Kimi K2.5, el modelo agéntico multimodal de código abierto insignia de Moonshot AI, ya está disponible en Novita AI. Este modelo innovador unifica el procesamiento de visión y texto, los modos de pensamiento e instantáneo, y la ejecución multiagente en un único sistema potente. Construido mediante un preentrenamiento continuo con aproximadamente 15 billones de tokens mixtos visuales y de texto, Kimi K2.5 supera a muchas alternativas de código cerrado.
Novita AI proporciona acceso rápido y asequible a Kimi K2.5 tanto a través de integración API como de una intuitiva interfaz playground.
Prueba la demo de Kimi K2.5 ahora
¿Qué es Kimi K2.5?
Fuente: Artificial Analysis
El modelo agéntico multimodal insignia de Moonshot AI
Kimi K2.5 es un modelo agéntico multimodal nativo de código abierto desarrollado por Moonshot AI. Construido sobre Kimi-K2-Base mediante preentrenamiento continuo con aproximadamente 15 billones de tokens mixtos visuales y de texto, el modelo integra de manera fluida la comprensión visual y lingüística con capacidades agénticas avanzadas.
A diferencia de los modelos multimodales tradicionales que agregan capacidades de visión sobre bases solo de texto, Kimi K2.5 fue preentrenado con tokens de visión-lenguaje desde cero, lo que le permite sobresalir en conocimiento visual, razonamiento cross-modal y uso agéntico de herramientas basado en entradas visuales.
Resumen de la arquitectura
Kimi K2.5 emplea una sofisticada arquitectura Mixture-of-Experts (MoE):
- Parámetros totales: 1 billón
- Parámetros activados: 32 mil millones por token
- Número de expertos: 384 (8 seleccionados por token)
- Longitud de contexto: 256K tokens
- Codificador visual: MoonViT con 400 millones de parámetros
- Mecanismo de atención: MLA (Multi-head Latent Attention)
Esta arquitectura permite un procesamiento masivo de contexto manteniendo la eficiencia computacional mediante la activación dispersa de expertos.
Características y capacidades clave
Modos de funcionamiento dual: pensamiento e instantáneo
Modo de pensamiento: Diseñado para razonamiento complejo con contenido de razonamiento expuesto. Ideal para problemas matemáticos, planificación estratégica y situaciones que requieren transparencia en la toma de decisiones. Utiliza presupuestos de tokens extendidos (hasta 96K tokens) para problemas difíciles.
Modo instantáneo: Optimizado para velocidad con respuestas más rápidas sin razonamiento visible. Perfecto para aplicaciones en tiempo real, interfaces conversacionales y tareas que priorizan respuestas inmediatas.
Los desarrolladores cambian entre modos utilizando el parámetro thinking, con temperatura recomendada de 1.0 para el Modo de pensamiento y 0.6 para el Modo instantáneo.
Multimodalidad nativa:
Comprensión de imágenes: El codificador visual MoonViT (400M parámetros) garantiza una comprensión visual detallada, desde OCR de documentos hasta razonamiento visual complejo.
Procesamiento de video: Soporta entrada de video para aplicaciones como análisis de contenido, comprensión de flujos de trabajo y seguimiento de instrucciones visuales (actualmente experimental).
Enjambre de agentes
La capacidad de Enjambre de Agentes de Kimi K2.5 pasa de la ejecución con un solo agente a una ejecución multiagente coordinada, descomponiendo tareas complejas en subtareas paralelas ejecutadas por agentes especializados instanciados dinámicamente.
Codificación con visión
Kimi K2.5 destaca en la generación de código a partir de especificaciones visuales:
- Convertir diseños de interfaz y maquetas en código funcional
- Comprender flujos de trabajo de video y generar scripts de automatización
- Orquestar herramientas de manera autónoma para el procesamiento de datos visuales
- Realizar depuraciones complejas analizando capturas de pantalla y estados de error
Pensamiento intercalado y llamada a herramientas de múltiples pasos
El modelo encadena múltiples llamadas a herramientas, mantiene el contexto a través de los pasos y ajusta los enfoques según los resultados intermedios, esencial para la búsqueda agéntica, pipelines de análisis de datos y flujos de trabajo de investigación automatizados.
Rendimiento en benchmarks y resultados
Kimi K2.5 logra un rendimiento de vanguardia en múltiples dominios, estableciéndose como líder en IA agéntica, comprensión visual y capacidades de codificación.
SOTA global en benchmarks agénticos
Kimi K2.5 demuestra un rendimiento sin precedentes en tareas agénticas complejas, superando a todos los competidores, incluidos GPT-5.2, Claude Opus 4.5 y Gemini 3 Pro.
| Benchmark | Kimi K2.5 | GPT-5.2 | Claude Opus 4.5 | Gemini 3 Pro |
|---|---|---|---|---|
| Humanity’s Last Exam (Full) | 50.2% | 45.5% | 43.2% | 45.8% |
| BrowseComp | 74.9% | 65.8% | 57.8% | 59.2% |
| DeepSearchQA | 77.1% | 71.3% | 76.1% | 63.2% |
Logro clave: Kimi K2.5 establece el estado del arte global en Humanity’s Last Exam (HLE) completo con un 50.2% y en BrowseComp con un 74.9%, demostrando un razonamiento agéntico superior y capacidades de navegación web.
SOTA de código abierto en comprensión visual
Kimi K2.5 lidera entre los modelos de código abierto en benchmarks multimodales y de visión, ofreciendo un rendimiento excepcional en tareas de comprensión de imágenes y videos.
Comprensión de imágenes
| Benchmark | Kimi K2.5 | GPT-5.2 | Claude Opus 4.5 | Gemini 3 Pro |
|---|---|---|---|---|
| MMMU Pro | 78.5% | 79.5% | 74.0% | 81.0% |
| MathVision | 84.2% | 83.0% | 77.1% | 86.1% |
| OmniDocBench 1.5 | 88.8% | 85.7% | 87.7% | 88.5% |
Comprensión de video
| Benchmark | Kimi K2.5 | GPT-5.2 | Claude Opus 4.5 | Gemini 3 Pro |
|---|---|---|---|---|
| VideoMMMU | 86.6% | 85.9% | 84.4% | 87.6% |
| LongVideoBench | 79.8% | 76.5% | 67.2% | 77.7% |
Logro clave: Kimi K2.5 alcanza SOTA de código abierto en MMMU Pro (78.5%) y VideoMMMU (86.6%), sobresaliendo en razonamiento multimodal complejo a través de imágenes y videos.
SOTA de código abierto en benchmarks de codificación
Kimi K2.5 demuestra un rendimiento competitivo en codificación, destacando especialmente cuando se combina la comprensión visual con la generación de código.
| Benchmark | Kimi K2.5 | GPT-5.2 | Claude Opus 4.5 | Gemini 3 Pro |
|---|---|---|---|---|
| SWE-bench Verified | 76.8% | 80.0% | 80.9% | 76.2% |
| SWE-bench Multilingual | 73.0% | 72.0% | 77.5% | 65.0% |
Logro clave: Kimi K2.5 logra SOTA de código abierto en SWE-bench Verified con un 76.8%, demostrando sólidas capacidades de ingeniería de software en el mundo real.
Código con gusto: diseño estético a partir de entradas visuales
Más allá de los benchmarks de codificación tradicionales, Kimi K2.5 destaca en la traducción de entradas visuales en código estético y funcional. El modelo puede convertir chats, imágenes y videos en sitios web expresivos con diseño de movimiento sofisticado, permitiendo a los desarrolladores prototipar rápidamente interfaces visualmente atractivas a partir de diseños conceptuales.
Enjambre de agentes (Beta): procesamiento paralelo a escala
La tecnología de Enjambre de Agentes de Kimi K2.5 permite que agentes autodirigidos trabajen en paralelo a una escala sin precedentes:
- Hasta 100 subagentes trabajando simultáneamente en tareas complejas
- 1,500 llamadas a herramientas orquestadas a través de flujos de trabajo paralelos
- 4.5 veces más rápido en comparación con configuraciones de un solo agente en tareas complejas de búsqueda e investigación
Esta arquitectura innovadora permite a Kimi K2.5 descomponer problemas complejos en subtareas especializadas, mejorando drásticamente tanto la velocidad como la precisión en flujos de trabajo agénticos a nivel empresarial.
Cómo usar Kimi K2.5 en Novita AI
Usar el Playground (sin necesidad de codificar)
Experimenta con Kimi K2.5 al instante a través del playground interactivo de Novita AI. Sube imágenes o videos, prueba indicaciones multimodales y alterna entre los modos de Pensamiento e Instantáneo con la ventana de contexto completa de 256K.
Integrar a través de API (para desarrolladores)
from openai import OpenAI
client = OpenAI(
api_key="<Your API Key>",
base_url="https://api.novita.ai/openai"
)
response = client.chat.completions.create(
model="moonshotai/kimi-k2.5",
messages=[
{"role": "system", "content": "You are a helpful assistant."},
{"role": "user", "content": "Hello, how are you?"}
],
max_tokens=262144,
temperature=0.7
)
print(response.choices[0].message.content)
Conectar con plataformas de terceros
Frameworks de agentes: Continue, AnythingLLM, LangChain, Dify y Langflow a través de conectores oficiales.
Integración con Hugging Face: Novita AI es un proveedor de inferencia oficial para una compatibilidad fluida con el ecosistema.
API compatible con OpenAI: Funciona con Cline, Kilo Code, Cursor, Trae, OpenCode y Qwen Code con cambios mínimos en el código.
API compatible con Anthropic: Se integra con Claude Code para flujos de trabajo de codificación agénticos.
Aplicaciones y casos de uso reales
Vibe Coding y desarrollo visual
Genera código a partir de maquetas de interfaz, wireframes o bocetos dibujados a mano. Interpreta flujos de trabajo de video para crear scripts de automatización, reduciendo significativamente el tiempo entre el diseño y la implementación.
Búsqueda agéntica empresarial
Navega por múltiples sitios web de forma autónoma, compara y sintetiza información de diferentes fuentes, verifica hechos mediante referencias cruzadas de múltiples documentos y gestiona el contexto de manera efectiva incluso cuando los resultados de búsqueda superan los límites típicos de tokens. El modo Enjambre de Agentes descompone consultas amplias en subtareas paralelas, ideal para inteligencia competitiva, investigación de mercado y revisiones de literatura académica.
Tareas de razonamiento complejo
- Resolución de problemas matemáticos: Rendimiento casi perfecto en matemáticas de competición (
- Razonamiento científico: Física, química y biología a nivel de posgrado
- Planificación estratégica: Toma de decisiones de múltiples pasos con razonamiento transparente
- Análisis legal: Revisión de documentos e investigación de jurisprudencia con ventanas de contexto extensas
Análisis de contenido multimodal
Extrae y analiza información de PDFs, documentos escaneados e infografías. Analiza contenido de video para cumplimiento, control de calidad o moderación. Inspecciona imágenes de productos o grabaciones de fabricación para identificar defectos.
Orquestación autónoma de herramientas
Automatización de pipelines de datos, asistentes de investigación que recopilan información de forma autónoma y compilan informes, soporte al cliente que maneja consultas complejas de múltiples pasos y automatización de DevOps para gestionar infraestructura y depurar problemas.
Conclusión
Kimi K2.5 representa un salto significativo en IA multimodal de código abierto, igualando o superando alternativas de código cerrado en una amplia gama de benchmarks. Con su multimodalidad nativa, ventana de contexto de 256K, modos de pensamiento duales y tecnología de Enjambre de Agentes, Kimi K2.5 se posiciona como una base versátil para aplicaciones de IA de próxima generación.
¿Listo para experimentar el poder de Kimi K2.5? Empieza a crear con Kimi K2.5 en Novita AI hoy y desbloquea el futuro de la IA multimodal de código abierto.
Novita AI es una plataforma líder en la nube de IA que proporciona a los desarrolladores APIs fáciles de usar e infraestructura de GPU asequible y confiable para construir y escalar aplicaciones de IA.
