› 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 resultadosEl 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).