CONFIRMADOCerteza de la fecha: CONFIRMADOAnunciado como firmeCon qué firmeza la fuente expresa la fecha: confirmada, programada, estimada, retrasada o sin verificar.Ver todos los pines CONFIRMADO82% DE CONFIANZAConfianza general: 82%Hasta qué punto la fuente y las referencias del pin respaldan sus fechas.Media ponderada de la firmeza con la que 6 referencias, incluida la fuente, respaldan las horas de inicio y fin del pin; una referencia cuenta la mitad por cada 180 días que sea más antigua que la más recienteMostrar todos los pines con un 75% de confianza o más
El blog técnico de Moonshot abre con "Today, we are introducing Kimi[1] K2.5" con archivos de figuras con sello 20260127; la ficha del modelo en Hugging Face[2] se hizo pública el 2026-01-27 y OpenRouter[3] listó kimi-k2.5 ese día, con The Decoder[6] informando el 28 de enero.- Inicio
- 27 ene 202690% DE CONFIANZAsegún la fuente
Lanzado Kimi K2.5
Traducido automáticamente del original
Título original: Kimi K2.5 Released
Moonshot AI lanza Kimi K2.5, un modelo multimodal nativo de pesos abiertos preentrenado de forma continua con unos 15 billones de tokens mixtos visuales y de texto, con un modo Agent Swarm que coordina hasta 100 subagentes en 1,500 llamadas a herramientas.
- Moonshot AI presentó Kimi K2.5 el 27 de enero de 2026 como "the most powerful open-source model to date", construido sobre Kimi K2 con preentrenamiento continuado sobre unos 15T de tokens mixtos visuales y de texto y entrenado como modelo multimodal nativo[1][2]
- Su característica principal es un Agent Swarm autodirigido: hasta 100 subagentes que ejecutan flujos de trabajo en paralelo a lo largo de hasta 1,500 llamadas a herramientas, con una reducción del tiempo de ejecución de hasta 4.5x frente a un único agente[1][6]
- El enjambre se entrena con Parallel-Agent Reinforcement Learning, en el que un orquestador entrenable reparte el trabajo entre subagentes congelados y las recompensas contrarrestan el "serial collapse", en el que el orquestador vuelve a usar un solo agente[1][4]
- Kimi.ai y la app ofrecían cuatro modos en el lanzamiento, K2.5 Instant, Thinking, Agent y Agent Swarm (beta), junto con la API y la herramienta de terminal de código abierto Kimi Code; los pesos están en Hugging Face con una licencia MIT modificada[1][2]
- El gráfico de costes de Moonshot sitúa a K2.5 frente a GPT-5.2 (xhigh) con menor gasto: 5.1x más barato en SWE-bench Verified, 21.1x en BrowseComp y 10.1x en Humanity's Last Exam[1]
Características destacadas
- 1T de parámetros totales y 32B activos, 384 expertos con 8 seleccionados, un codificador de visión MoonViT de 400M de parámetros y un contexto de 256K tokens[2][6]
- Puntuaciones publicadas por Moonshot: BrowseComp 74.9% (GPT-5.2 65.8%, Gemini 3 Pro 59.2%), DeepSearchQA 77.1%, SWE-Bench Verified 76.8% frente a 80% de GPT-5.2 y 80.9% de Claude 4.5 Opus, MMMU Pro 78.5% y VideoMMMU 86.6%[6]
- Programación con visión: convierte capturas de pantalla y grabaciones de pantalla en código de front-end, reconstruye sitios web a partir de vídeo y comprueba visualmente su propia salida[1]
- El informe técnico llegó el 2 de febrero de 2026 con la receta de entrenamiento y el punto de control posentrenado[5]
- Los proveedores de OpenRouter lo fijaron en aproximadamente $0.49 a $0.60 por millón de tokens de entrada y $2.50 a $3.33 por millón de tokens de salida[3]