Moonshot AI apunta a 2 billones de dólares en ingresos anuales
El laboratorio chino planea duplicar su facturación de agosto en 2026 gracias al modelo K3, pese a márgenes reducidos y acusaciones de distorsión de datos.
Moonshot AI, uno de los laboratorios de IA más visibles de China, ha anunciado que busca alcanzar 2 billones de dólares en ingresos anuales para finales de 2026, según Bloomberg.
La cifra representa un doble del ritmo de ingresos reportado en agosto, cuando la compañía mostraba una facturación anualizada de 1 billón de dólares. El objetivo se sustenta en la popularidad del modelo K3, lanzado este verano. Aunque el uso de K3 ha caído ligeramente en los últimos meses, OpenRouter muestra que el modelo sigue generando unos 300 billones de tokens al día en su plataforma.
En comparación, las cifras de OpenAI y Anthropic se sitúan en 40 y 65 billones de dólares respectivamente. El margen de Moonshot es mucho menor, ya que sus pesos de modelo son libres y el negocio se basa en licencias y servicios de inferencia.
La empresa también enfrenta críticas por su práctica de distorsión de modelos. Anthropic ha acusado a Moonshot de una campaña de distillation que canalizó casi 300 000 peticiones de Kimi directamente a Claude Opus, recabando más de 23 millones de respuestas de Anthropic para entrenar a Kimi. Esta estrategia ha generado debate sobre la legalidad y ética de la recolección de datos de terceros.
A pesar de las controversias, los resultados de OpenRouter indican que sigue habiendo oportunidades de monetizar modelos de peso abierto, aunque con márgenes inferiores a los de los modelos cerrados.
La trayectoria de Moonshot demuestra que la adopción de modelos abiertos no es solo una cuestión de investigación, sino también de negocio. Sin embargo, la compañía debe gestionar el riesgo reputacional y las posibles sanciones legales derivadas de la acusación de distorsión.
El próximo paso será observar cómo se traducen estas ambiciones en contratos comerciales reales y si la comunidad de IA seguirá aceptando la práctica de usar datos de modelos externos sin la debida autorización.
