Un SaaS en dos días con Kimi K3: ¿Claude realmente destronado?

El narrador se presenta como un exingeniero de una gran tecnológica, desempleado, con 25 años en la industria, que construyó una automatización que corta clips cortos de sus vlogs largos y los publica en plataformas sociales; tras meses de silencio, unos pocos clips despegan en TikTok, Facebook e Instagram y traen una ola real de seguidores. El detalle que me enganchó es la regla del único enlace en los perfiles: en Instagram, todo lo que queda bajo el pliegue podría no existir. El plano de apertura plantea la apuesta sin rodeos, con el anfitrión en una oficina en casa frente a un monitor de código, junto a un gran GOODBYE CLAUDE.

Cuando la nueva audiencia quiere una sola página con todo, prueba servicios de enlaces de bio ya hechos como Linktree, Beacons y Squarespace; las páginas supuestamente gratuitas estampan su propia marca por todas partes y luego entierran el contenido bajo correos de mejora y presión por el dominio personalizado. Así que invierte la regla y decide escribir su propio generador de páginas de enlaces, eligiendo el Kimi K3 de pesos abiertos de Moonshot como motor. Se dice que el modelo iguala o supera a los principales modelos cerrados estadounidenses en muchas métricas, y entra como la alternativa sin proveedor único al Claude Fable que usa a diario.

Sin un clúster doméstico gigante, accede a Kimi K3 a través de OpenRouter, pagando a un revendedor que ejecuta el modelo en centros de datos dentro de Estados Unidos en lugar de pagar directamente a Moonshot. Este detalle aparentemente pequeño lleva una de las tesis del video: los pesos abiertos significan elegir quién cobra y dónde se ejecuta el trabajo. Las fichas de modelo publicadas describen Kimi K3 como un diseño sparse de mezcla de expertos con 2,8 billones de parámetros totales y una ventana de contexto de un millón de tokens.

Luego explica el arnés de agente en términos sencillos: la ventana de contexto es la memoria a corto plazo del modelo, y una vez llena, los detalles antiguos se desvanecen y empieza la fabricación; el arnés gestiona esa memoria con archivos de memoria globales y por proyecto, compactando y reiniciando desde la misma base cuando hace falta. El equipo también da al modelo herramientas y habilidades; leer datos, abrir un navegador o llamar a un servicio remoto son herramientas, mientras que las recetas de tareas repetibles en archivos Markdown son habilidades. La mayoría de las herramientas siguen el Model Context Protocol para poder reutilizarse entre equipos, y advierte que las habilidades descargadas pueden llevar líneas hostiles, razón por la que escribe las suyas.

Cada gran laboratorio tiene un equipo afinado para su propio modelo: Claude Code por el lado de Anthropic, Kimiko por el de Moonshot, Codex por el de OpenAI, más equipos de código abierto como OpenCode, PiCode y Hermes que funcionan con muchos modelos. Él elige deliberadamente lo que llama la opción más aburrida, el equipo Agent de Visual Studio Code, porque quiere una pista justa: probó Claude 5 Fable en el mismo equipo cuando salió y cree que no da a ningún modelo una ventaja oculta. Esa afirmación de neutralidad sostiene toda la comparación.

Para el primer trabajo le pide a Kimi un documento de diseño técnico; su prompt establece los requisitos de extremo a extremo, exige una pila autoescalable que un desarrollador en solitario pueda mantener, y pide explícitamente al modelo que haga preguntas. En esa conversación de diseño, Kimi hace más preguntas que Claude 5 Fable, profundizando en detalles funcionales y técnicos, lo que él lee como una buena señal. El esqueleto de la arquitectura emerge tras unos veinte minutos.

Presiona en dos puntos de la propuesta: guardar los datos de vistas de cada página de enlaces en la misma base de datos que la aplicación principal podría ralentizar todo el sistema en un pico de tráfico, y un PostgreSQL autoadministrado es más difícil de mantener que un servicio de base de datos gestionado. Un viejo debate de construir o comprar con antiguos compañeros se reabre, y bromea diciendo que hablar con la IA se siente como sombras proyectadas en la pared de una caverna. La pila acordada termina siendo React más Tailwind al frente, Next.js en el medio, Convex para los datos, Google Analytics para la medición, Clerk para el inicio de sesión y Stripe para los pagos.

Para programar se salta el patrón común de repartir el trabajo entre subagentes; como los modelos más pequeños suelen ser más débiles, quiere ver a Kimi escribir el código por sí mismo. La orden es nítida: avanzar fase por fase desde el documento de diseño, escribir pruebas unitarias cada vez más pruebas de extremo a extremo para los flujos críticos, ejecutarlas, arreglar lo que falla, iterar hasta el verde. Se toma un café mientras trabaja; la construcción dura más de una hora y el modelo cae dos veces en un extraño bloqueo, quemando el medidor sin progreso hasta que el equipo interviene a los cinco minutos. Lo lee como un defecto de integración modelo-equipo.

En la validación hace un cálculo sombrío: un humano solo puede revisar unas 500 líneas al día con calidad, pero el modelo produjo miles; un trabajo de semanas se triaja con una habilidad de revisión de código que mapea los defectos por gravedad, de modo que la escasa atención humana caiga en las peores zonas. Tras horas de revisión ejecuta la aplicación en local; aparte de problemas menores de estilo, el comportamiento del núcleo es sorprendentemente preciso. No impecable a la primera, pero cómodamente por encima del aprobado.

El último tropiezo es una carrera de orden de hooks; Kimi batalla con ello y de repente pide las claves de despliegue de producción para probar un arreglo en vivo. Su broma es afilada: un modelo de primera línea pidiendo las llaves de la casa en la primera cita. Él se niega, prueba unos prompts más hasta que el defecto queda corregido, y el despliegue en Vercel aterriza limpio; de la idea a la producción pasan menos de dos días.