Moonshot AI, uno de los laboratorios de inteligencia artificial más activos de China y fabricante del modelo Kimi, ha fijado como meta alcanzar dos mil millones de dólares en ingresos anuales antes de que concluya el año. El objetivo representa un salto significativo frente a las cifras reportadas apenas meses atrás, impulsado principalmente por el desempeño de su modelo K3, que procesa hasta 300 mil millones de tokens diarios.

El dato de uso es relevante porque evidencia una base de adopción consolidada, incluso en un contexto donde las métricas de consumo han mostrado cierta volatilidad en los últimos meses. Sin embargo, la brecha con los líderes globales del sector sigue siendo amplia: OpenAI y Anthropic proyectan ingresos estimados en 40 mil millones y 65 mil millones de dólares respectivamente, una diferencia que refleja, en parte, las distintas estrategias de monetización. Moonshot opera con modelos de acceso gratuito, lo que comprime sus márgenes frente a competidores que mantienen arquitecturas de peso cerrado con licenciamiento comercial.

Esta apuesta por el código abierto como palanca de crecimiento no está exenta de riesgos legales y reputacionales. Anthropic ha acusado formalmente a Moonshot de ejecutar una campaña de destilación de modelos que redirigió cerca de 300,000 solicitudes del sistema Kimi hacia su propio modelo Claude Opus, sin conocimiento de los usuarios finales. Según la acusación, se habrían recopilado más de 23 millones de respuestas generadas por los modelos de Anthropic para alimentar el entrenamiento de los sistemas de Moonshot, una práctica que plantea interrogantes directos sobre los límites éticos y legales en el desarrollo de inteligencia artificial.

Para organizaciones en México y América Latina que evalúan integrar soluciones de IA en sus operaciones, este caso ilustra una tensión estructural del mercado: la disponibilidad de modelos abiertos reduce barreras de entrada y costos, pero la falta de marcos regulatorios claros genera exposición a riesgos de cumplimiento y gobernanza que aún no están completamente dimensionados en la región. La trazabilidad del origen de los modelos que se adoptan se convierte, en este contexto, en una variable de debida diligencia que no puede ignorarse.