Saltar al contenido principal
Volver al inicio

Kimi K2

por Moonshot AI

El que abrió la nueva generación K2. Open weights, 1T params. Sigue siendo una referencia de open weight.

Pesos abiertos · Con registroResponde con texto
Conecta herramientas
Raziel Score
0.0/10
API
Precio no publicado
Ventana de contexto
128K tokens
Comunidad
Sin datos aún

¿Para qué sí? ¿Para qué no?

Mejor para

  • Despliegue bajo control
    Mantener datos e infraestructura dentro de un entorno administrado por el equipo.
  • Investigación profunda
    Buscar, contrastar y sintetizar información de varias fuentes.
  • Agentes con herramientas
    Coordinar APIs, terminal, navegación y otras herramientas en varios pasos.

Evitar para

  • Razonamiento complejo
    Descomponer problemas ambiguos o multietapa que exigen deliberación.

Valoración por categoría

Agentes

Resolución autónoma multi-step

8.5/10
Código

Resolución de bugs y tareas de programación

8.5/10
Razonamiento

Problemas complejos, lógica y conocimiento experto

8.0/10
Trabajo profesional

Documentos, análisis y entregables de trabajo real

Pendiente · evidencia en revisión
Ciencia

Investigación y tareas científicas especializadas

Pendiente · evidencia en revisión
Escritura

Matiz, estilo y creatividad

Pendiente · evidencia en revisión

Benchmarks traducidos

Métricas comparables, agrupadas por capacidad para que se vea qué mide cada prueba.

Programación

LiveCodeBench v6

0.0%/100

Buen resultado, sin destacar en esta prueba

Problemas de programación recientes para reducir contaminación de entrenamiento.

SWE-Bench Verified

0.0%/100

Resultado alto, cerca de los mejores

Issues reales de GitHub sobre el subconjunto verificado; no debe mezclarse con SWE-Bench Pro.

Agentes y herramientas

τ²-bench Retail

0.0%/100

Resultado alto, cerca de los mejores

Evalúa agentes de atención al cliente en flujos realistas de retail.

τ²-bench Airline

0.0%/100

Resultado alto, cerca de los mejores

Evalúa agentes de atención al cliente en operaciones de aerolíneas.

τ³-bench Telecom

0.0%/100

Resultado alto, cerca de los mejores

Flujos agénticos de atención telecom con estado, políticas y herramientas.

Razonamiento

MMLU-Pro

0.0%/100

Resultado de primera línea en esta prueba

Conocimiento y razonamiento académico de mayor dificultad que MMLU.

GPQA Diamond

0.0%/100

Resultado alto, cerca de los mejores

Preguntas científicas de nivel experto con razonamiento exigente.

AA Intelligence Index

0score

Puntuación propia del benchmark: aquí, cuanto más alto, mejor

Índice compuesto independiente de Artificial Analysis; solo comparable dentro de la misma versión.

¿Dónde se puede ejecutar?

Viabilidad local
5.0/10

Posible, pero con límites claros de hardware, coste o calidad.

Resumen práctico de las formas razonables de usar este modelo.

API / nube
No viable

Lo usas desde una web, app o API. No instalas el modelo en tu equipo.

No viable
Servidor potente
200 GB+ VRAM

Para correrlo completo necesitas GPU profesional o una máquina grande.

Recomendado
PC con GPU
No viable

Puede funcionar en una buena gráfica con cuantización, normalmente sacrificando algo de calidad.

No viable
Portátil
No viable

Uso en un portátil normal o con GPU modesta. Idealmente sin montar un servidor dedicado.

No viable
Móvil / tablet
No viable

Uso realista en teléfono o tablet, con modelos muy pequeños u optimizados.

No viable
Más detallesAbrir
Memoria mínima para calidad completa200 GB (FP16)
Equipo idealServidor multi-GPU

Ficha técnica

EmpresaMoonshot AI
PaísChina
Lanzamientojulio de 2025
TipoCon registro
Salida principalTexto
Puede recibirTexto
Puede generarTexto
Ventana de contexto128K tokens
Tokens de salida64K tokens

Acceso y apps

Dónde puedes usarlo sin entrar en detalles de hardware.

WebDisponible
MóvilNo aplica
EscritorioNo aplica
APIDisponiblePesosDisponible
Arquitectura

Mixture of Experts

Arquitectura publicada

MoE 1T total / 32B activos

Por qué importa

La arquitectura da pistas sobre contexto, coste, velocidad y facilidad para ejecutarlo. No es una nota de calidad por sí sola.

Licencia

Modified MIT

huggingface.co/moonshotai/Kimi-K2-Instruct/blob/main/LICENSE (Ver licencia original)
Uso comercialModificaciones permitidasAtribución requerida

Notas
Modified MIT con condiciones de Moonshot AI. Comercial permitido con atribución.

Fuentes

Revisado: 2026-07-13
Kimi K2 repository

Historia del modelo

Este modelo tiene versiones más recientes. Aparecen primero para que puedas abrir su ficha.

  1. 2026
    jul
    Salto mayorVersión más reciente

    Kimi K3

    • 2.8T parámetros y 1M de contexto
    • Flagship con razonamiento y comprensión visual nativos
  2. 2026
    jun
    Salto mayorVersión más reciente

    Kimi K2.7 Code

    • Especializado en coding y agentes con razonamiento siempre activo
    • 1T parámetros / 32B activos, entradas de imagen y vídeo
    • Pesos open-weight con licencia Modified MIT
  3. 2026
    abr
    Salto mayorVersión más reciente

    Kimi K2.6

    • Optimización de inferencia distribuida
    • Flagship actual confirmado
  4. 2026
    ene
    Salto mayorVersión más reciente

    Kimi K2.5

    • Top en HLE, BrowseComp, DeepSearchQA
    • ARR rompe $100M
  5. 2025
    nov
    Salto mayorVersión más reciente

    Kimi K2 Thinking

    • Open source
    • 256K context
    • 300+ tool calls autonomos
  6. 2025
    jul
    Salto mayorEste modelo

    Kimi K2

    • 1T parámetros / 32B activos MoE
    • Recupera posición competitiva de Moonshot

Aprobación de la comunidad

Pendiente de medir

Por ahora esta nota se asigna a mano en la edición de Raziel. Más adelante la votará la comunidad.

¿Encaja contigo?

Si Kimi K2 te encaja, ponlo frente a otro modelo o mira qué alternativas hay antes de cerrar la decisión.

Comparar este modelo

Ver alternativas

En desarrollo

Encuentra opciones mejores si priorizas precio, local o creatividad.

Guardar en favoritos

En desarrollo

Déjalo marcado para volver cuando tengas claro el caso de uso.