Kimi K2.6

By Moonshot AI · Updated

Lo que realmente es

Aquí hay un número que debería incomodar a todo ejecutivo de IA en la nube: 58,6. Esa es la puntuación de Kimi K2.6 en SWE-Bench Pro — el benchmark que mide si una IA puede realmente arreglar bugs reales en bases de código reales. Supera los 57,7 de GPT-5.4. Supera los 53,4 de Claude Opus 4.6. Y a diferencia de esos modelos, puedes descargar los pesos completos y ejecutarlo tú mismo.

Lanzado por Moonshot AI el 20 de abril de 2026, Kimi K2.6 es un modelo Mixture-of-Experts de un billón de parámetros que activa solo 32 mil millones por paso. Imagina una empresa con 384 departamentos especializados — para cada pregunta, solo 8 expertos se reúnen para responder mientras el resto permanece en espera. El resultado es inteligencia de nivel frontier a una fracción del costo computacional por token.

Pero lo que hace a K2.6 genuinamente diferente de los anteriores campeones de pesos abiertos no es el tamaño bruto — es lo que puede hacer. Este modelo orquesta enjambres de agentes de hasta 300 sub-agentes a través de 4.000+ pasos coordinados. Procesa imágenes y video nativamente, no como un añadido posterior. Maneja 256K tokens de contexto sin degradación. Y en el comprehensivo Índice de Inteligencia de Artificial Analysis, puntúa 54 — colocándose #4 en general, solo detrás de los tres modelos frontier cerrados más grandes. Ningún modelo abierto ha estado nunca tan cerca de la cima.

Puntos fuertes

• Barrida de benchmarks agénticos: SWE-Bench Pro 58,6, Terminal-Bench 66,7, BrowseComp 83,2, Toolathlon 50,0 — no solo compite con modelos frontier cerrados en codificación agéntica, los supera. El primer modelo abierto que lidera consistentemente benchmarks de ingeniería del mundo real.
• Entrada multimodal real: Procesa imágenes y video nativamente junto con texto y código. Analiza capturas de pantalla, depura diseños visuales, comprende diagramas — una ventaja crucial sobre competidores solo-texto como GLM-5.1.
• Orquestación de enjambres de agentes: Soporta hasta 300 sub-agentes ejecutando 4.000+ pasos coordinados. No solo responde preguntas — orquesta flujos de trabajo autónomos completos, desde investigación profunda hasta refactorizaciones de código multi-archivo.
• Ventana de contexto de 256K: Alimenta bases de código enteras, conjuntos masivos de documentación o historiales de conversación de varias horas. Combinado con su puntuación LiveCodeBench v6 de 89,6, maneja tareas de codificación complejas y de largo horizonte con consistencia notable.
• Pesos abiertos, licencia MIT modificada: Descarga los pesos completos de Hugging Face y autoaloja. Uso comercial con un simple requisito de atribución para despliegues muy grandes (100M+ MAU). Sin regalías, sin dependencia de API.

Limitaciones honestas

• No es un modelo para GPU de consumo: Un billón de parámetros totales significa ~600–650 GB de VRAM con cuantización INT4. Necesitas clústeres multi-GPU empresariales (múltiples H100) para autoalojar. La mayoría de usuarios accederá vía API — lo que anula parte de la promesa de privacidad ’local'.
• Brechas de pulido ocasionales: Los números de benchmark son espectaculares, pero las pruebas de vibe-coding en el mundo real reportan elementos de interfaz rotos y asperezas que modelos cerrados como Claude manejan con más elegancia.
• Alto consumo de tokens: El modo de pensamiento/razonamiento puede quemar tokens rápidamente en sesiones agénticas largas. Artificial Analysis necesitó ~160M tokens de razonamiento para su benchmark completo — vigila tus costos de API.
• Sesgo del ecosistema chino: Como otros modelos de origen chino, la documentación en inglés y las herramientas de comunidad occidental están creciendo pero aún son menos maduras que el ecosistema en idioma chino.