Moonshot AI redirige sus modelos Kimi de la programación hacia la investigación científica
Moonshot AI orienta sus modelos Kimi hacia la biología, la química y la investigación farmacéutica ante el estancamiento en programación.

Moonshot AI está reorientando el desarrollo de sus modelos de lenguaje Kimi hacia la investigación en biología, química y el sector farmacéutico ante los rendimientos decrecientes que observa en programación. La estrategia fue expuesta por Giacomo Ficari, director internacional de la startup con sede en Pekín, durante el Web Summit de Lisboa, según recoge The Decoder a partir de declaraciones publicadas por South China Morning Post.
De acuerdo con Ficari, el avance científico plantea exigencias técnicas superiores a las del derecho, las finanzas o el desarrollo de software. Con este giro, la compañía busca aplicar las capacidades de razonamiento de su familia Kimi en flujos de trabajo de laboratorio y análisis biomédico, un terreno donde las mejoras en benchmarks de código comienzan a estancarse.
Integración en bioinformática con DP Technology
El despliegue práctico de esta estrategia ya cuenta con un primer socio en China: la firma pekinesa DP Technology está integrando el modelo Kimi K3.1 Pro dentro de BioMaster, su asistente orientado a la investigación científica. En las pruebas iniciales de análisis genómico sobre tejido pancreático de ratón, la herramienta logró acelerar de forma significativa el cribado de genes candidatos frente al trabajo manual de un investigador.
Sin embargo, los avances autónomos en ciencia básica siguen lejos de consolidarse. En la evaluación teórica de informática TCSExam, los modelos líderes consiguieron generar demostraciones verificables, aunque ninguno logró resolver por sí solo conjeturas matemáticas abiertas.
Límites compartidos y cautela en la industria farmacéutica
Los laboratorios estadounidenses enfrentan restricciones similares en el salto hacia descubrimientos científicos independientes. En septiembre, Anthropic afirmó que Claude había hallado un nuevo sistema enzimático, pero investigadores especializados en CRISPR calificaron el resultado como una tarea rutinaria de minería genómica. De forma paralela, matemáticos cuestionaron los supuestos avances en matemáticas y física atribuidos a modelos de OpenAI.
En el ámbito corporativo, la adopción de estas herramientas convive con un marcado escepticismo sobre su impacto real en los ensayos clínicos. Una encuesta realizada por Citi en junio entre responsables de investigación en Estados Unidos refleja una brecha clara entre el uso cotidiano de la inteligencia artificial y la confianza en que eleve la tasa de éxito en el desarrollo de nuevos fármacos.
| Referencia o prueba | Ámbito evaluado | Cifras clave registradas |
|---|---|---|
| BioMaster (Kimi K3.1 Pro) | Análisis genómico en ratón | 3.696 células procesadas; 100 genes candidatos en 90 minutos (frente a 4 horas humanas) |
| Benchmark TCSExam | Informática teórica | 100 problemas evaluados; 0 conjeturas abiertas resueltas de forma autónoma |
| Encuesta de Citi (junio) | Industria farmacéutica en EE. UU. | 50 líderes consultados; 72 % usa IA habitualmente, pero solo 24 % espera mejoras notables |
Fuente: The Decoder