-
Una universidad china en la Entity List compró H200 de Nvidia a través de proveedores locales, según registros de compra que vio Reuters (11/11)
Sigue de lo de ayer con Moonshot alquilando B300: la diferencia es que acá los documentos son registros oficiales de licitación, no filtraciones cuestionadas. La Universidad Politécnica del Noroeste, en Xi'an —una de las "Siete Hijas de la Defensa Nacional" y blacklisteada por Estados Unidos— compró dos H200 para su escuela de administración por 874.700 yuanes, unos 123.000 dólares, a Shaanxi Bosuan Network Technology y no a Nvidia. Su escuela de ciberseguridad además firmó en enero dos contratos de alquiler de siete meses por servidores con ocho H200 cada uno, por 441.700 y 441.000 yuanes, y tiene acceso alquilado a servidores con A100 y A800, chips prohibidos para cualquier entidad china. En total, cinco contratos de alquiler este año. El detalle regulatorio importa: desde enero la administración Trump autoriza exportaciones de H200 a China caso por caso, pero eso nunca levantó las restricciones sobre entidades de la lista negra, y las reglas exigen salvaguardas contra el acceso remoto de esas organizaciones. Nvidia no respondió al pedido de comentario de Reuters. Business Recorder · Business Day · ANI News
-
Moonshot alquiló 32 servidores Super Micro con B300 de Nvidia en China por unos 432 millones de yuanes, según documentos que Bloomberg vio y la empresa desmiente (10/11)
Son unos 64,8 millones de dólares por acceso a los chips más avanzados de Nvidia, que no deberían estar disponibles en China bajo los controles de exportación. Moonshot cuestiona los documentos, y Nvidia respondió que las entidades involucradas no son sus clientes, lo que deja la cadena de intermediarios sin explicar. Cae en el peor momento posible para la empresa: llega en medio de lo de Huang y la investigación del board por el vínculo con una presunta agente del MSS, así que cualquier pregunta sobre cómo llega silicio de Nvidia a China ahora se lee en ese marco. Por ahora es un reporte con desmentidos de los dos lados, no un hecho confirmado. Bloomberg · The Standard · The Next Web
-
Moonshot libera los pesos de Kimi K3.1 Pro: 2,8 billones de parámetros, 1,56 TB y una licencia con tope de 20 millones (04/11)
Sigue de lo de ayer, donde Simon Willison corrió el modelo vía OpenRouter para reproducir la lectura de pesos: ahora los pesos se bajan. La arquitectura es mixture-of-experts con 2,8 billones de parámetros totales y unos 104.000 millones activos por token, 93 capas, 896 expertos de los que se eligen 16 más 2 compartidos, y una atención híbrida de 69 capas KDA y 24 Gated DSA que reemplaza las capas de atención completa de K3. El contexto es de 1.048.576 tokens, el encoder de visión es MoonViT-V2 de 401 millones de parámetros, y los pesos vienen nativamente en MXFP4 con activaciones MXFP8 por entrenamiento consciente de cuantización, así que la descarga son 1,56 TB en 96 shards y no hay checkpoint BF16. Los benchmarks son autoreportados con esfuerzo de razonamiento máximo: 65,7 en Terminal-Bench 4.0, 94,2 en GPQA-Diamond, 92,1 en BrowseComp y 70,0 en HLE-Full con herramientas. Dos letras chicas importan más que los números. La licencia no es OSI: si ofrecés a terceros inferencia o fine-tuning del modelo y el grupo factura más de 20 millones de dólares en cualquier período de doce meses consecutivos, hace falta un acuerdo aparte con Moonshot; el uso interno y el producto que embebe el modelo quedan afuera de esa cláusula. Y el self-hosting no es para cualquiera: la receta de vLLM pide 0.34.0 o posterior y un grupo tensor-parallel de ocho GPUs —dos trays GB300 o un nodo B300—, un nodo de 8×H200 con 1,13 TB de HBM no alcanza para los pesos, y un nodo sale entre 550.000 y 650.000 dólares, el equivalente a unos 55.000 a 65.000 millones de tokens de salida al precio de lista de la API. Hugging Face · OrcaRouter
-
VOLTA: un infostealer que le pasa el botín a un LLM para rankear a las víctimas por cuánto se puede sacar de ellas (02/11)
Cisco Talos describió un stealer de Windows —también llamado VOLTA-AUTODOXER— que roba lo habitual (credenciales y cookies del navegador, datos de mail y Slack, tarjetas, seed phrases de wallets, sesiones de gaming y mensajería, claves de nube y SSH, perfiles Wi-Fi, capturas) y después hace algo nuevo: usa las sesiones robadas para buscar en el Gmail de la víctima recibos de Amazon, Uber Eats o PayPal y confirmar su domicilio, arma con todo eso un "evidence bundle" estructurado y lo manda a un modelo vía OpenRouter. El prompt de sistema, de 240 palabras, le pide actuar como "analista de inteligencia forense" y devolver una sección de bienes rankeada por nivel de monetización y otra de postura de seguridad. El detalle que vale copiar como señal defensiva es el manejo de rechazos: el default es Claude Opus 4.6, y si el modelo se niega el malware busca frases de rechazo en la respuesta y cae a Kimi K2 de Moonshot y después a Gemini 2.5 Flash. La exfiltración va por Telegram en tres momentos, y un template de seis slots que se llena en tiempo de compilación sugiere que el autor vende un builder. Talos aclara que la capa de IA no hace el ataque más rápido ni más grande: le ahorra trabajo analítico al operador. The Hacker News
-
Moonshot lanza Kimi K3.1 Pro: 2,8 billones de parámetros totales, 104.000 millones activos y un millón de contexto (23/10)
Es un post-entrenamiento de K3 con mucho más cómputo y RL conjunto en varios dominios, y pelea arriba: 65,7% en Terminal-Bench 4.0 contra 66,4% de Claude Opus 5.5, y 51,7 contra 46,3 en SWE-Marathon. El salto más llamativo es la alucinación a nivel de afirmación, que cae de 23,4% en K3 a 8,3%. El punto flojo es ciencia, donde queda 25 puntos abajo de GPT-6 Astra en Terminal-Bench Science. Ya está en la API a 2 y 10 dólares el millón de tokens de entrada y salida, más barato que K3. MarkTechPost · SiliconANGLE · The Decoder
-
Moonshot va a abrir los pesos de K3.1 Pro en noviembre, pero le sacó los datos de ciberseguridad del entrenamiento (23/10)
El checkpoint sin filtrar resolvía 90,5% de un benchmark interno de tareas ofensivas; el que va a publicar resuelve 81,0%. Es la primera vez que un laboratorio chino documenta una poda de capacidad ofensiva como condición para liberar pesos, y Moonshot aclara igual que sigue atrás de los modelos propietarios de frontera en ese terreno. Hasta noviembre no hay self-hosting: el modelo no corre en una GPU sola y para K3 recomiendan servirlo en supernodos de 64 aceleradores o más. MarkTechPost · ANI
-
Un estudio de Aleph Alpha midió 967 temas tabú y encontró que los modelos chinos dan respuestas balanceadas entre el 17% y el 41% de las veces (04/10)
Probaron Qwen de Alibaba, DeepSeek y Kimi de Moonshot sobre Tiananmen, Taiwán y Xinjiang; el resto de las respuestas repite doctrina de Estado, esquiva o se niega —DeepSeek V4 Pro rechaza dos tercios de las preguntas—. Contra eso, Claude Sonnet 5 da respuestas balanceadas el 70% de las veces y Mistral Small el 92%. Lo más interesante es el derrame: preguntado por censura en Estados Unidos, Qwen 3.6 arranca equilibrado y cierra defendiendo la postura china sobre gobernanza de internet. Y el dato que vale para quien destila datos sintéticos: Nemotron Cascade 2 de Nvidia mostró patrones de línea partidaria en 17% de las respuestas, y Aleph Alpha lo atribuye a unos 3.500 de sus 9,3 millones de ejemplos de entrenamiento generados con DeepSeek y Qwen. Conviene leerlo con la salvedad obvia: Aleph Alpha vende "IA soberana" y compite justo en ese mercado. The Decoder
The Decoder DeepSeek Mistral Alibaba Nvidia Claude Qwen Kimi
-
OpenAI dice que cortó una campaña que le robaba el razonamiento oculto a sus modelos, pero el truco siguió funcionando en Azure durante semanas (01/10)
Es destilación adversarial: los atacantes pedían el razonamiento cifrado y después usaban modelos baratos para descifrarlo y exponer los pasos internos que normalmente no se ven. Arrancó el 1 de julio en volumen bajo, saltó a 16.000 pedidos de más de 4.000 usuarios entre el 24 y el 25 de julio, y el 28 OpenAI dio de baja más de 15.000 cuentas coordinadas. El núcleo del grupo lo vincula a gente asociada a Moonshot AI, la empresa detrás de Kimi. El agujero es el otro: las protecciones que OpenAI puso en su propia API no estaban en Microsoft Azure. El equipo de Joachim Schaeffer confirmó el 13 de septiembre que el ataque seguía funcionando ahí contra todos los modelos probados, incluido GPT-6 Astra, y recién entre el 27 y el 28 de septiembre Azure recibió las defensas. The Decoder · The Register
-
CISA, la NSA y el FBI acusaron a seis empresas chinas de destilar los modelos frontera estadounidenses a escala industrial (09/09)
El aviso conjunto nombra a DeepSeek, Moonshot AI, Alibaba, MiniMax, StepFun y Z.AI, y sostiene que desde fines de 2024 extrajeron miles de millones de tokens con millones de pedidos a los modelos de Anthropic, OpenAI, Google y xAI. Las agencias evalúan que la escala y la sofisticación implican conocimiento del gobierno chino y que la práctica es parte central de la estrategia de desarrollo de esas empresas. La mecánica descrita es la de una operación armada: pedidos repartidos entre cuentas fraudulentas o compartidas, servicios cloud, agregadores y proxies "estación de transferencia" para saltar restricciones geográficas y límites de uso; prompts que buscan sacar cadenas de razonamiento restringidas; failover automático entre rutas cuando una se bloquea; y frameworks de evaluación de calidad para detectar si el proveedor empezó a degradar las respuestas a propósito. DeepSeek y Moonshot figuran como los principales, seguidos por MiniMax. BleepingComputer · CISA
BleepingComputer CISA OpenAI Anthropic Google xAI DeepSeek Alibaba CISA
-
Moonshot AI negocia con Microsoft, Amazon y Google para que hosteen Kimi K3 a cambio de hasta el 30% de los ingresos (26/08)
Sería la primera vez que una empresa china de IA cierra un acuerdo así con un proveedor cloud grande de Estados Unidos: el modelo correría en Azure, AWS y Google Cloud, y Moonshot pide quedarse con hasta el 30% de lo que facture, según tres fuentes citadas por Reuters. Las conversaciones están en etapa temprana y quedan abiertos el reparto exacto, el acceso a los datos y cómo se contabiliza el uso de tokens. El contexto político pesa: el secretario del Tesoro Scott Bessent amenazó hace poco a Moonshot con una prohibición comercial, y autoridades estadounidenses acusaron a la empresa de haber robado el modelo Fable de Anthropic, algo que Moonshot niega. Microsoft, Google y AWS no quisieron comentar. The Decoder · Reuters
-
China deja entrar H200 de Nvidia a cuentagotas: ByteDance y Tencent recibieron unos 10.000 cada uno (19/08)
Según el Financial Times, Beijing autorizó lotes chicos para que las empresas locales no queden atrás en la carrera con EE.UU., y podrían sumarse más compañías pronto. El H200 está al menos dos generaciones detrás de lo mejor de Nvidia, que China no puede comprar por los controles de exportación estadounidenses; del lado de EE.UU. el tope es de 100.000 unidades por empresa, pero el freno real es interno, porque Beijing quiere sostener a fabricantes propios como Huawei y cada compra necesita el visto bueno de la NDRC. Los envíos a Hong Kong también están permitidos, aunque la ciudad no tiene ni datacenters ni energía para aprovecharlos. Técnicamente los laboratorios chinos vienen achicando la brecha —Moonshot con K3, Alibaba con Qwen3.8, DeepSeek con V4 y Z.ai con GLM-5.3—, pero siguen muy atrás en capacidad de inferencia disponible: tras un pico de demanda, Moonshot tuvo que dejar de tomar clientes nuevos. Nvidia mantiene alrededor de medio millón de H200 en stock. The Decoder · Financial Times
-
ByteDance pre-entrena un modelo de hasta 10 billones de parámetros
El dueño de TikTok estaría entrenando un modelo de ~10T de parámetros —unas tres veces Kimi K3 de Moonshot y cerca de estimaciones para los sistemas Mythos de Anthropic (~8T)—, todavía en fase temprana de pre-training (3 a 6 meses antes de fine-tuning). Zhang Yiming habría pedido priorizar capacidad real por sobre destilación de corto plazo. Es uno de los scale-ups más ambiciosos de un lab chino y podría mover el tablero EE.UU.-China. (Reuters vía TechStartups)
-
Deadline de migración: Moonshot da de baja kimi-k2.5 y todos los strings moonshot-v1 el 31/8
(confirmado 3/8). Quedan ~27 días: si tenés apps apuntando a esos model strings, migrá ya a los identificadores nuevos para evitar cortes. AI Agents News — semana del 3/8
-
Los VCs chinos vuelven a levantar fondos con foco en IA y robótica
Según el Financial Times (1 de agosto), las firmas de venture chinas retoman el fundraising tras tres años de mínimos históricos, con LPs redirigiendo capital hacia campeones locales de tecnología, IA y robótica. Llega después de megarrondas como los US$7.400M de DeepSeek y los US$3.500M de Moonshot a US$35.000M de valuación, y reabre el grifo del capital privado chino en torno a la IA embodied y los semiconductores. (ft.com)
-
Jensen Huang defiende los open-weights en una carta abierta
El CEO de Nvidia argumentó que los modelos de pesos abiertos son vitales para fomentar la competencia y asegurar el liderazgo tecnológico, sumando respaldo de ejecutivos de Microsoft, Meta, Google y OpenAI. La postura reaviva el debate abierto vs. cerrado justo cuando labs chinos (Qwen, DeepSeek, Moonshot) presionan con releases abiertos cada vez más capaces. Tech Startups
Tech Startups OpenAI Google Meta Microsoft DeepSeek Nvidia Qwen
-
Kimi K3 sale con pesos abiertos: 2.8 billones de parámetros, licencia permisiva
Moonshot AI publicó los pesos completos de Kimi K3, un mixture-of-experts de 2.8T de parámetros que activa ~104B por token, con ventana de contexto nativa de 1M de tokens y capacidades multimodales de visión, bajo una licencia estilo MIT modificado. La empresa afirma ~2.5x más "inteligencia por unidad de cómputo" gracias a mejoras como Kimi Delta Attention. La licencia permisiva es lo clave: habilita productos comerciales sobre un modelo de escala frontier y presiona la economía de las APIs cerradas. TechStartups · Interconnects
-
Moonshot libera Kimi K3: el modelo open-weight más grande hasta la fecha (2,8T de parámetros)
El startup chino publicó los pesos completos de Kimi K3 el 26–27 de julio en Hugging Face: ~1,4 TB bajo cuantización MXFP4, MoE (solo ~16 de 896 expertos activos por token), visión nativa y ventana de contexto de 1M de tokens. Fuerte en coding y tareas agénticas, aunque todavía por detrás de los cerrados en algunos benchmarks frontera. Baja la barrera para self-hosting y fine-tuning, e intensifica la disputa abierto vs. propietario y EE.UU. vs. China. (26–27/7) techstartups · Interconnects
-
Los modelos open-weight chinos ganan tracción entre developers de EE.UU
Modelos de Moonshot y otros escalan en rankings de plataformas de routing (OpenRouter) por precio bajo, buen desempeño en coding y pesos abiertos que se pueden correr en infraestructura propia. Kimi K3 registró un salto fuerte de descargas, incluido crecimiento entre usuarios estadounidenses. Complica la estrategia de Washington: los controles de exportación no frenan la adopción de modelos que compiten por eficiencia y apertura. (27/7) techstartups
-
Kimi K3 (Moonshot AI) sale con pesos abiertos y récord de tamaño
Moonshot liberó los pesos de Kimi K3 alrededor de las 00:00 UTC del 27/07 (tarde-noche del 26 en horario de EE.UU.): 2,8 billones de parámetros, arquitectura MoE (16 de 896 expertos activos, ~50B de parámetros efectivos por token) y ventana de 1M de contexto. Es el mayor modelo open-weight publicado hasta la fecha; en MXFP4 (4 bits) pesa ~1,4 TB, y Together AI y Modal ya ofrecen hosting day-0. Importa porque sube la vara de lo que se puede autohostear y presiona a los labs cerrados. techtimes · qz · interconnects
-
Los pesos de Kimi K3 se liberan a las 00:00 UTC del 27/07
Moonshot AI anunció el modelo el 16/07 y los pesos completos bajan esta noche bajo licencia MIT modificada: ~1,4 TB con cuantización MXFP4, 2,8 billones de parámetros en un MoE disperso (16 de 896 expertos activos), contexto de 1M de tokens y comprensión de imagen y video. Sería el release open-weight más grande jamás publicado. Ya lidera el Frontend Code Arena con 1.679 puntos, por encima de Claude Fable 5 (1.631) y GPT-5.6 Sol (1.618). VentureBeat · Tom's Hardware · Hugging Face blog
VentureBeat Tom's Hardware Hugging Face blog Hugging Face GPT Claude Kimi
-
Moonshot negocia una valuación de hasta US$50.000M
La china Moonshot AI, creadora de la familia Kimi, está en conversaciones para levantar capital a una valuación de hasta US$50.000M de cara a una posible IPO en Hong Kong dentro de seis meses. Llega tras el lanzamiento de Kimi K3, un modelo MoE de 2,8 billones de parámetros (el open-weight más grande a la fecha), ubicado a nivel frontier en coding agéntico. buildfastwithai · The Hacker News
-
La Casa Blanca acusa a Moonshot AI de "robar" el modelo Fable de Anthropic
El 22 de julio, Michael Kratsios (director de política científica y tecnológica de la Casa Blanca) acusó a la china Moonshot AI de una destilación "encubierta y a gran escala" del modelo Fable de Anthropic para construir Kimi K3, y de haber accedido a servidores Nvidia GB300 restringidos vía Tailandia. Es la primera vez que un alto funcionario estadounidense nombra a un laboratorio chino por copiar un modelo específico; el Tesoro advirtió que "sanciones y designaciones en la Entity List están sobre la mesa". TechCrunch · CyberScoop · The Hill
-
Kimi K3, el mayor modelo open-weight hasta la fecha
Moonshot presentó Kimi K3 (16 jul), un MoE open-weight de ~2,8 billones de parámetros con visión nativa y contexto de 1M de tokens, apuntado a coding agéntico con rendimiento de frontera. Los pesos abiertos están programados para el 27 de julio, cuatro días después de la acusación de la Casa Blanca, lo que agrega tensión geopolítica al release. llm-stats · The New Stack
-
Kimi K3 de Moonshot AI reabre la discusión sobre modelos chinos open-weight
Moonshot AI lanzó el 17 de julio Kimi K3, un modelo de 2.8 billones de parámetros que la empresa presenta como el open-weight más grande jamás publicado, y que según sus propios benchmarks supera a Claude Fable 5 en el Frontend Code Arena y a GPT-5.5 en varias pruebas de coding y agentes. Los pesos se publicarían el 27 de julio, lo que en la práctica los vuelve indescargables de vuelta. Vale aclarar que los números de rendimiento son auto-reportados por Moonshot y todavía no hay verificación independiente. Tom's Hardware
-
Kimi K3 de Moonshot lidera el arena de coding y se convierte en el open-weight más grande de la historia
Moonshot AI lanzó Kimi K3 el 16 de julio: 2,8 billones de parámetros totales con solo 16 de 896 expertos activos por token. En cuestión de horas trepó al tope del arena de coding, superando a modelos cerrados de referencia. Los pesos abiertos están prometidos para el 27 de julio, así que todavía no se puede descargar. Es la señal más clara hasta ahora de que la brecha entre labs chinos y frontier occidental se achicó a menos de una generación. Digital Applied — Open-Weight Wave July 2026 · LLM Stats
-
Inkling: Thinking Machines publica su primer modelo open-weights
El lab de Mira Murati liberó Inkling el 15 de julio, un mixture-of-experts de 975B parámetros totales con ~41B activos por tarea. Debutó como el mejor open-weights de un lab estadounidense en el Artificial Analysis Intelligence Index. Es la primera vez que un lab frontier de EE.UU. compite de verdad en el terreno open-weight que venían dominando Moonshot, DeepSeek y Qwen. TechCrunch · Artificial Analysis · Simon Willison
-
Kimi K3 de Moonshot AI se consolida en el top de los benchmarks
El modelo open-weight chino de 2,8 billones de parámetros (1M de contexto, multimodal nativo), lanzado el 16 de julio, encabezó arenas de coding pocas horas después de salir y ranquea alrededor del #3-#4 global (~81/100 en leaderboards públicos, 88,3 en Terminal-Bench 2.1 con su harness KimiCode). Los pesos abiertos se liberarían hacia el 27 de julio. Es una señal fuerte de que los modelos abiertos siguen achicando la brecha con los frontier cerrados. Simon Willison · BenchLM
-
Moonshot AI lanza Kimi K3, el open-weight más grande hasta ahora
La china Moonshot AI liberó vía app y API su modelo insignia Kimi K3, un MoE disperso de ~2,8 billones de parámetros (896 expertos, sólo 16 activos por token), ventana de 1M tokens, visión nativa y "thinking mode" siempre activo. En evaluaciones independientes queda cuarto entre los frontera —detrás sólo de Claude Fable 5 y GPT-5.6 Sol, superando a Claude Opus 4.8—, un hito para los modelos abiertos. Los pesos completos llegarán a Hugging Face el 27 de julio. Cobertura de Bloomberg, VentureBeat, Axios y TechCrunch. - - -
bloomberg.com venturebeat.com simonwillison.net Hugging Face GPT Claude Kimi
-
Moonshot lanza Kimi K3, un modelo abierto de 2.8 billones de parámetros
La china Moonshot AI publicó Kimi K3, un MoE open-weights de 2.8T de parámetros (activa 16 de 896 expertos) con ventana de contexto de ~1M de tokens, posicionado para cerrar la brecha con los modelos top de EE.UU. como Opus 4.8. Es una de las señales más fuertes de que el open-weights chino ya juega en la primera división. Bloomberg · TechCrunch · Fortune
-
Anthropic acusa a Alibaba de la mayor "destilación" ilícita de Claude
En una carta del 10 de junio al Comité Bancario del Senado de EE.UU., Anthropic afirma que operadores vinculados a Alibaba y su laboratorio Qwen usaron ~25.000 cuentas fraudulentas para generar 28,8 millones de intercambios con Claude entre el 22/4 y el 5/6, apuntando a sus capacidades más valiosas (desarrollo de software, razonamiento multipaso y tareas agénticas). Importa porque expone la tensión geopolítica y competitiva alrededor de la "destilación" de modelos frontera, y porque Anthropic ya había hecho acusaciones similares contra DeepSeek, Moonshot y MiniMax. Tom's Hardware · InfoWorld
Tom's Hardware InfoWorld Anthropic DeepSeek Alibaba Claude Qwen
-
Los modelos open-weight siguen apretando a los cerrados
Junio consolidó una ola de lanzamientos abiertos competitivos: GLM 5.2 (Z.ai/Zhipu, 13/6) pasó a liderar el Artificial Analysis Intelligence Index entre open-weights; MiniMax M3 combina coding de frontera, contexto de 1M y multimodalidad nativa (lidera SWE-Bench Pro open-weight con 59,0%); y Kimi K2.7 Code (Moonshot) recorta ~30% los tokens de "thinking" para abaratar corridas de agentes. Importa porque la brecha con los modelos propietarios se sigue achicando. llm-stats · Hugging Face blog