AWS pone a disposición Kimi K3.1 Pro Highspeed en Amazon Bedrock con tarifa Flex y caché de prompts
Hecho Qué ha ocurrido
AWS anunció que Kimi K3.1 Pro Highspeed, de Moonshot AI, ya está disponible en Amazon Bedrock. Según Moonshot, es una versión post-entrenada de Kimi K3 con ventana de contexto de un millón de tokens y una velocidad de salida 2 a 3 veces superior a la de Kimi K3.1 Pro. El modelo admite llamadas a herramientas, salida estructurada, razonamiento configurable, entrada de imagen y streaming. La tarifa Flex cuesta la mitad que la Standard a cambio de tiempos de respuesta potencialmente mayores.
Resumen generado mediante IA a partir de AWS Machine Learning Blog (original en inglés). Naturaleza de la información: hecho documentado.
Análisis Por qué importa
Los equipos que ya usan Bedrock o la API de OpenAI pueden probar este modelo de pesos abiertos cambiando el identificador del modelo, sin modificar su postura de seguridad.
- Quién se ve afectado
- Equipos de desarrollo y empresas que construyen agentes o asistentes de programación sobre AWS.
- Qué puede cambiar
- Amplía las opciones para comparar modelos en Bedrock en cargas de agentes y programación, con un coste por token que conviene medir en el caso propio.
Análisis generado a partir de la información disponible; no procede de la fuente.
Predicción Qué observar a continuación
Precios por token en cada perfil de inferencia, disponibilidad regional y resultados independientes de rendimiento frente a las cifras publicadas por Moonshot AI.
Recomendación Qué debería hacer una empresa
Evaluar el modelo con una pequeña parte del tráfico real en los próximos 1-3 meses, comparando calidad, latencia y coste frente al modelo actual.
Recomendación generada por IA con la evidencia disponible; no es asesoramiento profesional.
Enviar esta noticia por correo
Enviado. Revisa que llegue a la bandeja de entrada de quien lo reciba.
La dirección no parece válida.
Has enviado varios correos seguidos. Espera un rato.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
No se ha podido enviar. Inténtalo de nuevo en unos minutos.
Fuente original: AWS Machine Learning Blog (fuente primaria). La referencia es siempre el artículo original.
Ver fuente original ↗LLMagentescodingrazonamiento Moonshot AIAWS Amazon Bedrock AWS Flex Kimi K3.1 Moonshot AI
Relacionadas
AWS incorpora Kimi K3 de Moonshot AI a Amazon Bedrock con caché de prompts explícita
AWS anunció la disponibilidad de Kimi K3, modelo abierto de Moonshot AI con 2,8 billones de parámetros, en Amazon Bedrock. El modelo ofrece visión nativa…
Por qué importaAmpliar el catálogo de modelos abiertos en Bedrock da a las empresas más opciones para equilibrar coste, capacidad y control de datos sin depender de…
AWS publica guía para desplegar Kimi K3, modelo de 2,8 billones de parámetros
Moonshot AI lanzó el 27 de julio de 2026 Kimi K3, un modelo de IA con arquitectura Mixture of Experts de 2,8 billones de parámetros, el primero en alcanzar la…
Por qué importaKimi K3 representa un hito en la disponibilidad de modelos de frontera con pesos públicos, permitiendo a las organizaciones auto-hospedar sistemas de…
AWS lanza soporte para desplegar Kimi K3, modelo de código abierto de 2.8 billones de parámetros
Moonshot AI publicó el 27 de julio de 2026 Kimi K3, un modelo de código abierto con 2,8 billones de parámetros basado en arquitectura Mixture of Experts que…
Por qué importaLa disponibilidad de modelos de código abierto de clase frontera con capacidades avanzadas permite a las organizaciones autohospedar sistemas IA…
Moonshot AI lanza Kimi K3, modelo de 2,8 billones de parámetros con disponibilidad abierta
Moonshot AI anunció Kimi K3, un modelo de lenguaje con 2,8 billones de parámetros disponible por API y con lanzamiento de pesos abiertos previsto para el 27 de…
Por qué importaKimi K3 representa una escalada significativa en capacidad y disponibilidad de modelos abiertos de origen chino, desafiando la hegemonía de…
Tu opinión
Te hemos enviado un correo para confirmar tu dirección. El comentario se procesará cuando pulses el enlace.
Gracias. Tu comentario se publicará cuando lo revise el equipo (los primeros comentarios de cada persona se moderan).
Comentario publicado. Gracias por participar.
No se puede comentar aquí.
Indica un nombre (de 2 a 60 caracteres).
El correo no parece válido.
El comentario debe tener entre 10 y 2.000 caracteres.
Demasiados enlaces en el comentario.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
Has alcanzado el límite diario de comentarios.
Demasiados comentarios seguidos. Espera un rato.
No se ha podido enviar el correo de confirmación. Inténtalo de nuevo en unos minutos.