Dos modelos anónimas, Kibitz y Kalmia, aparecen en Code Arena: se espera Kimi K3.1 y Qwen 4

En Code Arena, la sección de la plataforma Arena.ai (antes LMArena) en la que los modelos compiten en tareas de programación, se han detectado en los últimos dos días dos participantes desconocidos: Kibitz y Kalmia. Ningún laboratorio ha reclamado aún su autoría. Aun así, muchos de quienes han analizado las respuestas de estas modelos anónimas las relacionan con nuevos modelos chinos. Los nombres que circulan son Kimi K3.1 y Qwen 4.

Que dos modelos desconocidas aparezcan a la vez en la misma sección no es frecuente. Lo habitual es que en una prueba ciega surja un único candidato en clave, y que la comunidad pase semanas especulando sobre quién está detrás. Esta vez son dos candidatos a la vez, por lo que las hipótesis sobre su origen se han extendido con rapidez.

Cómo funciona la verificación ciega

Arena.ai elabora sus clasificaciones a partir de comparaciones por pares. El usuario plantea una tarea, recibe dos respuestas de modelos sin nombre y elige la mejor. Los nombres solo se revelan después de votar. Para programación existe un modo propio, Code Arena, que evalúa específicamente las capacidades de código.

Los laboratorios usan este mecanismo como campo de pruebas antes del lanzamiento. El modelo recibe feedback real de miles de personas, mientras que los competidores y la prensa no ven la marca y no tienen tiempo de formarse prejuicios. Un ejemplo conocido: en 2024, en LMArena se probó con el nombre im-also-a-good-gpt2-chatbot un modelo de OpenAI que salió al mercado como GPT-4o. El debut anónimo en la arena es desde hace tiempo una práctica habitual y con frecuencia precede al anuncio oficial.

Por qué las sospechas apuntan a Kimi y Qwen

Las conclusiones de la comunidad se basan en indicios indirectos: el estilo de las respuestas, la forma de razonar, el formato del código y la reacción ante peticiones específicas. Estos indicios sirven para plantear hipótesis, pero no son una prueba. Los nombres Kimi K3.1 (desarrollo de Moonshot AI) y Qwen 4 (familia de modelos de Alibaba) siguen siendo, por ahora, suposiciones de los comentaristas. Las propias compañías no han confirmado nada.

Hay otro detalle llamativo: ambas líneas compiten desde hace tiempo en modelos abiertos y comerciales para programación, y precisamente el código se ha convertido en el principal terreno de comparación. Si las modelos anónimas resultan ser chinas, la llegada simultánea de una nueva generación de dos familias destacadas aumentará la presión sobre los proveedores occidentales de asistentes de código.

Qué se sabe por ahora

• Plataforma: Arena.ai, antes LMArena
• Sección: Code Arena, comparaciones ciegas por pares en programación
• Modelos: Kibitz y Kalmia, aparecidas en los últimos dos días
• Hipótesis de la comunidad: Kimi K3.1 y Qwen 4
• Estado: no hay declaraciones oficiales de los desarrolladores

Cómo seguir a las modelos anónimas en la arena

Mientras los laboratorios guardan silencio, resulta más útil fijarse en señales prácticas. Si trabajas con modelos para programación, compara Kibitz y Kalmia en tus propias tareas, siempre que la arena te las muestre en tus duelos. Los repositorios de trabajo, el contexto largo y el uso de herramientas revelarán más que la clasificación general.

La clasificación de estas modelos es inestable en los primeros días: hay pocos votos, los intervalos de confianza son amplios y la posición puede cambiar notablemente en una semana. Los equipos que elijan proveedor de modelo para producción harán mejor en esperar al lanzamiento oficial, con su descripción, licencia y precios de API. Los resultados anónimos conviene tomarlos como una referencia temprana, no como motivo para cambiar de stack.

Los anuncios oficiales de Moonshot AI y Alibaba mostrarán si las conjeturas eran acertadas. De ser así, los nombres probablemente se revelarán junto con el lanzamiento y la publicación de los benchmarks.