El objetivo de ingresos de Moonshot AI Kimi K3 pone a prueba el modelo de negocio de pesos abiertos
Según informes, Moonshot AI quiere que los ingresos de Kimi K3 alcancen una tasa anualizada de 2.000 millones de dólares para finales de 2026. Ese objetivo convierte a un aclamado modelo de pesos abiertos en una prueba mucho más exigente de la demanda comercial.
Según un informe del 11 de septiembre, Moonshot dijo a los inversores que los ingresos recurrentes anuales superaron los 1.000 millones de dólares en agosto. Esa cifra aumentó desde los 300 millones de dólares de junio, antes de que el lanzamiento de K3 en julio acelerara las suscripciones y el uso de la API. Ninguna de las dos cifras ha sido auditada de forma independiente ni detallada públicamente por Moonshot.
La competencia importante no es simplemente Moonshot contra Anthropic, OpenAI u otro laboratorio chino. Son los pesos abiertos frente a la premisa de que las empresas de IA de frontera deben mantener cerrados sus modelos centrales para captar ingresos sustanciales.
Kimi K3 ofrece a los desarrolladores acceso a pesos de modelo descargables, mientras Moonshot también vende acceso alojado y práctico. Si esa combinación genera ingresos sostenibles, los proveedores de modelos cerrados afrontarán presión en precios, control del despliegue y diferenciación de producto.
El crecimiento reportado aún deja importantes preguntas sin respuesta. Los ingresos anualizados son una instantánea basada en las ventas actuales, no ingresos ya recaudados durante un año completo. K3 también requiere una amplia capacidad de cómputo, y la demanda inicial ya puso bajo presión la infraestructura de Moonshot.
Los ingresos de Moonshot AI Kimi K3 aumentaron tras el lanzamiento de julio
La aceleración de ingresos reportada vincula directamente el lanzamiento técnico de K3 con un cambio en la trayectoria empresarial de Moonshot.
Kimi K3 llegó en julio como el nuevo modelo insignia de Moonshot para programación, razonamiento, entradas visuales y trabajo basado en herramientas. Moonshot lo describe como un sistema de mezcla de expertos de 2,8 billones de parámetros, con 104.000 millones de parámetros activos durante la inferencia.
Un modelo de mezcla de expertos divide el trabajo entre grupos especializados de parámetros en lugar de activar todos los parámetros para cada solicitud. Este enfoque puede hacer más viable la operación de un modelo enorme, aunque servir K3 sigue exigiendo hardware considerable.
K3 también admite una ventana de contexto de un millón de tokens, según su informe técnico. Una ventana de contexto es la cantidad de material que un modelo puede procesar durante una interacción. Esa capacidad posiciona a K3 para grandes bases de código, colecciones de documentos, investigaciones extensas y tareas de agentes de varios pasos.
Moonshot publicó el código y los pesos del modelo bajo su propia licencia Kimi K3. Pesos abiertos significa que los desarrolladores pueden obtener y operar los parámetros entrenados, pero no concede automáticamente todas las libertades asociadas con el software de código abierto.
La empresa ofrece simultáneamente K3 mediante su API alojada y Kimi Code. Su API admite interfaces compatibles con los formatos de OpenAI y Anthropic, reduciendo el trabajo necesario para trasladar aplicaciones existentes a K3.
Esa estrategia de distribución importa porque los pesos abiertos no eliminan la demanda de pago. Muchos clientes carecen de infraestructura, personal de ingeniería o disposición operativa para desplegar por sí mismos un modelo de 2,8 billones de parámetros.
Un servicio alojado ofrece capacidad inmediata, mantenimiento, supervisión y una interfaz compatible. Por ello, Moonshot puede publicar los pesos mientras cobra a los clientes que valoran la comodidad y la inferencia gestionada.
La respuesta inicial fue lo bastante fuerte como para revelar una limitación. Poco después del lanzamiento, Moonshot pausó temporalmente las nuevas suscripciones y priorizó a los clientes existentes. La empresa afirmó que la demanda había llevado su capacidad disponible casi al límite.
Ese episodio aportó evidencia de interés genuino, pero no reveló qué parte de la demanda procedía de la experimentación a corto plazo. Los lanzamientos de modelos suelen atraer a evaluadores de benchmarks, desarrolladores y consumidores curiosos que no permanecen como clientes de pago.
La afirmación financiera también es inusualmente rápida. Las ventas anualizadas reportadas aumentaron de 300 millones de dólares en junio a más de 1.000 millones en agosto, según personas familiarizadas con el asunto.
El objetivo de Moonshot para fin de año duplicaría nuevamente ese nivel de agosto. Alcanzarlo exige más que conservar la atención de la semana de lanzamiento. La empresa necesita que los clientes sigan utilizando K3 después de que lleguen modelos rivales y se desvanezca el interés promocional.
Esto es lo que cambió: K3 transformó a Moonshot, de prometedor desarrollador de modelos, en una empresa que afirma tener impulso comercial a escala de frontera. El objetivo de ingresos plantea si ese impulso puede mantenerse.
El objetivo pone bajo presión a los proveedores de IA cerrada
K3 desafía la idea de que un laboratorio debe restringir el acceso a los modelos para construir un gran negocio de ingresos recurrentes.
Las empresas de modelos cerrados suelen proteger sus pesos y ofrecer inteligencia a través de productos o API controlados. Esa estructura preserva una supervisión centralizada, a la vez que da a los proveedores un control estricto sobre precios, actualizaciones, salvaguardas y acceso de los clientes.
Moonshot está siguiendo una ruta diferente. Permite que organizaciones capacitadas inspeccionen y alojen los pesos de K3, mientras vende acceso gestionado a quienes prefieren una API o una aplicación.
Eso genera presión en dos niveles. Los desarrolladores ganan mayor capacidad de negociación porque pueden comparar la oferta alojada de Moonshot con despliegues independientes. Los compradores empresariales también obtienen una alternativa de salida si cambian las condiciones del servicio o las necesidades operativas.
La disponibilidad de los pesos no hace que la migración sea sencilla. Ejecutar K3 requiere infraestructura especializada, y los sistemas de producción necesitan controles de seguridad, procesos de evaluación, supervisión y soporte técnico.
Aun así, la opción cambia las negociaciones. Un cliente que evalúa una API propietaria ahora debe preguntarse si su carga de trabajo realmente requiere las capacidades únicas de un proveedor cerrado.
El punto de mayor presión de K3 es la programación y el trabajo agéntico. Los sistemas agénticos permiten que un modelo utilice herramientas y complete múltiples pasos conectados, en lugar de devolver una única respuesta.
Los materiales públicos de Moonshot posicionan a K3 para programación de largo horizonte, trabajo de conocimiento y razonamiento. Su repositorio del modelo también proporciona orientación de despliegue para motores de inferencia ampliamente utilizados.
Esa disponibilidad facilita la evaluación para los desarrolladores. Pueden probar los pesos, examinar el comportamiento de despliegue y adaptar el software circundante sin esperar la hoja de ruta de producto de un único proveedor.
Anthropic y OpenAI conservan ventajas importantes. Controlan aplicaciones maduras, servicios para desarrolladores, relaciones empresariales, procesos de seguridad y entornos de programación integrados. Sus modelos cerrados también pueden cambiar sin exponer detalles de implementación.
K3 no elimina esas ventajas. Debilita la premisa de que un sólido rendimiento del modelo, por sí solo, sustenta una posición comercial premium.
El efecto se extiende a competidores chinos como Z.AI y DeepSeek. Estas empresas ya utilizan modelos accesibles y una distribución agresiva para competir por la adopción entre desarrolladores.
Los ingresos reportados de Moonshot añaden una referencia financiera a esa competencia. Un lanzamiento popular de pesos abiertos ya no es solo una estrategia de investigación o reputación. Puede convertirse en la capa de adquisición para suscripciones, inferencia alojada, servicios de programación y relaciones empresariales.
La presión a corto plazo es comercial. Los proveedores rivales deben justificar por qué los clientes deberían aceptar menos control sobre el despliegue o una mayor dependencia de una única API.
La presión a largo plazo es estructural. Si los pesos de los modelos se vuelven ampliamente disponibles mientras el acceso alojado sigue siendo rentable, el valor podría desplazarse hacia la distribución, la infraestructura, el soporte y la integración en flujos de trabajo.
Ese cambio se parecería a otros mercados de software donde una tecnología central gratuita o accesible sustenta servicios gestionados de pago. Los modelos de IA son distintos porque sus costes de entrenamiento e inferencia son excepcionalmente altos, pero la lógica comercial resulta reconocible.
Para los trabajadores del conocimiento, la competencia afecta a más que las clasificaciones de modelos. Determina quién controla los sistemas que leen documentos, generan código, buscan información interna y ejecutan tareas rutinarias.
Los equipos que comparan estos sistemas deberían preservar su propio contexto de forma independiente de cualquier proveedor. Una base de conocimiento de IA con búsqueda puede hacer que cambiar de modelo resulte menos disruptivo, porque el conocimiento organizativo permanece fuera del proveedor del modelo.
Por tanto, el objetivo de Moonshot presiona a los proveedores cerrados sin demostrar que los pesos abiertos vayan a ganar. Obliga a cada proveedor a explicar dónde deberían esperar los clientes encontrar valor duradero.
Los pesos abiertos son el embudo, no el negocio terminado
La apuesta central de Moonshot es que un acceso amplio generará más uso de pago del que regala.
Un modelo de pesos abiertos puede difundirse entre comunidades de desarrolladores, plataformas de alojamiento independientes, servicios en la nube y sistemas empresariales internos. Cada despliegue amplía la familiaridad con el comportamiento del modelo y las herramientas compatibles.
Esa familiaridad puede convertirse en una ventaja de distribución. Es más probable que los ingenieros elijan una API alojada cuando ya saben que el modelo funciona para su carga de trabajo.
Moonshot puede monetizar esa demanda mediante inferencia gestionada, suscripciones de consumidores, productos de programación y futuros servicios empresariales. No necesita que cada usuario de K3 pague directamente a Moonshot.
El modelo se parece a un embudo. Los pesos descargables atraen atención y experimentación. Las API compatibles reducen la fricción de migración. Los productos alojados convierten después a los clientes que no quieren operar el modelo por sí mismos.
El tamaño de K3 puede reforzar ese embudo. Muchas organizaciones pueden descargar los pesos en teoría, pero no pueden servirlos eficientemente en la práctica.
K3 tiene 2,8 billones de parámetros totales, aunque su arquitectura de mezcla de expertos activa un subconjunto menor para cada token. Esa escala deja el despliegue local fuera del alcance de los portátiles convencionales y de la mayoría de los servidores de pequeñas empresas.
Las grandes empresas y los proveedores especializados de inferencia siguen siendo usuarios plausibles de autoalojamiento. Los desarrolladores más pequeños normalmente necesitarán un servicio alojado, infraestructura compartida o un mercado de modelos.
Esto crea un terreno comercial intermedio entre el acceso totalmente cerrado y el autoalojamiento práctico para todos. Moonshot publica los pesos, pero las exigencias operativas del modelo preservan la demanda de entrega de pago.
La ventana de contexto de un millón de tokens de K3 también admite cargas de trabajo costosas. Procesar repositorios completos, material de investigación extenso o largas cadenas de actividad con herramientas consume más infraestructura que responder preguntas cortas.
Un mayor uso no produce automáticamente márgenes saludables. Los ingresos pueden crecer rápidamente mientras los costes de cómputo crecen al mismo ritmo.
Moonshot debe gestionar ese equilibrio con cuidado. Los pesos accesibles ejercen presión competitiva sobre su oferta alojada porque terceros pueden servir el mismo modelo central.
La empresa no puede depender únicamente de la exclusividad. Debe competir en disponibilidad, latencia, calidad de integración, capacidad, soporte y aplicaciones circundantes.
Kimi Code es importante por esta razón. Un modelo vinculado a un entorno de programación útil puede captar valor a través del flujo de trabajo, incluso cuando los pesos circulan en otros lugares.
El mismo principio se aplica a los agentes empresariales. Los clientes rara vez compran solo inteligencia bruta. Compran sistemas fiables que se conectan a datos, respetan permisos, registran acciones y encajan en los procesos existentes.
Moonshot también puede utilizar la distribución abierta como mecanismo de retroalimentación. Los desarrolladores independientes revelan dónde K3 funciona bien, dónde falla el despliegue y qué integraciones importan.
Sin embargo, la disponibilidad abierta ofrece a los rivales información similar. Las empresas de hosting pueden optimizar K3 sin generar ingresos para Moonshot. Los competidores pueden estudiar su comportamiento y crear alternativas en torno a la demanda que genera.
Por tanto, el objetivo de $2.000 millones depende de la conversión, no de las descargas ni de la atención de los benchmarks. Moonshot necesita que suficientes usuarios elijan su capa de pago tras descubrir K3 mediante la capa abierta.
El salto reportado entre junio y agosto sugiere que la conversión ocurrió a una escala significativa. No muestra la retención, la concentración de clientes, los márgenes ni la proporción entre suscripciones y consumo de API.
Esos detalles ausentes separan una impresionante tasa de ingresos anualizada de un negocio sostenible. El mecanismo comercial de K3 es creíble, pero las cifras reportadas siguen siendo un punto de partida para el escrutinio.
Lo que la tasa de ingresos anualizada no demuestra
Un objetivo anualizado de $2.000 millones es una previsión de ventas, no evidencia de que Moonshot ya haya obtenido $2.000 millones.
Los ingresos recurrentes anualizados convierten los patrones actuales de suscripción y uso en una cifra anual. Son útiles para comparar el impulso, pero pueden subir rápidamente tras un lanzamiento y caer cuando el uso se normaliza.
Bloomberg atribuyó la cifra de agosto de Moonshot y su objetivo de fin de año a personas familiarizadas con las comunicaciones a inversores. Moonshot no ha publicado cuentas auditadas que respalden las cifras reportadas.
Esta distinción importa porque K3 se lanzó apenas semanas antes de la medición de agosto. Un aumento durante ese periodo puede incluir pruebas, proyectos temporales o clientes trasladando cargas de trabajo para comparar el rendimiento.
La validación más sólida provendría de un uso sostenido durante varios meses. Las renovaciones de clientes, un consumo estable de tokens y contratos empresariales en expansión tendrían más peso que una tasa anualizada del periodo de lanzamiento.
La capacidad crea una segunda incertidumbre. Moonshot pausó nuevas suscripciones después de que la demanda tensionara la infraestructura disponible, según informes sobre capacidad.
Esa pausa demostró demanda, pero también reveló un límite. Un servicio no puede convertir a todos los usuarios interesados si carece de los chips y sistemas necesarios para atender sus solicitudes.
El analista de Omdia Lian Jye Su describió K3 como altamente exigente de operar y afirmó que Moonshot no había aprovisionado suficiente capacidad de cómputo para el aumento de demanda. Ampliar la capacidad puede incrementar los ingresos, pero también eleva los costes operativos.
La arquitectura del modelo crea otro desafío operativo. Los diseños de mezcla de expertos reducen el cómputo activo respecto a su número total de parámetros, aunque el despliegue sigue involucrando una enorme colección de pesos.
Moonshot introdujo cuantización nativa de baja precisión, una técnica que almacena y procesa los valores del modelo con menos bits. La empresa afirma que esto mejora la compatibilidad de hardware y la eficiencia de inferencia.
Estas afirmaciones requieren pruebas en distintos hardwares y cargas de trabajo. El rendimiento real puede variar según la longitud del contexto, el tamaño de lote, el uso de herramientas y la infraestructura que rodea al modelo.
Los resultados de benchmarks también requieren contexto. El repositorio de Moonshot revela que algunas comparaciones de modelos utilizaron distintos entornos de evaluación para código, configuraciones de hardware o comportamientos de respaldo.
Un entorno de evaluación es el marco de software que permite a un modelo interactuar con herramientas y completar un benchmark. Cambiarlo puede afectar la puntuación final, especialmente en pruebas de programación con agentes.
K3 recibió un reconocimiento notable por la programación de front-end tras su lanzamiento. El cofundador de Arena, Anastasios Angelopoulos, lo describió como uno de los lanzamientos más significativos del año.
Sin embargo, el analista Patrick Moorhead sostuvo que la reacción se asemejaba a la respuesta inicial excesiva ante DeepSeek. Las clasificaciones tempranas no predicen necesariamente la fiabilidad dentro de sistemas de producción.
La seguridad y la procedencia añaden un riesgo independiente. Anthropic ha acusado a Moonshot, DeepSeek y MiniMax de extraer indebidamente las capacidades de Claude mediante destilación.
La destilación es un proceso de entrenamiento en el que un modelo aprende de las salidas de otro. Es una técnica habitual, pero los proveedores pueden objetar cuando los competidores presuntamente obtienen resultados mediante patrones de acceso prohibidos.
Los materiales técnicos de K3 de Moonshot no resuelven esa disputa. Pekín ha rechazado las acusaciones más amplias contra los desarrolladores chinos de modelos por carecer de fundamento, mientras las empresas estadounidenses siguen planteando preocupaciones sobre propiedad intelectual.
La acusación no invalida las capacidades ni los ingresos de K3. Sí crea incertidumbre legal, regulatoria y de contratación para las organizaciones que consideran adoptarlo.
Los pesos abiertos introducen más cuestiones de gobernanza. Los clientes pueden inspeccionar y modificar el modelo, pero la amplia disponibilidad reduce el control de Moonshot sobre los usos posteriores.
Sus defensores consideran ese acceso esencial para la investigación, la personalización y los mercados competitivos. Sus críticos sostienen que los modelos descargables altamente capaces complican la aplicación de medidas de seguridad y facilitan el uso indebido.
Las empresas evaluarán esas disyuntivas según sus propios riesgos. Algunas valorarán el control local y el aislamiento de datos. Otras preferirán un proveedor cerrado que asuma mayor responsabilidad por las salvaguardas y la operación del servicio.
La afirmación sobre ingresos no demuestra ninguno de esos debates. Muestra que Moonshot cree que K3 ha creado una oportunidad comercial suficientemente grande como para respaldar un objetivo ambicioso.
La adopción de K3 ahora importa más que las victorias en benchmarks
La prueba más clara de la estrategia de Moonshot es si las organizaciones mantienen K3 en flujos de trabajo reales una vez que termina el ciclo de lanzamiento.
La evidencia inicial va más allá de las clasificaciones. Raffi Krikorian, director de tecnología de Mozilla, dijo a Associated Press que trasladó muchas actividades rutinarias a K3 poco después de su lanzamiento.
Esas actividades incluían trabajo con calendarios, documentos y correo electrónico. Describió K3 como más rápido que el modelo Claude que había utilizado anteriormente.
Esta es la experiencia de una sola persona, no una evaluación controlada. Aun así, ilustra el tipo de adopción que Moonshot necesita.
El trabajo rutinario genera consumo repetido. Un desarrollador que prueba un único prompt de programación aporta atención, mientras que un profesional que usa K3 a diario crea una carga de trabajo recurrente.
El largo contexto del modelo puede respaldar la revisión de documentos, la navegación por repositorios y la síntesis de investigación. Sus capacidades visuales también permiten a las aplicaciones combinar imágenes y texto en la misma tarea.
El uso de herramientas amplía aún más el alcance. Un agente puede buscar archivos, ejecutar código, actualizar un documento o llamar a otra aplicación cuando el sistema circundante le concede esas capacidades.
Estas características sitúan a K3 en competencia directa con modelos de Anthropic, OpenAI, Google, Z.AI y DeepSeek. Los compradores compararán el rendimiento en tareas completas, en lugar de respuestas aisladas.
La fiabilidad importará más que las puntuaciones máximas en benchmarks. Un agente de programación que supera una prueba difícil pero falla de forma impredecible en el repositorio de una empresa genera un costoso trabajo de revisión.
La latencia también importa. El comentario de Krikorian sobre la capacidad de respuesta señala una ventaja práctica que los usuarios perciben de inmediato, incluso cuando dos modelos producen respuestas finales similares.
Moonshot debe mantener esa experiencia mientras crece la demanda. Las carencias de capacidad pueden borrar una ventaja de velocidad mediante colas, límites de tasa o disponibilidad inconsistente.
La adopción de K3 alojado también dependerá de la confianza. Los clientes empresariales necesitan compromisos claros sobre el manejo de datos, controles de acceso, garantías de servicio y actualizaciones predecibles del modelo.
K3 autoalojado ofrece mayor control, pero transfiere la responsabilidad operativa al cliente. Las organizaciones deben proteger el despliegue y evaluar por sí mismas las versiones personalizadas.
Los pesos también pueden fomentar variantes especializadas. Los desarrolladores pueden ajustar K3 para programación, finanzas, investigación o tareas de conocimiento interno.
Esas variantes amplían el ecosistema de K3 sin garantizar ingresos para Moonshot. La empresa se beneficia cuando esa actividad aumenta la demanda de sus herramientas, API o relaciones comerciales.
Aquí es donde los pesos abiertos se convierten a la vez en una ventaja y una limitación. La distribución crece más rápido porque las barreras de permiso son menores. La captura de valor se vuelve más difícil porque los clientes cuentan con proveedores alternativos.
Los proveedores cerrados afrontan la disyuntiva opuesta. Capturan cada solicitud autorizada al modelo, pero los desarrolladores no pueden desplegar ni modificar de forma independiente los pesos subyacentes.
El modelo ganador quizá no sea puramente abierto ni puramente cerrado. Los proveedores pueden combinar pesos accesibles con aplicaciones propietarias, infraestructura gestionada y servicios empresariales.
El crecimiento reportado de Moonshot sugiere que esta estructura híbrida puede generar ingresos importantes. La adopción sostenida de K3 debe demostrar ahora si puede generar un negocio estable.
La señal más significativa de los clientes no será otra demostración viral. Será que desarrolladores y empresas elijan K3 de nuevo después de probar la próxima generación de modelos competidores.
Tres señales decidirán si Moonshot alcanza su objetivo
La capacidad, el uso retenido y la respuesta competitiva determinarán si perdura la historia de ingresos de Moonshot AI Kimi K3.
La primera señal es la recuperación y ampliación de la capacidad. La pausa de suscripciones de Moonshot mostró que la infraestructura se había convertido en una restricción directa para el crecimiento.
La empresa necesita reabrir el acceso sin sacrificar velocidad ni fiabilidad. Si añade capacidad mientras mantiene la calidad del servicio, el objetivo reportado será más plausible.
Las interrupciones repetidas, las largas colas o los límites estrictos debilitarían el argumento. Sugerirían que existe demanda, pero que no puede convertirse de forma rentable a la escala requerida.
La segunda señal es un uso de pago sostenido durante el próximo ciclo de modelos. El lanzamiento de K3 en julio generó atención, y agosto proporcionó la instantánea de ingresos reportada.
La evidencia más sólida llegará en meses posteriores. Un consumo de API estable o creciente demostraría que los desarrolladores superaron la fase de experimentación.
La adopción empresarial reforzaría aún más el argumento. Los flujos de trabajo continuos de programación, investigación y documentos son más difíciles de sustituir que el uso ocasional de chatbots.
Esté atento a las divulgaciones de clientes, las integraciones importantes y la evidencia de que K3 sigue activo después de que los competidores lancen nuevos modelos. Las clasificaciones independientes de uso pueden ayudar, aunque no revelan los ingresos completos de Moonshot.
Si el uso cae con fuerza mientras la atención de los benchmarks se desplaza a otros lugares, la tasa anualizada de agosto parecerá temporal. Si se mantiene alta, K3 habrá convertido el interés técnico en adopción conductual.
La tercera señal es cómo responden los rivales cerrados y de pesos abiertos. Anthropic y OpenAI pueden reducir las barreras mediante modelos más rápidos, productos de programación más sólidos o acuerdos de despliegue más flexibles.
Los competidores chinos pueden responder con nuevos lanzamientos de pesos abiertos. Z.AI y DeepSeek ya ofrecen alternativas a los desarrolladores, lo que limita la capacidad de Moonshot para depender únicamente de K3.
Una respuesta competitiva fuerte no invalidaría automáticamente la estrategia de Moonshot. Pondría a prueba si la empresa posee relaciones con los clientes o si simplemente se benefició de una breve ventaja de rendimiento.
La respuesta también podría validar el argumento más amplio de Moonshot. Si los proveedores cerrados enfatizan costes operativos más bajos y mayor flexibilidad de despliegue, K3 habrá influido en el mercado más allá de sus propios ingresos.
La afirmación central sigue siendo adecuadamente acotada. Según se informa, Moonshot superó una tasa anualizada de $1.000 millones y quiere alcanzar los $2.000 millones antes de fin de año.
Estas cifras no son ingresos anuales auditados, y la economía a largo plazo de K3 sigue sin divulgarse. Aun así, plantean una importante pregunta comercial para la industria de la IA.
¿Puede una empresa publicar pesos de modelos de frontera mientras construye un gran servicio de pago en torno a la misma tecnología? La evidencia temprana de adopción indica que el modelo ha atraído usuarios reales.
Los próximos meses deberán demostrar si Moonshot puede retenerlos, prestarles un servicio fiable y convertir su actividad en ingresos sostenibles. Los desarrolladores y compradores empresariales deberían seguir de cerca esos resultados antes de considerar el objetivo de ingresos de Moonshot AI Kimi K3 como una prueba concluyente o como mera exageración.
