Moonshot abre Kimi K2.6: 300 subagentes y 13 horas de programación autónoma

Moonshot AI ha publicado en abierto Kimi K2.6, la actualización de su modelo insignia para programación y escenarios agénticos. El modelo ya funciona en Kimi.ai, en la aplicación móvil, a través de la API y en Kimi Code. El argumento central de los autores: K2.6 es capaz de llevar una tarea de ingeniería durante horas sin intervención humana. En una de las demos, en 12 horas y con más de 4000 llamadas a herramientas, elevó la velocidad de un motor de inferencia propio de ~15 a ~193 tokens por segundo. Además, el enjambre de agentes creció de 100 a 300 subagentes.

Programación de larga duración

El primer caso es exótico. K2.6 descargó Qwen3.5-0.8B en un Mac e implementó la inferencia en Zig, un lenguaje con una presencia minúscula en los datos de entrenamiento. En 14 iteraciones, el rendimiento pasó de ~15 a ~193 tokens/s, aproximadamente un 20% más rápido que LM Studio. Moonshot lo presenta como generalización fuera de distribución, y el ejemplo es realmente revelador, siempre que se dé por válido.

El segundo caso se acerca más a producción. El modelo se encargó de exchange-core, un motor abierto de casación de órdenes con 8 años de antigüedad. En 13 horas probó 12 estrategias de optimización, hizo más de 1000 llamadas a herramientas y modificó más de 4000 líneas de código. Para localizar los cuellos de botella leyó flame graphs de CPU y de asignaciones de memoria, y después reorganizó la topología de hilos de 4ME+2RE a 2ME+1RE. Resultado según los autores:

• el medium throughput aumentó un 185%, de 0,43 a 1,24 MT/s;
• el performance throughput aumentó un 133%, de 1,23 a 2,86 MT/s;
• el motor ya funcionaba antes cerca del límite de sus capacidades.

Las opiniones de los socios ofrecen un panorama más terrenal. En sus propias pruebas, CodeBuddy observa un +12% en la precisión de generación de código, un +18% en estabilidad con contexto largo y un 96,60% de llamadas a herramientas exitosas. Una plataforma que ofrece el modelo a través de AI Gateway registra una mejora de más del 50% en su propio benchmark de Next.js. Otro socio señala un +15% en sus pruebas. Todas estas cifras proceden de conjuntos internos de las empresas socias. No se pueden comparar entre sí y todavía no hay verificación independiente.

Un enjambre de 300 agentes y Claw Groups

La parte agéntica de la versión se apoya en Agent Swarm. El sistema divide la tarea en subtareas heterogéneas y se las reparte a agentes que él mismo crea. En K2.6 el enjambre escala hasta 300 subagentes y 4000 pasos coordinados, frente a los 100 y 1500 de K2.5. El resultado declarado en una sola ejecución autónoma: documentos, sitios web, presentaciones y hojas de cálculo a la vez. El modelo puede convertir cualquier buen PDF, hoja de cálculo o archivo de Word en un Skill, conservando la estructura y el estilo del documento para tareas futuras.

Para agentes que funcionan de forma permanente, como OpenClaw y Hermes, Moonshot cita un experimento: el equipo de infraestructura de RL mantuvo durante 5 días un agente basado en K2.6 que monitorizaba sistemas, respondía a incidentes y ejecutaba operaciones desde la alerta hasta la resolución. La novedad se llama Claw Groups y sale como research preview.

Al entorno de trabajo común se pueden conectar agentes desde cualquier dispositivo y con cualquier modelo, cada uno con sus propias habilidades y memoria. K2.6 actúa como coordinador: reparte las tareas según los perfiles de habilidades, detecta fallos y reasigna el trabajo.

Dentro de la compañía, así funciona un equipo de marketing formado por agentes, entre ellos Demo Makers, Benchmark Makers, Social Media Agents y Video Makers.

Cómo comprobarlo en la práctica

Moonshot realizó todas las comparaciones frente a Claude Opus 4.6 (max effort), GPT-5.4 (xhigh) y Gemini 3.1 Pro (high thinking). Para K2.6 se usaron temperature 1.0, top-p 1.0 y un contexto de 262 144 tokens. En Humanity's Last Exam, en el subconjunto de texto, el modelo obtiene un 36,4% sin herramientas y un 55,5% con ellas. Conviene volver a comprobar en las propias tareas los resultados de los benchmarks internos Kimi Code Bench, Kimi Design Bench y Claw Bench.

Si ejecutas K2.6 a través de un proveedor externo, consulta Kimi Vendor Verifier: Moonshot lo recomienda para elegir servicios de alta precisión. Para reproducir las cifras oficiales, aconseja usar la API oficial. Los equipos que construyen pipelines agénticos pueden empezar por tareas largas y de varios pasos, como refactorización o profiling. Es ahí donde el modelo muestra la mayor ventaja sobre K2.5, y el coste de los tokens de un modelo abierto permite mantener esas sesiones durante horas.