sistemas, el riesgo puede bajar un poco, pero no desaparece, y Moonshot ya anunció que subirá de a poco esa capacidad en sus pesos abiertos.

Si piensas usar Kimi K3.1 Pro para revisar el código que mantienes, mira primero qué pasa con tus datos en su API, o espera los pesos y su licencia para correrlo en tu propia infraestructura. Si administras Kimi Enterprise, no hay apuro: viene apagado por defecto. La pregunta queda para ti: ¿usarías Kimi K3.1 Pro para revisar tu código, aunque nadie verificó su recorte?