Moonshot lanza Kimi K2.5: un enjambre de 100 subagentes y 1500 llamadas a herramientas

Moonshot AI ha presentado Kimi K2.5, un modelo multimodal que la propia compañía califica como el más potente de código abierto hasta ahora. Está construido sobre Kimi K2 y reentrenado con unos 15 billones de tokens mixtos visuales y de texto. La principal novedad es Agent Swarm: el modelo despliega por su cuenta hasta 100 subagentes y realiza hasta 1500 llamadas a herramientas. Según la empresa, esto reduce el tiempo de ejecución de tareas complejas hasta 4,5 veces en comparación con un agente único.

Cómo funciona el enjambre

Los subagentes no se definen a mano. El orquestador descompone la tarea en subtareas paralelas y crea ejecutores sobre la marcha: por ejemplo, un investigador, un físico o un verificador de datos. Se entrenó con Parallel-Agent Reinforcement Learning (PARL). El orquestador es entrenable, mientras que los subagentes permanecen congelados. Por ello, la señal de retroalimentación llega con retraso, es escasa y no estacionaria.

Este esquema presenta dos fallos típicos. El primero es el serial collapse: el orquestador recurre a una ejecución en solitario aunque podría paralelizar el trabajo. El segundo es el spurious parallelism: genera subagentes para lograr una buena métrica, sin una descomposición real. Contra el primero, se añadió a la recompensa un bonus por crear subagentes; contra el segundo, una recompensa por la proporción de subtareas completadas. Ambos coeficientes se reducen a cero a lo largo del entrenamiento, y solo queda la recompensa por el resultado.

Otra decisión es la métrica Critical Steps, análoga al camino crítico en la computación paralela. Suma los pasos del agente principal y los del subagente más lento en cada etapa, de modo que los subagentes adicionales solo ayudan cuando acortan el camino crítico.

• Escala: hasta 100 subagentes y hasta 1500 pasos coordinados.
• Velocidad: hasta 4,5x en tiempo de ejecución; en pruebas internas, la latencia se reduce un 80 %.
• Pasos críticos: en escenarios de búsqueda amplia, se necesitan entre 3 y 4,5 veces menos.
• Contexto: 256 mil tokens en las pruebas.
• HLE sin herramientas: 31,5 (texto) y 21,3 (imágenes).
• HLE con herramientas: 51,8 (texto) y 39,8 (imágenes).
• Benchmarks ofimáticos: +59,3 % (AI Office) y +24,3 % (General Agent) respecto a K2 Thinking.

Código, visión y ofimática

Moonshot hace hincapié en el frontend: con una sola petición, el modelo genera interfaces con animaciones, incluidos efectos al hacer scroll. Puede reconstruir un sitio web a partir de un vídeo y depurar el maquetado de forma visual: observa su propio resultado y lo corrige de manera iterativa. Según los autores, a esta escala de preentrenamiento desaparece el compromiso entre visión y texto: ambas capacidades mejoran a la vez.

Para desarrollo, la compañía ha lanzado Kimi Code, una herramienta de terminal de código abierto. Se integra con VSCode, Cursor y Zed, acepta imágenes y vídeo, y localiza y migra por sí misma las skills y los MCP existentes. Aparte, se describe un escenario ofimático: Word con anotaciones, modelos financieros con tablas dinámicas, fórmulas LaTeX en PDF y documentos de hasta 100 páginas.

Las cifras requieren algunas salvedades. Las pruebas las realizó el propio desarrollador. La comparación se hizo con DeepSeek-V3.2, Claude Opus 4.5, GPT-5.2 (xhigh) y Gemini 3 Pro, y en las pruebas visuales también con Qwen3-VL-235B-A22B-Thinking. GPT-5.2 xhigh no se evaluó en todas las pruebas debido a la inestabilidad del servicio. En las pruebas visuales registró alrededor de un 10 % de rechazos, que se contaron como errores, y los autores admiten que su resultado probablemente esté subestimado. Parte de las métricas, entre ellas Kimi Code Bench y los benchmarks ofimáticos, es interna. Para reproducir los resultados, Moonshot recomienda la API oficial o proveedores verificados con Kimi Vendor Verifier.

Por dónde empezar

Lo lógico para los desarrolladores es empezar con Kimi Code junto con K2.5: la herramienta es abierta, se integra en los IDE habituales y la depuración visual se puede probar con el propio frontend. Los equipos con tareas de búsqueda amplia y recopilación de datos deberían probar Agent Swarm. Ahora mismo está en beta en Kimi.ai, y los usuarios de los planes de pago superiores reciben créditos gratuitos.

Al comparar con la competencia, conviene medir no solo la precisión, sino también el tiempo de ejecución y el coste, ya que el enjambre está pensado precisamente para ellos. Si ejecutas el modelo con un proveedor externo, comprueba Kimi Vendor Verifier; de lo contrario, los resultados pueden diferir notablemente de los publicados. Moonshot solo promete el informe técnico completo con los prompts de sistema.