Moonshot AI surgió en 2023 de la mente de Yang Zhilin, un investigador cuyo trabajo académico ya había moldeado cómo la industria piensa sobre el modelado de contexto largo. Yang obtuvo su doctorado en Carnegie Mellon bajo Ruslan Salakhutdinov y William Cohen, luego pasó tiempo en Google Brain donde fue coautor de Transformer-XL y XLNet — dos papers que abordaron directamente las limitaciones de los transformers estándar al tratar con secuencias largas. En lugar de continuar como investigador en un laboratorio occidental, Yang regresó a China y fundó Moonshot con una apuesta singular: que la longitud de contexto sería el diferenciador definitorio en la próxima generación de asistentes de IA. Recaudó más de $1,000 millones en su primer año, con respaldo de Sequoia China, Alibaba y HongShan (anteriormente Sequoia Capital China), alcanzando una valoración estimada de $2,500 millones para principios de 2024.
El producto insignia de Moonshot, Kimi, se lanzó en octubre de 2023 con una ventana de contexto de 200,000 tokens — en un momento en que la mayoría de los chatbots competidores tenían un máximo de 8,000 a 32,000 tokens. Para principios de 2024, habían ampliado eso a 2 millones de tokens, haciendo a Kimi capaz de ingerir codebases completos, libros enteros o cientos de páginas de documentos legales en una sola conversación. Esto no fue solo una demo técnica; Kimi rápidamente se convirtió en uno de los asistentes de IA más populares en China, particularmente entre estudiantes y trabajadores del conocimiento que necesitaban procesar grandes volúmenes de texto. El producto creció tan rápido que se caía repetidamente bajo la carga durante momentos virales en redes sociales chinas, un problema que paradójicamente impulsó aún más su visibilidad.
Bajo el capó, Moonshot construyó sobre la investigación previa de Yang en mecanismos de atención eficientes. Su enfoque para escalar ventanas de contexto involucró una combinación de patrones de atención sparse, gestión eficiente de memoria del KV-cache e infraestructura personalizada optimizada para inferencia de secuencias largas. La empresa ha sido relativamente reservada sobre la arquitectura exacta de sus modelos, pero los resultados de benchmarks e informes de usuarios sugieren que genuinamente procesan contextos largos en lugar de truncarlos silenciosamente — una distinción que importa porque varios competidores fueron descubiertos anunciando grandes ventanas de contexto mientras efectivamente ignoraban la mayor parte de la entrada. Moonshot también invirtió fuertemente en enfoques aumentados por recuperación que complementan la ventana de contexto cruda, dando a Kimi la capacidad de buscar en la web e integrar información en tiempo real junto con los documentos cargados por el usuario.
Moonshot ocupa una posición única en la concurrida escena de startups de IA de China. Mientras que empresas como Baidu, Alibaba y ByteDance traen ventajas de distribución masivas, y startups como Zhipu AI y MiniMax compiten en capacidad general, Moonshot se labró una identidad clara en torno al caso de uso de contexto largo. Este enfoque les dio un nicho defendible incluso mientras jugadores más grandes se apresuraban a igualar sus longitudes de contexto. La empresa también ha navegado eficazmente el entorno regulatorio de China, asegurando las aprobaciones necesarias para operar un asistente de IA de cara al público. Para mediados de 2025, Kimi había expandido hacia capacidades multimodales incluyendo comprensión y generación de imágenes, y Moonshot estaba explorando aplicaciones empresariales — pero la identidad central permanecía: la empresa que se toma el contexto en serio.
El mayor desafío de Moonshot es la sostenibilidad. Ejecutar inferencia en contextos de 2 millones de tokens es extraordinariamente costoso, y la empresa ha estado quemando capital a un ritmo que pone nerviosos incluso a los VCs de Silicon Valley. También hay preguntas sobre si la ventaja del contexto largo se mantendrá a medida que los competidores mejoren su propio manejo de contexto y los enfoques basados en recuperación reduzcan la necesidad de ventanas masivas. Yang Zhilin ha argumentado públicamente que un contexto más largo no es solo una característica sino una forma fundamentalmente diferente de interactuar con la IA — que permite patrones de razonamiento que son imposibles cuando el modelo solo puede ver fragmentos. Si esa tesis se sostiene comercialmente determinará si Moonshot se convierte en una empresa definitoria de la era o en una historia de advertencia técnicamente impresionante sobre brillar demasiado fuerte, demasiado rápido.