El acceso a la API de Kimi K3 ya está activo a través de la plataforma propia de Moonshot AI y de Flaq AI Kimi K3 API. Esa distinción importa: los desarrolladores pueden empezar a evaluar el modelo oficial ahora mismo, mientras que los equipos que prefieren un mercado unificado de modelos pueden seguir de cerca Flaq AI y usar su Kimi 2.7 Text-to-Text API verificada para los flujos de trabajo de texto actuales basados en Moonshot.
Esta guía explica qué puede hacer Kimi K3, dónde podría aparecer su valor en producción y qué conviene probar antes de trasladar un agente de programación, un sistema de investigación o un flujo de automatización empresarial a un futuro endpoint de Flaq.
Estado de lanzamiento de la API de Kimi K3 y los hechos que importan
Kimi K3 es un modelo insignia ya lanzado, no un rumor ni una vista previa. La guía oficial de inicio rápido de Kimi K3 de Moonshot identifica el modelo de la API como kimi-k3 y describe una arquitectura de 2,8 billones de parámetros con comprensión visual nativa y una ventana de contexto de un millón de tokens. La empresa lo posiciona para programación de largo alcance, trabajo de conocimiento y razonamiento profundo.
La API sigue un patrón compatible con el SDK de OpenAI. El ejemplo de Moonshot usa https://api.moonshot.ai/v1 como URL base y la interfaz de Chat Completions, lo que reduce la carga de integración para los equipos que ya usan APIs de LLM basadas en mensajes. El acceso es de primera parte hoy; la documentación oficial dice que el modelo insignia se desbloquea tras una recarga exitosa de la cuenta, y que el nivel de la cuenta afecta los límites de tasa.
La historia del modelo abierto aún se está desarrollando. Moonshot afirma que los pesos completos del modelo están programados para publicarse el 27 de julio de 2026, junto con más detalles de arquitectura y evaluación. Eso hace que la “disponibilidad de la API” y los “pesos descargables” sean hitos separados, aunque ambos formen parte del lanzamiento más amplio de Kimi K3.
El estado práctico al 22 de julio de 2026 es:
| Ruta de acceso | Estado actual | Lo que los desarrolladores pueden concluir con seguridad |
|---|---|---|
| Plataforma Moonshot Kimi API | Activa | El acceso oficial a la API kimi-k3 y la documentación están disponibles. |
| Mercado de Modelos de Flaq AI | No se encontró ninguna ficha de Kimi K3 | No uses un ID de modelo de Flaq hasta que aparezca una página o ficha dedicada. |
| Flaq AI Kimi 2.7 Text-to-Text | Activa | Esta es una ruta de texto separada y actualmente verificada de Moonshot en Flaq. |
| Pesos descargables de Kimi K3 | Anunciados para el 27 de julio de 2026 | Revisa el lanzamiento oficial antes de planificar un despliegue autoalojado. |
Qué capacidades de Kimi K3 podrían cambiar la programación y el trabajo de conocimiento
Kimi K3 resulta más interesante cuando la tarea es demasiado grande o tiene demasiados pasos para una simple solicitud de chat. Su conjunto oficial de funciones combina contexto largo, entrada visual, esfuerzo de razonamiento configurable, streaming, salida estructurada estricta, llamadas a herramientas, carga dinámica de herramientas y almacenamiento automático de contexto en caché. En conjunto, estas capacidades apuntan a agentes persistentes y grandes sistemas de conocimiento más que a generación puntual de contenido.
Para desarrollo de software, el mejor encaje está en el trabajo a escala de repositorio. Un agente de programación podría inspeccionar la arquitectura, rastrear una prueba fallida a través de módulos, comparar una implementación con capturas de pantalla, coordinar herramientas de terminal y conservar más historial del proyecto en una sola sesión. Una ventana de un millón de tokens no garantiza una recuperación correcta, por lo que los equipos deberían seguir probando la precisión de recuperación en distintas posiciones del documento y tamaños de contexto.
Para investigación y análisis multimodal, Kimi K3 puede aceptar texto más material visual. La guía oficial de inicio rápido demuestra entrada de imágenes y de video cargado, mientras que la salida estructurada puede restringir la respuesta final a un JSON Schema. Esta combinación es útil para revisión de documentos, análisis de capturas de pantalla, interpretación de gráficos, extracción de evidencia y pipelines que deben pasar campos predecibles a otro servicio.
Los casos de uso prácticos de Kimi K3 incluyen:
- Agentes de programación: análisis de repositorios, depuración, refactorización, planificación de migraciones, generación de pruebas y coordinación de terminal.
- Sistemas de investigación: síntesis sobre grandes colecciones de fuentes, extracción de afirmaciones, comprobaciones de contradicciones y redacción de informes.
- Asistentes multimodales: análisis de capturas de pantalla, diagramas, documentos de producto, estados de interfaz y video cargado.
- Automatización empresarial: clasificación, extracción estructurada, informes con estilo de consultoría, planificación de presentaciones y uso de herramientas en varios pasos.
- Asistentes de conocimiento de contexto largo: preguntas repetidas sobre corpus estables que podrían beneficiarse del almacenamiento automático en caché de prefijos.
Estos son objetivos de diseño prometedores, no pruebas de fiabilidad en producción. El modelo aún necesita evaluación específica por carga de trabajo en cuanto a precisión factual, recuperación ante llamadas a herramientas, detalle visual y tasa de finalización.
API de Kimi en Flaq AI: qué está disponible ahora y qué sigue pendiente
Flaq AI es útil hoy como plataforma API unificada, y Kimi K3 API ya está activa. El Flaq AI Model Market en vivo lista Kimi 2.7 y Kimi K3 en su catálogo de LLM.
La ruta actualmente verificada es Kimi K3 API Text-to-Text. Su página activa muestra un endpoint de estilo chat-completions, autenticación bearer, respuestas en streaming y el ID de modelo kimi-k3-text-to-text. Está posicionada para razonamiento, redacción, apoyo a la programación, resumen y automatización. Flaq también lista una ruta separada de Kimi K3 image-to-text, que es una mejor opción para OCR.
Una solicitud de texto actual en Flaq sigue este patrón:
curl -N -X POST "https://api.flaq.ai/api/v1/chat/completions" \
-H "Authorization: Bearer $FLAQ_API_KEY" \
-H "Accept: text/event-stream" \
-H "Content-Type: application/json" \
-d '{
"model": "kimi-2.7-text-to-text",
"messages": [
{"role": "user", "content": "Review this migration plan and return the main risks."}
],
"stream": true
}'
Usa la documentación de la API de Flaq para la autenticación y los patrones de integración compartidos, y usa la página del modelo como fuente de verdad para los campos específicos del modelo. Cuando aparezca una ficha de Kimi K3, confirma el nuevo ID del modelo en lugar de intercambiar nombres en el código existente.
Los precios de Flaq y los precios de primera parte de Moonshot también deben mantenerse separados en los documentos de arquitectura. Los agregadores pueden empaquetar créditos, límites y configuraciones de modelo de manera distinta, así que compara el coste real de un flujo de trabajo exitoso en lugar de asumir una economía de tokens idéntica.
Cómo evaluar el endpoint de Kimi K3 en Flaq para producción
La mejor prueba de Kimi K3 es una tarea de extremo a extremo con una definición medible de éxito. Una sola respuesta impresionante dice poco sobre la fiabilidad del agente, la recuperación en contexto largo o el coste operativo. Crea un conjunto de evaluación compacto a partir de los flujos de trabajo que tu producto debe repetir.
Empieza con cinco grupos de prueba:
- Conocimiento del repositorio: pide al modelo que localice un defecto entre módulos, cite los archivos relevantes, proponga una corrección mínima y ejecute o especifique pruebas enfocadas.
- Recuperación en contexto largo: coloca hechos verificables cerca del principio, en medio y al final de un corpus grande, y luego prueba recuperación directa, síntesis y manejo de contradicciones.
- Comprensión multimodal: combina capturas de pantalla, diagramas o páginas escaneadas con instrucciones de texto y evalúa si los detalles visuales se conservan en la respuesta.
- Comportamiento del agente: exige varias llamadas a herramientas, introduce un error recuperable en una de ellas y mide si el modelo reanuda la tarea sin duplicar acciones.
- Salida estructurada: valida cada respuesta contra un JSON Schema estricto y rastrea salida malformada, campos faltantes, reintentos y errores semánticos silenciosos.
Registra la latencia hasta el primer token, el tiempo total de finalización, tokens de entrada y salida, comportamiento de caché, cantidad de reintentos, éxito de llamadas a herramientas y tiempo de revisión humana. La métrica de coste más útil no es el precio por millón de tokens; es el coste por resultado aceptado. Una solicitud más barata puede volverse cara si necesita generación repetida o corrección extensa.
La solicitud oficial de primera parte actualmente se ve así:
import os
from openai import OpenAI
client = OpenAI(
api_key=os.environ["MOONSHOT_API_KEY"],
base_url="https://api.moonshot.ai/v1",
)
response = client.chat.completions.create(
model="kimi-k3",
reasoning_effort="high",
messages=[
{
"role": "user",
"content": "Analyze this architecture proposal and return risks, assumptions, and tests."
}
],
)
print(response.choices[0].message.content)
Antes de portar esta llamada a Flaq, verifica el identificador exacto del modelo en Flaq, los tipos de entrada admitidos, los controles de razonamiento, la longitud máxima de finalización, el formato de streaming, el comportamiento de salida estructurada, los límites de tasa, la política de retención, la disponibilidad regional y las condiciones comerciales. La compatibilidad a nivel de endpoint no garantiza funciones idénticas.
Preguntas frecuentes sobre la API de Kimi K3 y recomendación final
¿La API de Kimi K3 está disponible ahora?
Sí. La plataforma Kimi API propia de Moonshot lista kimi-k3, ofrece una guía de inicio rápido y documenta las capacidades actuales. Los requisitos de acceso y los límites deben revisarse en las páginas oficiales antes de la integración.
¿Kimi K3 está disponible en Flaq AI?
Sí. El mercado de modelos de Flaq actualmente lista Kimi K3 API, ofrece una guía de inicio rápido y documenta las capacidades actuales.
¿El Kimi 2.7 de Flaq es el mismo modelo que Kimi K3?
No. Kimi 2.7 es la ruta de Moonshot actualmente verificada más cercana en Flaq, pero es un producto de modelo distinto. Úsalo para los flujos de trabajo de texto actuales sin atribuirle capacidades de Kimi K3.
¿Kimi K3 admite entrada multimodal y salida estructurada?
Moonshot documenta comprensión visual nativa, entrada de imagen y video cargado, llamadas a herramientas, streaming y salida estricta con JSON Schema. Un futuro endpoint de terceros puede exponer un subconjunto distinto, así que prueba cada función en ese endpoint.
¿Qué deberían vigilar los equipos antes de adoptar Kimi K3 a través de Flaq?
Sigue el Flaq AI Model Market para detectar una ficha dedicada y luego verifica el ID del modelo, el precio, los límites de tokens, las entradas multimodales, los controles de razonamiento, las llamadas a herramientas, el streaming, los términos de privacidad y las condiciones comerciales.
Conclusión
El acceso a la API de Kimi K3 ya es significativo para los equipos que están construyendo agentes de programación de largo alcance, herramientas de investigación multimodal y sistemas de conocimiento de extremo a extremo. Los desarrolladores que necesiten K3 hoy deberían empezar con la API oficial de Moonshot y evaluarla con cargas de trabajo reales. Los equipos que prefieran un proveedor unificado pueden seguir de cerca Flaq AI, usar Kimi 2.7 para las tareas de texto de Moonshot actualmente compatibles y migrar solo después de que Flaq publique una ruta verificada de Kimi K3 con detalles técnicos y de precios claros.
Las referencias útiles incluyen la guía de inicio rápido de Kimi K3, la lista de modelos de Kimi, la página de precios de Kimi K3, el Flaq AI Model Market, la documentación de la API de Flaq y Kimi Code CLI.
