La empresa china Moonshot AI actualizó su modelo Kimi K2 de código abierto, transformándolo en un modelo de codificación y visión con una arquitectura que admite una orquestación de enjambre de agentes.
El nuevo modelo, Moonshot Kimi K2.5, es una buena opción para las empresas que quieren agentes que puedan realizar acciones automáticamente en lugar de tener un marco que tome las decisiones centrales.
La compañía caracterizó a Kimi K2.5 como un “modelo todo en uno” que admite entradas visuales y de texto, lo que permite a los usuarios aprovechar el modelo para proyectos de codificación más visuales.
Moonshot no reveló públicamente el recuento de parámetros del K2.5, pero el modelo Kimi K2 en el que se basa tenía 1 billón de parámetros totales y 32 mil millones de parámetros activados gracias a su arquitectura de mezcla de expertos.
Este es el último modelo de código abierto que ofrece una alternativa a las opciones más cerradas de Google, OpenAI y Anthropic, y las supera en métricas clave que incluyen flujos de trabajo agentes, codificación y visión.
en el El último examen de la humanidad (HLE) punto de referencia, Kimi K2.5 obtuvo 50,2% (con herramientas), superando a GPT-5.2 (xhigh) de OpenAI y Claude Opus 4.5. También logró 76,8% en SWE-bench Verificadoconsolidando su estatus como modelo de codificación de primer nivel, aunque GPT-5.2 y Opus 4.5 lo superan aquí con 80 y 80,9, respectivamente.
Moonshot dijo en un comunicado de prensa que ha visto un aumento del 170% en usuarios entre septiembre y noviembre para Kimi K2 y Kimi K2 Pondering, que se lanzó a principios de noviembre.
Enjambre de agentes y orquestación integrada
Moonshot tiene como objetivo aprovechar los agentes autodirigidos y el paradigma de enjambre de agentes integrado en Kimi K2.5. El enjambre de agentes ha sido promocionado como la próxima frontera en el desarrollo de inteligencia synthetic empresarial y sistemas basados en agentes. Ha atraído mucha atención en los últimos meses.
Para las empresas, esto significa que si crean ecosistemas de agentes con Kimi K2.5, pueden esperar escalar de manera más eficiente. Pero en lugar de “aumentar” o aumentar el tamaño de los modelos para crear agentes más grandes, está apostando por crear más agentes que esencialmente puedan orquestarse por sí mismos.
Kimi K2.5 “crea y coordina un enjambre de agentes especializados que trabajan en paralelo”. La empresa lo comparó con una colmena donde cada agente realiza una tarea mientras contribuye a un objetivo común. El modelo aprende a autodirigir hasta 100 subagentes y puede ejecutar flujos de trabajo paralelos de hasta 1500 llamadas a herramientas.
“Los puntos de referencia solo cuentan la mitad de la historia. Moonshot AI cree que AGI debería evaluarse en última instancia por su capacidad para completar tareas del mundo actual de manera eficiente bajo limitaciones de tiempo del mundo actual. La métrica actual que les importa es: ¿cuánto de su día realmente le devolvió la IA? Ejecutar en paralelo cut back sustancialmente el tiempo necesario para una tarea compleja; las tareas que requerían días de trabajo ahora se pueden realizar en minutos”, dijo la compañía.
Las empresas que están considerando sus estrategias de orquestación han comenzado a buscar plataformas de agencia donde los agentes se comunican y transfieren tareas, en lugar de seguir un marco de orquestación rígido que dicta cuándo se completa una acción.
Si bien Kimi K2.5 puede ofrecer una opción atractiva para las organizaciones que desean utilizar esta forma de orquestación, algunas pueden sentirse más cómodas evitando la orquestación basada en agentes integrada en el modelo y, en su lugar, utilizando una plataforma diferente para diferenciar el entrenamiento del modelo de la tarea de agencia.
Esto se debe a que las empresas a menudo quieren más flexibilidad en los modelos que componen sus agentes, para poder construir un ecosistema de agentes que aprovechen los LLM que funcionan mejor para acciones específicas.
Algunas plataformas de agentes, como Salesforce, AWS Bedrock e IBM, ofrecen herramientas independientes de observabilidad, administración y monitoreo que ayudan a los usuarios a organizar agentes de IA creados con diferentes modelos y les permiten trabajar juntos.
Codificación multimodal y depuración visible.
El modelo permite a los usuarios codificar diseños visuales, incluidas interfaces e interacciones de usuario. Razona sobre imágenes y movies para comprender tareas codificadas en entradas visuales. Por ejemplo, K2.5 puede reconstruir el código de un sitio internet simplemente analizando una grabación de video del sitio en acción, traduciendo señales visuales en diseños y animaciones interactivas.
“Las interfaces, diseños e interacciones que son difíciles de describir con precisión en el lenguaje se pueden comunicar a través de capturas de pantalla o grabaciones de pantalla, que el modelo puede interpretar y convertir en sitios internet completamente funcionales. Esto permite una nueva clase de experiencias de codificación de vibraciones”, dijo Moonshot.
Esta capacidad está integrada en Kimi Code, una nueva herramienta basada en terminal que funciona con IDE como VSCode y Cursor.
Admite la “depuración visible autónoma”, donde el modelo inspecciona visualmente su propia salida, como una página internet renderizada, hace referencia a la documentación e itera en el código para corregir cambios de diseño o errores estéticos sin intervención humana.
A diferencia de otros modelos multimodales que pueden crear y comprender imágenes, Kimi K2.5 puede crear interacciones frontend para sitios internet con elementos visuales, no solo con el código detrás de ellos.
Precios de API
Moonshot AI ha fijado un precio agresivo para la API K2.5 para competir con los principales laboratorios de EE. UU., ofreciendo reducciones significativas en comparación con su modelo K2 Turbo anterior.
-
Aporte: 60 centavos por millón de tokens (un 47,8% disminuir).
-
Entrada en caché: 10 centavos por millón de tokens (un 33,3% disminuir).
-
Producción: 3 dólares por millón de tokens (un 62,5% disminuir).
El bajo costo de las entradas almacenadas en caché ($0,10/millón de tokens) es particularmente relevante para las funciones “Agent Swarm”, que a menudo requieren mantener grandes ventanas de contexto entre múltiples subagentes y un uso extensivo de herramientas.
Licencia MIT modificada
Si bien Kimi K2.5 es de código abierto, se publica bajo una licencia MIT modificada que incluye una cláusula específica dirigida a usuarios comerciales de “hiperescala”.
La licencia otorga permisos estándar para usar, copiar, modificar y vender el software program.
Sin embargo, estipula que si el software program o cualquier trabajo derivado se utiliza para un producto o servicio comercial que tiene más de 100 millones de usuarios activos mensuales (MAU) o más de $20 millones de dólares en ingresos mensuales, la entidad debe mostrar de manera destacada “Kimi K2.5” en la interfaz de usuario.
Esta cláusula garantiza que, si bien el modelo sigue siendo gratuito y abierto para la gran mayoría de la comunidad de desarrolladores y las nuevas empresas, los principales gigantes tecnológicos no pueden etiquetar la tecnología de Moonshot sin proporcionar una atribución seen.
No es completamente de “código abierto”, pero es mejor que el related de Meta. Términos de licencia de Llama para su familia de modelos de “código abierto”, que requería que aquellas empresas con 700 millones o más de usuarios mensuales obtuvieran una licencia empresarial especial de la empresa.
Qué significa para los creadores de IA empresarial moderna
Para los profesionales que definen la pila de IA moderna (desde los tomadores de decisiones de LLM que optimizan los ciclos de implementación hasta los líderes de orquestación de IA que configuran agentes y procesos de negocios automatizados impulsados por IA), Kimi K2.5 representa un cambio basic en el apalancamiento.
Al incorporar la orquestación de enjambre directamente en el modelo, Moonshot AI proporciona efectivamente a estos constructores con recursos limitados una fuerza laboral sintética, lo que permite que un solo ingeniero dirija cien subagentes autónomos tan fácilmente como un solo mensaje.
Esta arquitectura de “escalamiento horizontal” aborda directamente el dilema de quienes toman decisiones sobre datos: equilibrar procesos complejos con private limitado, mientras que la estructura de precios recortada transforma el procesamiento de datos de alto contexto de un lujo que rompe el presupuesto a un producto rutinario.
En última instancia, K2.5 sugiere un futuro en el que la principal limitación de un equipo de ingeniería ya no sea la cantidad de manos en los teclados, sino la capacidad de sus líderes para coreografiar un enjambre.
