Mixture of Experts (MoE) es la arquitectura que permite que modelos como Kimi K2 (1T parámetros totales, 32B activos) o Qwen3-30B-A3B (30.5B totales, 3.3B activos) paguen solo una fracción del cómputo por token sin sacrificar capacidad. Explicación pedagógica: expertos, router, parámetros totales frente a activos, por qué escala, y los tradeoffs reales de entrenamiento e inferencia que tenés que conocer antes de elegir un MoE para tu SaaS.

Mixture of Experts (MoE): qué es, cómo funciona y por qué importa en 2026

Una investigación de CNBC muestra que los modelos open-weight chinos (Qwen, DeepSeek, GLM, Kimi) ya manejan entre 30% y 46% del tráfico en gateways como OpenRouter — y cuestan entre 30% y 90% menos que los modelos frontera de Anthropic y OpenAI según el tier y el workload. Para SaaS Latam de alto volumen, eso es un arbitraje de costo real pero más modesto de lo que el marketing sugiere: los savings típicos en un split 60/40 commodity/frontier rondan 49-53%. Te dejo la tabla comparativa corregida, el cálculo de ahorro en español con tráfico real, y la checklist operativa para empezar a rutear sin romper calidad.

Artículos sobre Kimi

Mixture of Experts (MoE): qué es, cómo funciona y por qué importa en 2026

Modelos chinos open-weight ya manejan 30-46% del tráfico de IA — 30-90% más baratos que Anthropic y OpenAI