Pesos de ERNIE 5.5 Flash Base y Kimi K3.1 Pro: licencias

ERNIE 5.5 Flash Base, de Baidu, es un modelo base preentrenado, y Kimi K3.1 Pro, de Moonshot, es un modelo multimodal posentrenado. Ambos publican sus pesos con licencias propias, y la de Baidu excluye la UE, el Reino Unido y Corea del Sur.

Dos lanzamientos con propósitos distintos

Baidu publicó ERNIE 5.5 Flash Base el 5 de noviembre de 2026, según el blog de lanzamiento de Baidu, como un modelo de mezcla de expertos (mixture of experts, MoE) solo de texto con 280 mil millones de parámetros totales. Los pesos se ofrecen en un repositorio FP8 y en un repositorio BF16 aparte. Moonshot AI puso Kimi K3.1 Pro a disposición en sus productos y su API desde el lanzamiento, y dijo en su blog de lanzamiento que los pesos completos llegarían a más tardar el 4 de noviembre de 2026. Ya están en la ficha del modelo Kimi K3.1 Pro, un modelo MoE de texto e imagen con 2.8 billones de parámetros totales.

Cualquier persona puede descargar cualquiera de los dos conjuntos de pesos sin solicitar acceso, y cada uno tiene su propia licencia. Ahí es donde más se diferencian: la de ERNIE concede derechos solo fuera de la Unión Europea, el Reino Unido y Corea del Sur, mientras que el archivo de Kimi no indica ningún límite geográfico. Los propósitos también difieren, porque uno es un punto de partida para el entrenamiento y el otro es un modelo terminado.

Especificación	ERNIE 5.5 Flash Base	Kimi K3.1 Pro
Desarrollador	Baidu	Moonshot AI
Arquitectura	MoE	MoE
Parámetros totales	280B	2.8T
Parámetros activos por token	14B	104B
Modalidad	Texto	Texto e imagen
Longitud de contexto	1 048 576 tokens en ajuste fino e inferencia, entrenado con hasta 128K	1 048 576 tokens
Etapa del checkpoint	Final del preentrenamiento	Posentrenado
Tamaño de los pesos	Unos 288 GB (FP8) o 573 GB (BF16), en dos repositorios	Unos 1.56 TB (MXFP4), en un solo repositorio
Licencia	Acuerdo propio, excluye la UE, el Reino Unido y Corea del Sur	Licencia propia, sin límite geográfico en el archivo

Fuentes: ficha del modelo ERNIE y ficha del modelo Kimi para los parámetros, la modalidad, el contexto y la etapa de entrenamiento. Los tamaños son los totales de safetensors que Hugging Face indica para los repositorios FP8, BF16 y Kimi, consultados el 12 de noviembre de 2026. Las licencias se tratan más abajo.

ERNIE 5.5 Flash Base

Baidu dice que el modelo se preentrenó desde cero con 33.5 billones de tokens y un contexto de entrenamiento de hasta 128K, y que el ajuste fino y la inferencia admiten 1M de tokens (blog de Baidu). La ficha del modelo indica 1 048 576 tokens como la cifra para el ajuste fino y la inferencia.

La ficha del modelo describe los pesos como el checkpoint «al final del preentrenamiento, antes de cualquier entrenamiento intermedio o posentrenamiento». Se publicó antes del entrenamiento intermedio y del posentrenamiento, así que es un punto de partida para la adaptación a dominios, el ajuste por instrucciones y la investigación en aprendizaje por refuerzo, no un agente conversacional terminado. La guía vLLM-ERNIE de Baidu presenta el modelo base como un modelo de completado (completions) y muestra un ERNIE-5.5-Flash para chat, razonamiento y llamadas a herramientas como «Coming soon» (próximamente). Baidu cuenta los 14B parámetros activos sin la búsqueda de embeddings, y sus totales excluyen 0.36B parámetros de la capa ECHO, según una nota de la ficha del modelo.

Kimi K3.1 Pro

Moonshot dice que Kimi K3.1 Pro se posentrenó a partir de Kimi K3 con aprendizaje por refuerzo conjunto a gran escala en cientos de dominios de aplicación, y que aporta mejoras en programación, creación 3D, investigación financiera y exactitud factual (ficha del modelo). La ficha indica pesos MXFP4 con activaciones MXFP8, entrenados con entrenamiento consciente de la cuantización (quantization-aware training). Menciona vLLM, SGLang y TokenSpeed para el servicio del modelo, e indica entrada de texto e imagen.

El blog de Moonshot dice que también lanzó Kimi K3.1 Pro Highspeed, que según su descripción ofrece entre dos y tres veces la velocidad de K3.1 Pro. El blog también describe una medida de seguridad: Moonshot dice que, para la publicación de pesos abiertos, identificó y eliminó datos relacionados con ciberseguridad del entrenamiento intermedio y de sus entornos de aprendizaje por refuerzo. En su benchmark interno xdev-bench-hard, Moonshot indica que el modelo final resuelve el 81.0 % de los problemas con pass@3, frente al 90.5 % de un checkpoint sin esas medidas. Es un benchmark y una medición de la propia Moonshot.

Condiciones de las licencias

Ambos repositorios llevan la etiqueta de licencia de Hugging Face «other», que señala un texto propio. TechiesJournal no califica a ninguna de las dos como de código abierto. Esta sección resume los archivos tal como se leyeron el 12 de noviembre de 2026. No es asesoramiento jurídico, y conviene que cada lector lea la licencia según su propia situación y consulte con un abogado cuando puedan aplicarse las condiciones de territorio, ingresos o servicio.

Dónde permite el uso cada licencia

El acuerdo de licencia de Baidu, ERNIE 5.5 Flash Base Model License Agreement, define su Territorio como el mundo excepto la Unión Europea, el Reino Unido y Corea del Sur (sección 1.11). El acuerdo concede los derechos de Baidu «solely within the Territory», es decir, únicamente dentro del Territorio (sección 2). La sección 5.3 dice que los pesos, los modelos derivados y sus resultados no deben usarse, reproducirse, modificarse, distribuirse ni mostrarse fuera de él, y la política de uso aceptable del Anexo A (Exhibit A) repite ese punto como su primer elemento. Según la licencia de Baidu, el uso dentro de la Unión Europea, el Reino Unido o Corea del Sur queda fuera de los derechos concedidos. Quien esté allí debe leer el acuerdo y pedir asesoramiento jurídico. El acuerdo se rige por la ley de Hong Kong, con los tribunales de Hong Kong como jurisdicción (secciones 9.1 y 9.2).

La licencia de Moonshot, Kimi K3.1-Pro License, no tiene ninguna restricción geográfica. Pide que el uso cumpla las leyes y normativas aplicables (sección 1).

Uso comercial y otras condiciones

Condición	ERNIE 5.5 Flash Base	Kimi K3.1 Pro
Uso no comercial	Sin cargo por la licencia del modelo (sección 4.1)	Gratuito, sujeto a las condiciones de las secciones 1 a 4
Uso comercial	Sin cargo por la licencia del modelo hasta USD 50 millones de ingresos anuales de productos o servicios relacionados, con un aviso de uso único a Baidu (secciones 3.2 y 4.2)	Sin cargo en general. Un negocio de Model as a Service con más de USD 20 millones de ingresos en cualquier periodo de 12 meses necesita un acuerdo aparte con Moonshot (sección 2)
Por encima del umbral	Autorización previa por escrito y aparte de Baidu, y el uso comercial sin ella debe suspenderse (sección 4.3)	Mención «Kimi K3.1-Pro» en la interfaz para productos con más de 100 millones de usuarios activos mensuales o USD 20 millones de ingresos mensuales (sección 3)
Atribución	«Powered by ERNIE» en cualquier producto o servicio comercial (sección 3.2)	Conservar el aviso de copyright y de permiso en todas las copias (sección 1)
Uso de los resultados	Los resultados no pueden usarse para mejorar ningún otro modelo de IA, y la destilación se trata como un modelo derivado (secciones 5.5 y 1.5)	El archivo no indica ninguna restricción sobre los resultados ni sobre la destilación
Exenciones	El límite del Territorio se aplica a todo uso (secciones 2 y 5.3)	El uso interno y el uso a través de los productos oficiales de Moonshot o de socios de inferencia certificados quedan fuera de las secciones 2 y 3 (sección 4)
Otros límites	Política de uso aceptable, indemnización y terminación por litigios de patentes (sección 6.6 y Anexo A)	Exención de garantías (sección 5)

Fuentes: archivo de licencia de ERNIE y archivo de licencia de Kimi, consultados el 12 de noviembre de 2026.

Dos detalles del texto de ERNIE importan para la planificación. Los ingresos cuentan el producto relacionado completo, no solo la parte atribuible a ERNIE, y suman todas las entidades bajo control común (sección 1.7). Baidu también puede pedir una declaración de cumplimiento a un operador cuyos ingresos alcancen o superen los 50 millones de dólares, según la sección 4.5 del acuerdo. El Anexo A, que según el acuerdo se revisó por última vez el 6 de noviembre de 2026, prohíbe, entre otras cosas, los usos militares, las decisiones automatizadas de alto riesgo en ámbitos como la salud, el crédito y el empleo, y la publicación de material generado sin identificarlo claramente como generado por máquina. Para Kimi, «Model as a Service» significa dar a un tercero acceso a la inferencia o al ajuste fino, por ejemplo mediante una API, con un control significativo sobre las entradas, los parámetros o los datos de entrenamiento. Las condiciones pueden cambiar después de la publicación, así que vuelve a comprobar los archivos antes de basarte en ellos. El artículo anterior de TechiesJournal sobre los modelos de pesos abiertos DeepSeek, GLM y Kimi (en inglés) explica cómo abordar este tipo de licencia propia.

Lo que muestran las pruebas

Casi todas las pruebas de rendimiento proceden de los dos proveedores. La tabla separa quién midió qué.

Fuente	Qué se midió	Resultado
Moonshot, en la ficha del modelo	Terminal-Bench 4.0, Kimi ejecutado con el harness de Claude Code	Kimi K3.1 Pro 65.7, Claude Opus 5.5 66.4, GPT-6 Astra 58.2
Vals AI	Terminal-Bench 4.0	Kimi K3.1 Pro 63.64 %, cuarto de 63 modelos
Vals AI	Vals Index, tareas de finanzas, programación, ámbito jurídico e impuestos	Kimi K3.1 Pro 62.52 %, puesto 10. Kimi K3 52.95 %, puesto 28
Baidu, en la ficha del modelo	30 filas de benchmarks few-shot frente a otros tres modelos base	Baidu marca a ERNIE como el mejor en 24 filas y a un rival como el mejor en 6

Fuentes: ficha del modelo Kimi, página de Kimi K3.1 Pro en Vals AI, la tabla de clasificación del Vals Index, actualizada el 9 de noviembre de 2026, y la ficha del modelo ERNIE.

Para Kimi, Vals AI es la única medición independiente que se encontró. Su Vals Index da a Kimi K3.1 Pro un 62.52 % frente al 52.95 % de Kimi K3, una mejora de 9.57 puntos según nuestros cálculos, lo que concuerda con lo que Moonshot dice que aportó el posentrenamiento adicional. Hay varias salvedades:

Vals evalúa tareas distintas de las de las tablas de Moonshot, y nueve modelos se sitúan por encima de Kimi K3.1 Pro en el índice, entre ellos Claude Fable 5.2 con un 71.31 % y, en la misma tabla, Claude Opus 5.5 (70.14 %) y GPT-6 Astra (65.02 %), dos de los modelos con los que se compara Moonshot.
Las cifras de Terminal-Bench de Moonshot mezclan distintos harnesses. La ficha dice que las puntuaciones de comparación, salvo las de DeepSeek, son los valores máximos publicados en los blogs de los modelos o en la tabla de clasificación oficial.
La nota de Vals AI sobre su evaluación de Kimi K3.1 Pro está fechada el 24 de octubre de 2026, antes de que se publicaran los pesos, así que lo más probable es que la puntuación describa el modelo alojado y no una copia que ejecutarías tú mismo. Esa es nuestra inferencia.
Vals AI publica la puntuación de Kimi K3 como 52.95 % en su tabla de clasificación y como 52.96 % en su nota sobre Kimi K3.1 Pro.

Para ERNIE 5.5 Flash Base no se encontró ninguna medición independiente del checkpoint. La tabla de Baidu lo compara con DeepSeek-V4-Flash-Base, Hy3-preview-Base y MiMo-V2.5-Base, ejecutados por Baidu con el mismo proceso, las mismas instrucciones y la misma configuración few-shot. Los rivales van por delante en seis filas: ChineseSimpleQA, BBH con cadena de razonamiento (chain of thought), INCLUDE-lite, FullStackBench, HELMET-Rerank e InfiniteBench. Las puntuaciones few-shot de modelos base no son comparables con las tablas de clasificación de modelos de chat como la de Vals AI. La guía de TechiesJournal sobre cómo leer las afirmaciones sobre benchmarks de IA (en inglés) explica qué preguntar ante cifras como estas, y su artículo sobre Hy4 de Tencent analiza la misma tabla de clasificación de Vals.

Hardware y tamaño de los pesos

Las fichas de los modelos describen modelos dispersos en los que solo algunos expertos se ejecutan por token, pero todos los expertos deben almacenarse igualmente, por lo que los archivos siguen siendo grandes. La tabla pone los tamaños junto a lo que cada proveedor o proyecto de servicio dice sobre las configuraciones mínimas.

Pesos	Tamaño	Configuración indicada por el proveedor o el proyecto de servicio
ERNIE FP8	Unos 288 GB	Guía de Baidu: 2 GPU de 288 GB, 4 de 192 GB u 8 de 80 GB
ERNIE BF16	Unos 573 GB	Guía de Baidu: 4 GPU de 288 GB, 8 de 192 GB o dos nodos de 8 GPU de 80 GB
Kimi K3.1 Pro MXFP4	Unos 1.56 TB	La receta de vLLM: paralelismo de tensores de 8 en un nodo B300 o en dos bandejas GB300, o en un nodo MI355X

Fuentes: guía vLLM-ERNIE de Baidu para las filas de ERNIE, que según la guía son los números mínimos de GPU que pueden alojar los pesos, y la receta de vLLM para Kimi K3.1 Pro, a la que enlaza la ficha del modelo y que es del proyecto vLLM, no de Moonshot. Los tamaños proceden de Hugging Face.

Estas cifras solo alojan los pesos, y nada de lo que aparece aquí es un rendimiento medido. La guía de Baidu ejecuta sus servidores de ejemplo con un contexto de 131 072 tokens y dice que las GPU de 80 GB admiten hasta 262 144 tokens, pero no 1M, por lo que el contexto completo necesita más memoria. La receta de vLLM dice que el rendimiento no se optimizó. La perspectiva de TechiesJournal sobre IA alojada frente a LLM autoalojados analiza cuándo vale la pena asumir ese costo para ejecutar un modelo por cuenta propia.

Lo que deben saber los desarrolladores

Ambos conjuntos de pesos se pueden descargar hoy, pero ninguno es un modelo para una computadora de escritorio. Según los tamaños y las guías de Baidu y vLLM citadas arriba, ERNIE necesita de 288 GB a 573 GB de almacenamiento y al menos dos GPU de centro de datos, y Kimi K3.1 Pro necesita unos 1.56 TB, con un grupo de ocho GPU como base en la receta de vLLM. ERNIE 5.5 Flash Base es un checkpoint base para equipos que vayan a seguir entrenándolo, y solo dentro del Territorio de Baidu. Kimi K3.1 Pro es un modelo posentrenado para aplicaciones y tareas agénticas, y las condiciones de su licencia afectan sobre todo a los negocios de Model as a Service y a los productos muy grandes. Prueba cualquiera de los dos con tus propias tareas y vuelve a comprobar ambos repositorios y archivos de licencia antes de basarte en ellos.

Referencias

Las fuentes se consultaron el 12 de noviembre de 2026. Las especificaciones, las condiciones de licencia, los resultados de benchmarks y la disponibilidad son los que indican Baidu, Moonshot, vLLM y Vals AI, y pueden cambiar.

Baidu y Moonshot publican los pesos de los modelos ERNIE 5.5 Flash Base y Kimi K3.1 Pro