Moonshot AI va haver de tancar les subscripcions a Kimi K3 menys de 48 hores després del llançament. No per error tècnic, sino per falta de GPU.
Un model frontier (rendiment comparable a GPT-4o i Claude 3.5 Sonnet) va saturar tota la infraestructura de la companyia en dos dies. Això no és una anècdota sobre la demanda, és una lliçó sobre per què la superioritat tècnica no garanteix viabilitat operacional.
Els números que no es publiciten
Kimi K3 és objectivament bo. Els benchmarks independents (Whatsnew IA) confirmen paritat amb els millors models occidentals en raonament, processament multimodal i finestres de context exteses (contexte de 200k tokens). Per a tasques que requereixen analitzar documents llargs, vídeos o múltiples formats simultàniament, ofereix el mateix que pagaries 20 dòlars/mes en alternatives occidentals.
Però aquí ve la realitat: Moonshot AI té menys capacitat de GPU que OpenAI, Anthropic o Google. Quan 100.000 usuaris van intentar accedir-hi en 48 hores, la infraestructura va dir prou!
Això revela dues coses que una pime ha de saber abans d’apostar per un model nou:
Primera: un model «frontier» sense escala no és frontier. És un prototipus amb latències impredictibles. Si necessites una API de producció, no pots dependre d’infraestructura que es tancarà quan la demanda creixi.
Segona: el cost real d’un model no és només el preu per token. És el cost de mantenir una alternativa pel dia que el teu proveïdor saturat no pot servir.
Per a qui funciona Kimi K3, avui
Les pimes xineses o asiàtiques que operen a mercats on les restriccions geopolítiques compliquen l’accés a OpenAI o Anthropic troben aquí una sortida tàcticament útil. Si tens equips a Xina que necessiten IA i vols evitar intermediaris, Kimi K3 funciona.
Per a una pime a Catalunya, però, els casos d’ús són més complicats:
- Tasques amb documents llargs (200k tokens): regularment processos manuals de 50+ pàgines o repositoris de codi sencer, el context estès és real. Però Claude 3.5 Sonnet ofereix 200k de context al mateix preu i amb infraestructura que no cau… O no tant…
- Processament multimodal on el cost importa: Kimi K3 processa text, imatge, àudio i vídeo. Si ets a Xina i no pots pagar les API occidentals, és viable. Però insisteixo, si pots, opta per alternatives més estables.
- Diversificació estratègica de proveïdors: si gestiones agents IA en producció i vols no dependre d’un únic proveïdor, tenir Kimi K3 com backup tàctic té sentit. Però aquest cas suposa que ja tens Claude o GPT com primari.
La tensió que ningú comenta
Aquí hi ha una contradicció que es repeteix: els models frontier més nous són simultàniament més potents i més inestables. Kimi K3 és tècnicament millor que la majoria d’alternatives. Però la infraestructura que l’executa va col·lapsar en 48 hores.
Mentrestant, OpenAI gestiona GPT-4o sobre una escala que pot absorbir pics de 10 milions d’usuaris simultànis. No és que OpenAI sigui més intel·ligent en IA, és que va gastar milers de milions en GPU i datacenter. Kimi K3 té el cervell millor. Però no té els músculs.
Per contrast: fa menys d’una setmana, VentureBeat revelava que més del 54% d’empreses que despleguen agents IA ja han patit incidents de seguretat. La causa? Infraestructura que creix més ràpid que les polítiques de control. Kimi K3 és simptomàtica d’aquest problema: la tecnologia avança fins al colapse operacional.
Què en fem, d’això?
Si ets responsable de tecnologia en una pime, aquí és on cal ser pragmàtic.
Opta per models frontier que tinguin infraestructura verificada. Això significa: OpenAI, Anthropic, Google o Meta per a producció. Kimi K3 és bé per a experiments, integracions no crítiques o mercats on el cost geopolític de les alternatives és prohibitiu.
Si diversifiques proveïdors, fes-ho només si tens fallback automàtic. És a dir: no integris Kimi K3 «perquè sí». Integra-la si tens una altre API que pot substituir-la en 5 minuts quan es saturi.
La realitat és aquesta: Kimi K3 és tècnicament superior i geopolíticament interessant. Però la infraestructura que la suposa és fràgil. Fins que Moonshot AI inverteixi els milions necessaris en escala, és una eina per a casos específics, no per a dependència estratègica.
La intel·ligència no es mesura només en benchmarks. Es mesura en si pots usar-la quan ho necessites.