Kimi de Moonshot en 2026: K3, K2.6, K2.7-Code y agentes
AI-модели в этой статье
¿Puede un modelo chino abierto competir con los buques insignia cerrados de OpenAI y Anthropic? Según nuestras pruebas independientes, el nuevo Kimi K3 (lanzado el 16 de julio de 2026) se colocó en el 2.º puesto de 47 modelos. Por encima solo queda GPT-5.6 Sol – y, a diferencia de él, K3 es de pesos abiertos, cuesta una fracción de lo que cobran GPT o Claude y puedes ejecutarlo en tu propia infraestructura, con los datos bajo tu control conforme al RGPD.
A lo largo de 2026, Kimi pasó de ser un único modelo a toda una familia: el nuevo buque insignia K3 con una ventana de contexto de 1 millón de tokens, la más económica K2.6 para el trabajo diario, la especializada K2.7-Code para desarrollo y el agente de escritorio Kimi Work, que ejecuta tareas directamente en tu ordenador. A continuación: qué aporta esto a un manager, los resultados de nuestro benchmark y cómo empezar.
Quién es Moonshot AI
Moonshot AI es una startup pekinesa fundada en 2023 por excolaboradores de ByteDance (la empresa detrás de TikTok). Cuenta con el respaldo de Alibaba y HongShan (anteriormente Sequoia China). Su fundador y CEO es Zhilin Yang, investigador especializado en NLP.
La startup apostó por dos cosas: contexto largo y capacidades agénticas. La primera versión de Kimi en 2024 llamó la atención por su ventana de contexto, récord en aquel momento. A principios de 2026, K2.5 llevó ambas líneas al grupo de élite, pero el 25 de mayo fue retirada de servicio. La gama continuó con K2.6 y la K2.7-Code (código), y el 16 de julio llegó el nuevo buque insignia, K3, que entró directo al 2.º puesto de nuestro benchmark.
Qué puede hacer Kimi
Todos los modelos Kimi se basan en una arquitectura Mixture-of-Experts: en la gama K2.x son 1 billón de parámetros con 32 mil millones activos, mientras que el nuevo K3 escala hasta 2,8 billones. En cada momento solo trabaja una parte de los expertos – de ahí la combinación de potencia y eficiencia: las respuestas son rápidas y el coste a través de API es varias veces inferior al de Claude o GPT.
Características clave:
- Ventana de contexto – 256K tokens en la gama K2.x (aproximadamente 350–500 páginas de texto por consulta) y hasta 1 millón de tokens en K3; en español la tokenización es algo menos eficiente que en inglés
- Multimodalidad nativa – comprende texto, imágenes y vídeo de serie
- Cuatro modos de trabajo: Instant (respuestas rápidas), Thinking (análisis profundo), Agent (tareas autónomas con herramientas) y Agent Swarm (trabajo en paralelo de subagentes – hasta 100 en K2.5 y hasta 300 en K2.6)
- Código abierto – licencia MIT (modificada), pesos disponibles en HuggingFace. K2.5 fue retirada de servicio; los modelos actuales son el buque insignia K3, K2.6 y K2.7-Code (los pesos abiertos de K3 se anunciaron para el 27 de julio)
Agent Swarm: la función estrella
Este es un enfoque fundamentalmente nuevo. En lugar de resolver una tarea de forma secuencial, Kimi puede dividirla en subtareas y lanzar decenas y cientos de subagentes especializados en paralelo (hasta 300 en K2.6, con coordinación de hasta 4000 pasos). Cada subagente trabaja de forma independiente, y el agente principal coordina los resultados.
¿Para qué esperar 10 minutos si la tarea puede dividirse en 100 hilos? Kimi K2.5 en modo Swarm resuelve una consulta analítica compleja en 2–3 minutos en lugar de 10. En el test BrowseComp (navegación y búsqueda web) Agent Swarm obtuvo un 78,4% – el mejor resultado entre todos los modelos evaluados, incluyendo GPT-5.2.
En cuanto a capacidades, Kimi puede competir incluso con Notebook LM de Google. En la parte de presentaciones interactivas, el resultado es bastante decente a primera vista. Eso sí, los datos son del año pasado.
Para un manager, esto es relevante en escenarios como «analiza 10 sitios web de competidores y elabora un resumen» o «prepara un informe basado en varias fuentes».
Qué muestran los tests
Ya al inicio de la gama, a principios de 2026, Kimi K2.5 competía con solidez en los benchmarks estándar de la industria frente a los mejores modelos cerrados de entonces (las cifras de abajo son históricas; el buque insignia actual de la gama es K3):
| Benchmark | Kimi K2.5 | GPT-5.2 | Claude Opus 4.5 | DeepSeek V3.2 |
|---|---|---|---|---|
| HLE con herramientas | 50,2% | 45,5% | 43,2% | 40,8% |
| BrowseComp (Agent Swarm) | 78,4% | 54,9% | 24,1% | 67,6% |
| SWE-Bench Verified (código) | 76,8% | 80,0% | 80,9% | 73,1% |
| AIME 2025 (matemáticas) | 96,1% | 100,0% | 92,8% | 93,1% |
| VideoMMMU (vídeo) | 86,6% | 85,9% | 84,4% | – |
Kimi K2.5 lidera en tareas agénticas (búsqueda, navegación, trabajo autónomo) y comprensión de vídeo. En programación queda por detrás de Claude, en matemáticas – de GPT-5.2. Pero son diferencias de 3–4 puntos porcentuales, no un abismo.
Como siempre, los benchmarks y el uso real son cosas distintas. Pero la dirección estaba clara ya a principios de año: Kimi jugaba en la misma liga que los buques insignia. Desde julio, la gama la encabeza K3 – sus resultados en nuestro benchmark los analizamos abajo.
Las capacidades impresionan, pero ¿cómo comprobar que el modelo realmente resuelve tus tareas? En un módulo abierto reunimos 9 escenarios de trabajo real de un manager: desde una carta de negocios hasta una nota estratégica. Puedes ejecutar cualquiera de ellos en Kimi K3 o K2.6 y comparar el resultado con otros modelos.
9 tareas de gestión – desde una carta a un cliente hasta una nota estratégica. Comprueba cómo Kimi K3, K2.6 y otros modelos resuelven tu trabajo. Gratis, sin registro.
Sin pago requerido • Notificación al lanzamiento
La gama Kimi: K3, K2.6 y K2.7-Code
Hoy la gama Kimi cuenta con tres modelos activos. K3 (16 de julio de 2026) es el nuevo buque insignia: 2,8 billones de parámetros, ventana de 1 millón de tokens, visión nativa y modo de razonamiento siempre activo. K2.6 se mantiene como la opción más económica para el trabajo diario, y K2.7-Code (lanzada el 12 de junio) es el modelo especializado en programación, que no está pensado para el chat cotidiano. Los tres son de pesos abiertos con licencia MIT modificada, pesos disponibles en HuggingFace (los de K3 se abrirán el 27 de julio).
En precio, K3 ya no es una «modelo china barata»: $3 / $15 por millón de tokens de entrada/salida, frente a los ~$0,74 / $3,49 de K2.6. Es en torno a la mitad de lo que cuesta Claude Fable 5 y un precio razonable para el nivel de un buque insignia – pero para la rutina, K2.6 sigue saliendo más a cuenta.
Por qué interesa K2.7-Code:
- Diseñada para tareas de desarrollo largas (long-horizon): planifica, edita, ejecuta herramientas y depura código en muchos pasos dentro de un mismo ciclo. Para las tareas de gestión habituales, sigue usando K2.6.
- Arquitectura y contexto – 1 billón de parámetros, 32 mil millones activos (MoE), ventana de 256K tokens, pesos abiertos (MIT modificada) en HuggingFace, acceso vía la API de Kimi y Kimi Code.
- Un 30% menos de tokens de razonamiento que K2.6 – un ciclo agéntico que antes gastaba ~1000 tokens en pensar una edición ahora gasta ~700. A escala, es un ahorro directo.
- Always-on thinking – el modo de razonamiento está siempre activado y no se puede desactivar. Para tareas de código es una ventaja (el modelo siempre “piensa”), para preguntas cortas supone un gasto extra de tokens.
- Modo 6x HighSpeed – generación acelerada hasta ~180 tokens/seg, útil para ciclos agénticos donde el modelo hace decenas de llamadas seguidas.
- Llamadas a herramientas fiables vía MCP – el modelo invoca herramientas externas por el protocolo de forma fiable: comprobaciones de CI, actualización de tickets y ediciones en varios archivos en una sola pasada.
Precio – $0,95 / $4,00 por millón de tokens de entrada/salida: algo más caro que K2.6, pero barato para el trabajo diario de un agente-desarrollador.
Cuidado con las cifras: todos los resultados publicados de K2.7-Code son benchmarks propios de Moonshot (Kimi Code Bench v2: subida de 50,9 a 62,0; MCP Mark Verified – 81,1 frente a 76,4 de Claude Opus 4.8). No hay verificaciones independientes en conjuntos públicos al momento del lanzamiento; como en la historia de GLM-5.2, las victorias del proveedor conviene comprobarlas.
Para el manager: si necesitas el máximo de calidad, elige K3 – ahora es lo más alto de la gama. Si tu equipo escribe código, K2.7-Code merece una prueba como agente-desarrollador económico, y para texto, análisis y comunicación del día a día basta la más barata K2.6. Los tres modelos los analizamos en el benchmark de abajo.
Kimi Work y OK Computer: Kimi como agente
Más allá de los modelos, Moonshot desarrolla productos agénticos – aquí Kimi compite directamente con Perplexity Computer y Claude Cowork.
- OK Computer – modo agente dentro del chat de Kimi. Desde un prompt construye sitios multipágina y diapositivas editables listas, procesa hasta 1 millón de filas de datos de una vez y produce texto, audio, imágenes y vídeo. Para un manager: un primer borrador de presentación, landing o informe de datos con un solo prompt.
- Kimi Work (lanzamiento el 10 de junio de 2026) – aplicación de escritorio (macOS en Apple Silicon y Windows) que funciona con K2.6 y actúa directamente en tu ordenador. Defines el objetivo con palabras: el agente investiga por su cuenta, lo convierte en un breve informe de mercado en forma de diapositivas listas (las secciones se preparan en paralelo) y, mediante la extensión WebBridge, usa el navegador como una persona: busca, navega, extrae datos y rellena formularios. Por dentro, el mismo Agent Swarm, hasta 300 subagentes.
Para el manager: la combinación de Kimi Work y OK Computer convierte a Kimi de un chat en un «empleado digital»: le asignas la tarea por la noche y por la mañana tienes un borrador de informe o presentación. La salvedad principal: los datos los procesa un servicio chino, algo a tener en cuenta para información sensible.
Actualización: resultados del benchmark de MySummit (julio 2026)
En el benchmark de MySummit (80 escenarios de tareas de gestión reales, dos jueces independientes), los tres modelos de Kimi entraron en la parte alta de la clasificación, y K3 marcó un nuevo listón:
- Kimi K3 – 2.º puesto de 47 modelos y el modelo de pesos abiertos mejor clasificado de todo el benchmark. Primero en cuatro categorías a la vez: planificación, formación, comunicación y análisis de decisiones (el ranking, la puntuación y el coste por test actualizados están en la tarjeta de arriba). Por encima solo queda GPT-5.6 Sol.
- Kimi K2.6 – varias veces más barato que Claude Opus 4.7 con un nivel de calidad cercano. Supera a Claude Sonnet 4.6 en planificación y gestión de equipos a un precio notablemente menor. Una opción sensata cuando el buque insignia K3 resulta excesivo por precio.
- Kimi K2.7 Code – va casi a la par de Claude Sonnet 4.6 en tareas de gestión, pero mucho más barato en tokens de salida. Óptimo como agente económico para código.
Los tres son de pesos abiertos (o de muy bajo coste) y pueden desplegarse en tu propia infraestructura – la ventaja decisiva frente a Claude y GPT cuando la soberanía de los datos importa.
Veredicto de los jueces sobre K2.6: adecuado para estructurar proyectos complejos (la planificación es una de las categorías más fuertes del modelo), guiones de conversaciones de equipo, análisis diario e informes. No es adecuado para cuestiones detalladas de derecho laboral local (errores críticos), cálculos financieros (debilidad sistemática) ni datos de mercado actualizados.
Veredicto sobre K2.7 Code: el mejor planificador por menos de $5 – informes semanales, planificación de sprints, planes trimestrales. Las mismas limitaciones: derecho laboral y modelos financieros.
Resultados en nuestro benchmark
En nuestro benchmark sobre tareas de gestión reales, Kimi K3 se colocó en el 2.º puesto de 47 modelos. El único por encima es GPT-5.6 Sol; pero mientras Sol es un modelo cerrado y de precio elevado, K3 es de pesos abiertos y cuesta una fracción. Para quien necesita soberanía de los datos o quiere ejecutar el modelo en su propia infraestructura, es de facto la primera opción de la lista. Los modelos que a principios de año se mantenían cerca de Kimi han caído o salido del benchmark en medio año – la parte alta se ha rehecho por completo.
La distancia respecto al mejor modelo ruso es considerable. No es un matiz, sino una diferencia de calidad de fondo.
El radar muestra por qué K3 se mantiene tan arriba: primer puesto en cuatro categorías a la vez – planificación, formación, comunicación y análisis de decisiones – y segundo en gestión de equipos. Mención aparte para el conocimiento regional: #4 de 47, un salto enorme frente a versiones anteriores de Kimi, donde esta categoría era su punto débil.
Kimi frente a otros modelos chinos
Para un manager que compara herramientas, dentro del «grupo chino» lo que importa es la combinación de calidad alta, precio bajo y, en varios casos, pesos abiertos que puedes desplegar tú mismo – resultados completos en el benchmark.
| Modelo | Puesto | Puntuación | Coste/test | Punto fuerte |
|---|---|---|---|---|
| Kimi K3 | #2 | 8,95 | $0,219 | Nuevo buque insignia, abierto y ejecutable en tu infraestructura |
| MiMo v2.5 Pro (Xiaomi) | #9 | 8,37 | $0,027 | Gestión de equipos y tareas de RR. HH. |
| Kimi K2.6 | #12 | 8,27 | $0,036 | Planificación (#11), gestión de equipos (#9) |
| Kimi K2.7 Code | #16 | 8,05 | $0,028 | Agente económico para código |
| Qwen 3.6 Plus | #18 | 7,94 | $0,011 | Mejor relación precio/calidad del top 20 |
| MiMo v2.5 (Xiaomi) | #19 | 7,82 | $0,018 | Comunicación (#13), 25 veces más barato que Claude Sonnet 5 |
| Qwen 3.7 Max | #20 | 7,77 | $0,037 | Planificación y gestión de equipos |
| DeepSeek V4 Pro | #21 | 7,75 | $0,005 | El más barato del top 25 |
| GLM 5.1 (Z.ai) | #29 | 7,38 | $0,016 | Gestión de equipos |
Conclusiones de la tabla:
Kimi K3 encabeza todo el grupo chino. Con el 2.º puesto de 47 se despega del resto: por encima solo quedan buques insignia occidentales cerrados. Y a diferencia de ellos, K3 es de pesos abiertos, así que puedes desplegarlo en tu propia infraestructura y mantener los datos bajo tu control.
MiMo v2.5 Pro de Xiaomi forma un sólido segundo escalón. En el #9 se mantiene junto a MiniMax M3 (#8), Grok 4.5 (#10) y Claude Opus 4.7 (#11) – pero ya bastante por debajo de K3. Bueno cuando importan la gestión de equipos y las tareas de RR. HH.
Kimi K2.6 (#12) sigue siendo una opción de trabajo sólida. En calidad no compite con K3, pero es un orden de magnitud más barata y conserva dos ventajas únicas de la gama: un chat gratuito con modos agénticos y Agent Swarm con 300 subagentes.
DeepSeek V4 Pro es una anomalía en cuanto a precio. Varias veces más barato que Kimi K2.6 con una diferencia de calidad pequeña.
Todos los modelos chinos siguen superando ampliamente a los rusos – el mejor modelo ruso, GigaChat 3.5 Ultra, queda notablemente por detrás de Kimi K2.6.
Kimi, DeepSeek, GLM-5, Qwen – ¿qué modelo es mejor para tus tareas? Módulo abierto: 9 escenarios de trabajo real de un manager, elige el modelo que quieras. Gratis, sin registro.
Sin pago requerido • Notificación al lanzamiento
Pruébalo tú mismo: planificación de proyecto con restricciones regulatorias
En qué fijarse: Kimi K2.6 suele construir una estructura de sprints detallada y desglosa bien las dependencias (la planificación es una de sus categorías fuertes, #11 de 47 modelos). Pero en los detalles regulatorios (RGPD, LOPDGDD, categorías especiales del art. 9, historia clínica del SNS) el modelo comete errores con frecuencia: confunde requisitos o cita normas desactualizadas (el conocimiento regional es su categoría más débil). DeepSeek V4 Flash es 7 veces más barato con el mismo punto ciego en normativa local. Claude Sonnet 4.6 es una referencia de calidad – la pregunta real es si el ahorro de los modelos chinos compensa frente a él.
Cómo empezar con Kimi
Interfaz web: kimi.com
El sitio kimi.com funciona en todo el mundo sin restricciones. El acceso es mediante una cuenta de Google – unos 10 segundos.
La interfaz está solo en inglés y chino, no hay UI en español. Pero el modelo entiende el español y responde en él – la calidad de las respuestas en español es notablemente inferior a la del inglés (como en todos los modelos chinos), aunque suficiente para la mayoría de las tareas.
Dos modos principales de trabajo:
- Instant – respuestas rápidas para tareas cotidianas: correspondencia, preguntas, trabajo con documentos
- Thinking – análisis profundo con «cadena de razonamiento», el modelo muestra su proceso de pensamiento
- Agent – ejecución autónoma de tareas: generación de documentos (.docx, .pdf, .xlsx), búsqueda web, operaciones de múltiples pasos. Si pides preparar un informe con tablas – este es el modo indicado
Aplicaciones móviles
Kimi está disponible para iOS y Android. La funcionalidad es similar a la versión web, incluyendo todos los modos de trabajo.
Precios y tarifas
Nivel gratuito (Adagio)
- Consultas de texto ilimitadas en modos Instant y Thinking
- Hasta 3 consultas al mes a agentes (documentos, hojas de cálculo, presentaciones)
- 1 consulta Deep Research al mes
- Cola de espera en horas punta
El nivel gratuito es suficiente para probar el modelo y determinar si es adecuado para tus tareas. Para trabajo diario – se queda corto.
Planes de pago
| Plan | Precio | Qué ofrece |
|---|---|---|
| Moderato | $19/mes | Más consultas agénticas, prioridad, generación de presentaciones |
| Allegretto | $39/mes | Más límites, multitarea de agentes, acceso a Kimi Claw |
| Vivace | $199/mes | Agentes ilimitados, máxima velocidad, contexto ampliado |
Coste a través de la API
| Opción | Tokens de entrada | Tokens de salida | ~Precio análisis informe 100 págs. |
|---|---|---|---|
| Moonshot API (directo) | $0,60 / 1M | $3,00 / 1M | ~$0,50 |
| OpenRouter | $0,45 / 1M | $2,20 / 1M | ~$0,35 |
Para comparar: Claude Opus 4.6 para una tarea similar cuesta unos $3, GPT-5.4 – $1,50. Kimi K2.6 es 6–8 veces más barato que Claude.
Pero entre los modelos chinos, Kimi no es el más económico. DeepSeek V4 Flash cuesta $0,09/$0,18 por millón de tokens – 15 veces más barato, y DeepSeek V4 Pro – 4 veces más barato.
Limitaciones y riesgos
El idioma español – una debilidad predecible. Al igual que GLM-5, Kimi funciona notablemente mejor en inglés y chino. En español el modelo se desenvuelve, pero con pérdida de matices. Si la tarea lo permite, formula los prompts en inglés.
Velocidad de respuesta – Agent Swarm es rápido para tareas complejas, pero el modo Thinking normal es más lento que Claude y GPT. En una prueba independiente, el tiempo mediano de respuesta de Kimi K2.5 fue de 29,2 segundos frente a 4,6 de Claude Sonnet 4.6. Esto invita a reflexionar: si Agent Swarm promete velocidad a través del paralelismo, ¿por qué el modo normal es 6 veces más lento que los competidores? Para consultas puntuales es tolerable; en sesiones de trabajo intensivas – se nota.
La censura china funciona igual que en los demás modelos chinos: los temas políticamente sensibles se bloquean. Para tareas de gestión, esto rara vez supone un problema.
Datos en un servicio chino – tanto en el chat como en la API, tus datos los procesan servidores de Moonshot. Para información sensible es justo el argumento a favor de la versión de pesos abiertos: descargar los pesos y ejecutar el modelo dentro de la UE, bajo tu propio control.
Tamaño del modelo – la gama K2.x son 1 billón de parámetros y K3 llega a 2,8 billones; ejecutar el modelo completo en servidores propios es poco realista para una empresa convencional. No es un Qwen3.5 9B que se puede desplegar en una sola GPU.
¿Merece la pena probarlo?
Kimi es, objetivamente, la línea de modelos china más fuerte de 2026. El nuevo buque insignia K3 se colocó en el 2.º puesto de 47 y es el modelo de pesos abiertos mejor clasificado; por encima solo el cerrado GPT-5.6 Sol. La tecnología única de Agent Swarm y los pesos abiertos – todo ello confirmado por pruebas independientes.
Para un manager, la recomendación depende del contexto. Si necesitas el máximo de calidad y trabajar con varias fuentes, informes o investigaciones de varios pasos, elige K3. Si las tareas son más sencillas y el precio importa, la más económica K2.6 sigue siendo una herramienta versátil sólida.
Si trabajas principalmente en español y el precio es determinante, DeepSeek V4 Pro sigue siendo una gran opción: cuesta muchísimo menos ($0,005 por test) y maneja bien el contexto local. Si el foco está en la gestión de equipos, tareas de RR. HH. y feedback, MiMo v2.5 Pro de Xiaomi es una opción fuerte (#9 en el benchmark), aunque en calidad global quede por detrás de K3.
Sorprendentemente, el modelo chino más potente de 2026 no es del que más se habló a principios de año. Kimi superó tanto a DeepSeek como a Qwen sin grandes anuncios. Esto invita a preguntarse: ¿qué tan fiable es el hype mediático como referencia a la hora de elegir una herramienta de trabajo?
Entra en kimi.com, inicia sesión con Google y dedica una hora a probarlo. El nivel gratuito es suficiente para formarte tu propia opinión.
Pasa de las reseñas a la práctica
Programa completo del curso: desde ingeniería de prompts y pensamiento crítico hasta especializaciones en gestión de proyectos y análisis. Ejecuta las tareas en Kimi K3 o en cualquier otro modelo – y verás la diferencia entre un uso esporádico y un uso sistemático de la IA.
Stanislav Belyaev
Engineering Leader en Microsoft18 anos liderando equipos de ingenieria. Fundador de mysummit.school. 700+ graduados en Yandex Practicum y Stratoplan.