Qwen 3.8 Max frente a Kimi K3: ¿Cuál está listo para el trabajo de programación real?

Qwen 3.8 Max frente a Kimi K3 de un vistazo

La comparación ahora es más equilibrada, pero la implementación sigue siendo diferente

Qwen3.8-Max y Kimi K3 son ahora modelos de API de producción viables. La principal diferencia ya no es «Preview frente a producción». Ahora es valor de la API alojada frente a propiedad inmediata de los pesos abiertos.

Qwen 3.8 Max es ahora una API de producción estable

Alibaba publicó el modelo estable qwen3.8-max el 3 de agosto de 2026, sustituyendo el posicionamiento anterior de la etapa Preview por un acceso normal a la API con pago por uso.

El lanzamiento de producción documenta una arquitectura Sparse Mixture-of-Experts de 2,4 billones de parámetros, con aproximadamente 95.000 millones de parámetros activos por solicitud. Admite una ventana de contexto de hasta 1 millón de tokens, hasta 128.000 tokens de salida y entradas de texto, imagen y vídeo.

Esto cambia la comparación práctica. Qwen3.8-Max ya puede evaluarse para aplicaciones orientadas al cliente, agentes de programación, análisis multimodal y otras cargas de trabajo de producción sin depender del anterior Personal Token Plan basado en Credits.

Su precio oficial también es inferior al de Kimi K3:

Para los equipos que utilizan una API alojada, Qwen3.8-Max en GPT Proto es ahora una opción de producción seria en lugar de un endpoint experimental.

Sin embargo, el checkpoint de pesos abiertos anunciado por Alibaba todavía no se ha publicado. Los desarrolladores no deben asumir que los pesos finales, la licencia o las condiciones de alojamiento propio están disponibles hasta que se publiquen oficialmente.

Kimi K3 ha publicado pesos descargables

Kimi K3 está disponible tanto mediante una API alojada como mediante un checkpoint descargable. Moonshot AI ha publicado los pesos del modelo, la tarjeta del modelo, el informe técnico, las instrucciones de implementación y la licencia personalizada.

Kimi K3 tiene 2,8 billones de parámetros totales y activa aproximadamente 104.000 millones de parámetros por token. Su documentación de implementación cubre frameworks como vLLM, SGLang y TokenSpeed, lo que proporciona a los equipos una ruta más clara hacia una infraestructura controlada o privada.

Esto convierte a Kimi K3 en la opción más práctica cuando los pesos descargables, el control de la implementación o el alojamiento propio inmediato son requisitos firmes.

Los pesos abiertos no hacen que Kimi K3 sea fácil ni barato de ejecutar localmente. Sigue siendo un modelo de varios billones de parámetros que requiere almacenamiento, memoria, redes y capacidad de aceleración a escala de centro de datos. Su licencia personalizada también puede imponer condiciones a productos comerciales muy grandes o implementaciones Model-as-a-Service.

Qué significa la diferencia de implementación

Por tanto, la comparación ya no es desigual porque Qwen sea «solo una Preview». Ambos modelos pueden atender cargas de trabajo de API de producción. La diferencia restante es más sencilla: Qwen3.8-Max ofrece actualmente una propuesta más sólida de coste y capacidades en API alojada, mientras que Kimi K3 ofrece acceso inmediato a pesos publicados y mayor control de implementación.

Cómo deberían probar los desarrolladores Qwen 3.8 Max frente a Kimi K3

Mantén idénticos el shell y los permisos del agente. Establece un límite de tiempo fijo. Registra el ID completo y la fecha del modelo, especialmente para la Preview cambiante de Qwen. Después, captura la finalización de la tarea, el tiempo real transcurrido, los tokens de entrada y salida, los aciertos de caché, las llamadas fallidas a herramientas, los reintentos, las intervenciones humanas y las pruebas finales superadas.

No puntúes una respuesta porque «parezca exhaustiva». Comprueba si el parche funciona y si las afirmaciones del modelo superan la revisión.

Para decisiones de arquitectura de gran valor, existe otro patrón útil: ejecuta ambos modelos de forma independiente, oculta sus identidades durante la revisión y compara sus desacuerdos. La prueba de 269 archivos produjo su diseño más sólido solo después de combinar los límites de sistema de Qwen con el modelo de ciclo de vida de Kimi. A veces, la respuesta correcta a Qwen frente a Kimi es ambos, seguida de verificación.

Precios de Qwen 3.8 Max frente a Kimi K3

Al precio oficial de lista, los tokens de salida de Qwen cuestan un 60 % menos que los de Kimi K3. Esa diferencia importa para los agentes de programación centrados en el razonamiento que generan planes extensos, trazas de herramientas, explicaciones y parches.

El precio de los tokens no representa el coste total. Mide los reintentos, las llamadas fallidas a herramientas, las correcciones humanas, la latencia y la finalización de tareas aceptada. Kimi aún puede ser más barato en un flujo de trabajo concreto si su mejor gestión de revisiones y ciclos de vida evita bucles de reparación costosos.

Consulta la página de la API de Qwen3.8-Max para conocer el precio actual de GPT Proto antes de calcular un presupuesto de producción.

¿Qué modelo deberías elegir?

Entradas multimodales, razonamiento y comportamiento de los agentes

La compatibilidad de visión documentada de Qwen lo hace relevante para la depuración basada en capturas de pantalla. Kimi va más allá al aceptar vídeo, algo útil cuando la entrada es una grabación de pantalla, una referencia de animación o una demostración de producto difícil de describir fotograma a fotograma.

La interfaz documentada más completa de Kimi también añade trabajo de integración. Su comportamiento Preserved Thinking implica que una aplicación con varios turnos debe devolver el mensaje completo del asistente, incluido el contenido del razonamiento y las llamadas a herramientas, en lugar de conservar únicamente la respuesta visible. Ese historial ocupa contexto y se factura. La ventana de 1 millón de tokens es grande, pero no es almacenamiento gratuito.

Ambos modelos utilizan de forma predeterminada su nivel de razonamiento más alto. Para la evaluación, mantén coherentes esas configuraciones. En producción, prueba un menor esfuerzo en tareas sencillas. Un modelo que resuelve el 99 % de las solicitudes con menor esfuerzo puede ser más barato y rápido que uno que utiliza el razonamiento máximo para cada autocompletado, clasificación o transformación breve.

¿Qué modelo deberías elegir?

Para una aplicación que vaya a ponerse en producción esta semana, elegiría Kimi K3. Tiene suficiente información publicada para estimar el coste, definir el comportamiento de la integración y repetir una prueba contra un nombre de modelo estable.

Para un experimento interno de programación, no ignoraría Qwen. Su Preview analizó un repositorio extenso sin llamadas fallidas a herramientas y mostró mejores límites arquitectónicos que Kimi en la prueba comparativa. Es una señal seria de capacidad. Todavía no es un contrato de producción.

Cómo probar Kimi K3 mediante GPT Proto

Qwen 3.8 Max todavía no está disponible en GPT Proto, por lo que el ejemplo de integración actual utiliza únicamente Kimi K3. Puedes llamarlo mediante el endpoint Chat Completions compatible con OpenAI de GPT Proto, usando la cadena de modelo kimi-k3:

curl https://gptproto.com/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: $GPTPROTO_API_KEY" \
  -d '{
    "model": "kimi-k3",
    "messages": [
      {
        "role": "user",
        "content": "Revisa este plan de migración. Identifica supuestos no respaldados, pasos de reversión ausentes y las pruebas necesarias antes de pasar a producción."
      }
    ]
  }'

El endpoint y la estructura de autorización siguen la guía de inicio rápido de la API de GPT Proto. En los flujos de trabajo de Kimi con varios turnos, conserva el mensaje completo del asistente devuelto por la API, incluidos los campos de razonamiento y llamadas a herramientas, en lugar de almacenar solo el texto visible final.

Puedes probar la API de Kimi K3, explorar más de 200 modelos de IA o utilizar la API de IA unificada de GPT Proto para comparar Kimi con otros modelos de texto, imagen, vídeo y audio. Cuando se añada Qwen 3.8 Max, la prueba útil será ejecutar la misma tarea, con el mismo prompt, permisos de herramientas y método de puntuación en ambos endpoints de modelo.

Veredicto final

Kimi K3 ya no gana simplemente porque Qwen sea una Preview. Qwen3.8-Max tiene ahora una API estable, facturación normal por tokens, especificaciones documentadas y disponibilidad directa mediante GPT Proto.

Para la mayoría de los equipos que eligen un modelo alojado, Qwen3.8-Max es el punto de partida más sólido porque su tarifa oficial de $2/$6 está muy por debajo de la tarifa de $3/$15 de Kimi K3, especialmente en tareas de agentes con mucho contenido de salida.

Kimi K3 sigue siendo la mejor opción cuando los pesos descargables y el control de la implementación son innegociables. Su mejor gestión de revisiones y regeneraciones en la prueba comparativa disponible también hace que merezca la pena evaluarlo para flujos de trabajo creativos y de ingeniería con mucho estado.

La respuesta clara ahora es: Qwen para el coste alojado y una amplia capacidad multimodal; Kimi para los pesos publicados y las tareas con gran carga de ciclo de vida.