Prueba en español de Kimi K3.1 Pro frente a Claude Opus 5.5, GPT-6 Astra y Gemini 4 Argon
He probado Kimi K3.1 Pro en español con 12 tareas creadas desde cero para el mercado local. Obtuvo 66,0 sobre 72 puntos y quedó sexto entre siete modelos, destacando en modismos y contexto largo, pero fallando en corrección gramatical.
Actualización (9 de noviembre de 2026): ya han salido Claude Fable 5.2 y Mythos 5.2 - precios, acceso y benchmarks en mi guía de Claude Fable 5.2.
👁 115 lecturas
He puesto a prueba a Kimi K3.1 Pro en español mediante doce tareas diseñadas desde cero para la realidad local de España, comparándolo directamente con Claude Opus 5.5, GPT-6 Astra, Gemini 4 Argon, DeepSeek V4.1 Flash 1017, Qwen3.8 Max 0902 y GLM-5.3. Con 66,0 puntos sobre 72 posibles, el modelo de Moonshot AI ocupó la sexta posición entre siete competidores: resolvió sin fallos las pruebas técnicas, el contexto largo y los modismos, pero cedió puntos clave en la corrección gramatical y en falsos amigos al traducir.
- Puntuación en español: 66,0 / 72 puntos (6.º puesto de 7 modelos evaluados).
- Puntos fuertes: Puntuación perfecta (6,0/6) en modismos y juegos de palabras, resumen local, factura con IVA español (21/10/4%), formatos de fecha y número, lógica, extracción JSON, dato local y contexto largo de unos 30.000 tokens.
- Puntos débiles: Corrección de errores lingüísticos (3,0/6 por pasar por alto conducí), traducción con falsos amigos (5,0/6), comentarios incompletos en el código de validación de DNI/NIE (5,0/6) y formato de fecha en instancia municipal (5,0/6).
- Coste y velocidad en la prueba: 0,165 USD por las 12 tareas en el endpoint
moonshotai/mxfp4, con una mediana de 83 tok/s y 143 segundos en total.
Cómo diseñé la prueba en español y qué limita estos resultados
El 24 de octubre de 2026 ejecuté esta evaluación a través de OpenRouter utilizando exactamente los mismos ajustes para todos los modelos: esfuerzo de razonamiento medio (reasoning effort: medium), límite de 16.000 tokens de salida, transmisión en streaming y un único intento por tarea, forzando el proveedor sin respaldo (provider.only). No son traducciones de un examen en inglés: redacté las 12 pruebas en español con instituciones, formatos, tipos de IVA de la Agencia Tributaria (21%, 10% y 4%) e identificadores españoles (DNI/NIE). Puedes consultar el contexto general del modelo en el centro de análisis de Kimi K3.
Cada ejercicio se puntúa de 0 a 6 (tres criterios de 0 a 2 puntos). Las tareas de cálculo, formato mediante expresiones regulares, lógica, extracción JSON, hechos, contexto largo y la ejecución de código Python en un proceso aislado con casos ocultos se calificaron de forma automática. Los criterios abiertos (redacción administrativa, modismos, resumen, traducción, calidad de comentarios en código y precisión en corrección) fueron evaluados a ciegas por dos jueces de familias distintas: GPT-6.1 Sol y Gemini 4 Argon. Para evitar sesgos de familia, las respuestas de GPT-6 Astra las puntuó únicamente Gemini 4 Argon, las de Gemini las calificó solo GPT-6.1 Sol, y el resto de modelos (incluido Kimi K3.1 Pro y Claude Opus 5.5) recibió la media de ambos jueces.
Es fundamental tener en cuenta las limitaciones de este diseño antes de extrapolar conclusiones:
- Un solo intento por tarea: Al no medir la varianza entre múltiples ejecuciones, una diferencia de 1 o 2 puntos en la tabla general equivale en la práctica a un empate técnico.
- Origen del conjunto de tareas: Las pruebas y las plantillas de referencia fueron preparadas por un agente basado en Claude Opus 5.5. Aunque la mayor parte de la puntuación es automática y los jueces pertenecen a otras familias, existe el riesgo de que el estilo de los enunciados favorezca a Opus. No debe tomarse como un estándar humano independiente.
- Cobertura acotada: Estos resultados reflejan exclusivamente estas 12 tareas en español a través de la API. La calidad en un endpoint específico no demuestra que la aplicación web de Kimi se comporte de manera idéntica, ni permite generalizar el rendimiento a otros idiomas o flujos de trabajo.
- Comportamiento del endpoint en otros idiomas: En español, Kimi respondió a las 12 tareas de forma pertinente. Sin embargo, en el conjunto global de 120 tareas en 10 idiomas, el endpoint
moonshotai/mxfp4devolvió 8 respuestas fuera de tema (en italiano, alemán, turco y japonés) que contaron como 0 en el ranking oficial; las repeticiones diagnósticas posteriores quedan fuera de la clasificación. Además, la variante Highspeed se probó únicamente en polaco, por lo que no infiero su velocidad ni comportamiento en español.
Clasificación general en español: puntos, coste y velocidad
Las tareas puramente estructuradas (cálculo de IVA, formatos, JSON, datos locales, lógica y búsqueda en ~28.000 tokens de actas de comunidad de vecinos) estuvieron saturadas: casi todos los modelos obtuvieron 6,0/6. La clasificación en español se decidió en los matices lingüísticos.
| Modelo | Endpoint (OpenRouter) | Puntos / 72 | Coste (USD) |
|---|---|---|---|
| DeepSeek V4.1 Flash 1017 | together | 71,0 / 72 | 0,025 |
| Claude Opus 5.5 | anthropic | 71,0 / 72 | 0,417 |
| GPT-6 Astra | openai/flex | 70,0 / 72 | 0,256 |
| Gemini 4 Argon | google-ai-studio | 68,0 / 72 | 0,120 |
| Qwen3.8 Max 0902 | alibaba | 67,5 / 72 | 0,188 |
| Kimi K3.1 Pro | moonshotai/mxfp4 | 66,0 / 72 | 0,165 |
| GLM-5.3 | z-ai/fp8 | 62,5 / 72 | 0,066 |
En cuanto a los tiempos de respuesta, las peticiones se enviaron en paralelo (hasta 20 simultáneas), por lo que las cifras son orientativas. Además, GPT-6 Astra se ejecutó fuera de Polonia mediante el endpoint openai/flex a mitad de precio, de modo que sus tiempos no son comparables con el servicio estándar.
| Modelo | Mediana tok/s | Tiempo 12 tareas (s) | Endpoint |
|---|---|---|---|
| DeepSeek V4.1 Flash 1017 | 428 | 34 | together |
| GPT-6 Astra | 195 | 59 | openai/flex |
| GLM-5.3 | 178 | 78 | z-ai/fp8 |
| Claude Opus 5.5 | 176 | 124 | anthropic |
| Gemini 4 Argon | 111 | 107 | google-ai-studio |
| Kimi K3.1 Pro | 83 | 143 | moonshotai/mxfp4 |
| Qwen3.8 Max 0902 | 58 | 405 | alibaba |
Desglose tarea por tarea: Kimi K3.1 Pro frente al mejor rival
Kimi K3.1 Pro igualó la puntuación máxima en ocho de los doce bloques, cediendo terreno únicamente en cuatro ejercicios donde el criterio exigía precisión gramatical estricta o detalles específicos de formato.
| Tarea | Kimi K3.1 Pro | Mejor rival | Modelos con máxima nota |
|---|---|---|---|
| a - Escrito formal / cortesía | 5,0 / 6 | 6,0 / 6 | DeepSeek, Gemini, GPT-6, Opus, Qwen |
| b - Modismos y juego de palabras | 6,0 / 6 | 6,0 / 6 | Kimi, DeepSeek, GPT-6, Opus |
| c - Resumen con contexto local | 6,0 / 6 | 6,0 / 6 | Kimi, DeepSeek, Gemini, GPT-6, Opus, Qwen |
| d - Traducción con trampas (ES-EN) | 5,0 / 6 | 6,0 / 6 | DeepSeek, Gemini, GPT-6, Opus, Qwen |
| e - Factura: moneda e IVA | 6,0 / 6 | 6,0 / 6 | Todos (6,0) |
| f - Formato local de fechas y números | 6,0 / 6 | 6,0 / 6 | Todos (6,0) |
| g - Código con comentarios en español | 5,0 / 6 | 6,0 / 6 | GLM-5.3, Opus, Qwen |
| h - Problema lógico | 6,0 / 6 | 6,0 / 6 | Todos (6,0) |
| i - Extracción JSON de texto | 6,0 / 6 | 6,0 / 6 | Todos (6,0) |
| j - Dato local | 6,0 / 6 | 6,0 / 6 | Todos (6,0) |
| k - Contexto largo (~30k tokens) | 6,0 / 6 | 6,0 / 6 | Todos (6,0) |
| l - Corrección de errores lingüísticos | 3,0 / 6 | 6,0 / 6 | DeepSeek V4.1 Flash 1017 |
Análisis de respuestas reales: dónde perdió y ganó puntos Kimi K3.1 Pro
1. Corrección de errores lingüísticos (Tarea l: Kimi 3,0 / 6 vs DeepSeek 6,0 / 6)
El tropiezo más claro de Kimi ocurrió al corregir un párrafo con ocho errores habituales en español (laísmo, dequeísmo, confusión entre haber/a ver y porque/por qué, condicional por imperfecto de subjuntivo, pluralización impersonal de haber, tilde diacrítica y el pretérito irregular de conducir). Kimi detectó siete fallos, pero dejó intacto el vulgarismo conducí y añadió una coma innecesaria tras el adverbio inicial. Así respondió Kimi K3.1 Pro:
La última vez había muchas personas, pero conducí hasta allí sin problemas. A mí me encantan las compras.» Correcciones: - Desgraciadamente la tienda → Desgraciadamente, la tienda - La dije → Le dije - me dijo de que → me dijo que
En contraste, DeepSeek V4.1 Flash 1017 logró los 6,0 puntos aplicando exactamente las ocho correcciones de la plantilla sin alterar la puntuación correcta del original:
La última vez había muchas personas, pero conduje hasta allí sin problemas. A mí me encantan las compras.» Lista de correcciones: - La dije → Le dije - dijo de que → dijo que - No sé porque → No sé por qué - haber si → a ver si - Si tendría → Si tuviera - habían muchas personas → había muchas personas - conducí → conduje - A mi → A mí
2. Traducción con falsos amigos (Tarea d: Kimi 5,0 / 6 vs DeepSeek 6,0 / 6)
En la traducción bidireccional entre español e inglés con trampas léxicas, Kimi resolvió muy bien la vuelta al español, pero cayó en dos falsos amigos clásicos al traducir del español al inglés: interpretó eventualmente (posiblemente/quizá) como at some point, transformando una duda en una promesa temporal, y tradujo sensible (sensitive) como understanding. Este es el fragmento exacto de Kimi K3.1 Pro:
1: I’m currently looking for work, but things are pretty grim. My boss told me he’d renew my contract at some point, so I might as well forget about it. I’m sick to death of it all. My girlfriend, who’s very understanding, tells me not to overthink things
3. Instancia municipal y código DNI/NIE (Tareas a y g: 5,0 / 6 en ambas)
En la tarea a (solicitud de bonificación del IBI por familia numerosa ante el Ayuntamiento de València), el texto jurídico-administrativo de Kimi fue sólido y utilizó correctamente la estructura EXPONE / SOLICITA:
Que el inmueble con referencia catastral **9145603YJ2794F0008KL** constituye su vivienda habitual, encontrándose empadronado en el mismo
Ambos jueces le restaron un punto porque en el pie de fecha escribió únicamente València, 24... en lugar de la fórmula completa En València, a... exigida en el patrón de evaluación (aunque en la práctica administrativa española ambas formas se ven con frecuencia). En la tarea g, el código Python de Kimi validó sin fallos todos los DNI y NIE de prueba (5/5 válidos aceptados y 6/6 inválidos rechazados), pero perdió un punto de documentación porque sus comentarios en español explicaron el reemplazo de las letras X, Y, Z del NIE sin detallar el cálculo de la letra de control mediante el módulo 23.
4. Modismos y juegos de palabras (Tarea b: Kimi 6,0 / 6)
Donde Kimi K3.1 Pro brilló por encima de la media de sus rivales (5,2) fue en el dominio del registro coloquial y el humor lingüístico. Explicó con total naturalidad expresiones y el doble sentido fonético entre iguanitas e igualitas:
2. Juego de palabras** «Iguanitas» puede entenderse como el diminutivo de *iguanas*, pero suena parecido a «igualitas», es decir, *idénticas*. Por eso resulta apropiado para dos iguanas que, además, son hermanas gemelas
Implicaciones prácticas: ¿cuándo compensa usar Kimi K3.1 Pro en español?
A la vista de los datos, Kimi K3.1 Pro es una herramienta fiable en español cuando el flujo de trabajo gira en torno a la extracción de datos en JSON, el análisis de documentos extensos (resolvió sin errores las tres agujas con distractores en unos 28.000 tokens de actas vecinales), el cálculo con reglas fiscales locales o la redacción creativa y coloquial. Sin embargo, si necesitas un corrector de estilo estricto para textos en español o traducciones inversas con alta densidad de falsos amigos, modelos como DeepSeek V4.1 Flash 1017 o Claude Opus 5.5 mostraron mayor precisión en esta prueba, siendo DeepSeek además notablemente más rápido y económico en su endpoint de Together.
Si quieres probar el modelo por tu cuenta para tus propios casos de uso, puedes acceder a Kimi a través de este enlace de afiliado (como enlace de referencia, puede generar una comisión sin coste adicional para ti).
Preguntas frecuentes (FAQ)
¿Qué puntuación obtuvo Kimi K3.1 Pro en la prueba de español?
Kimi K3.1 Pro alcanzó 66,0 sobre 72 puntos posibles, situándose en el sexto puesto de siete modelos evaluados. Empató con la nota máxima (6,0/6) en 8 de las 12 tareas, pero perdió puntos en corrección gramatical (3,0/6), traducción con trampas (5,0/6), comentarios de código (5,0/6) y formato de fecha en una instancia administrativa (5,0/6).
¿Cuánto costó y cuánto tardó en responder Kimi K3.1 Pro en español?
A través de OpenRouter en el endpoint moonshotai/mxfp4, completar las 12 tareas en español costó 0,165 USD. El modelo registró una velocidad mediana de 83 tokens por segundo y tardó un total de 143 segundos en procesar toda la batería de pruebas.
¿Por qué falló Kimi K3.1 Pro en la tarea de corrección en español?
En el ejercicio de corrección de ocho errores gramaticales y ortográficos, Kimi identificó siete, pero pasó por alto la forma verbal incorrecta conducí (debía corregirse a conduje) y añadió una coma innecesaria tras la palabra Desgraciadamente, lo que redujo su nota a 3,0 sobre 6.
¿Significa este resultado que la web oficial de Kimi funciona igual?
No. Todas las pruebas se ejecutaron mediante la API de OpenRouter contra el endpoint moonshotai/mxfp4 en un único intento por tarea. El comportamiento, la latencia y el preprocesamiento de la interfaz web de Kimi pueden diferir de las respuestas directas de la API.
Fuentes y metodología
Todos los resultados, puntuaciones, costes y fragmentos de texto de este artículo proceden exclusivamente de mi propia prueba ejecutada el 24 de octubre de 2026 mediante la API de OpenRouter, evaluando 12 tareas originales en español con corrección automática y evaluación ciega cruzada por GPT-6.1 Sol y Gemini 4 Argon. Para consultar la documentación oficial del proveedor sobre la familia del modelo y la estructura general de precios de su plataforma (incluidos únicamente como referencia de contexto y no como fuente de los datos de esta prueba), puedes revisar:
More on this from FULGOR
benchmarks·Editar fotos con IA: Krea 3 vs FLUX 3 Klein vs Nano BananaSometo a Krea 3, FLUX 3 Klein Edit, Nano Banana 2.1 y Seedream 5.0 Flash a 8 retos idénticos de edición con imágenes reales.