Todo sobre Kimi K2.6

Kimi K2.6 en breve

Moonshot AI publicó Kimi K2.6 el 20 de abril de 2026. Dispone de un modo de razonamiento: puede «pensar» antes de responder, lo que ayuda en problemas de varios pasos pero consume más tokens y, por tanto, más dinero. Sus pesos están publicados: puede descargarlo y ejecutarlo en sus propios servidores, o usar uno de los 67 proveedores de API que lo listan en models.dev. Tiene, por tanto, 6 meses a 22 de octubre de 2026.

Lo clasificamos entre los modelos de pesos abiertos (68 modelos de esta categoría en el sitio).

Resultados en benchmarks

Según los resultados publicados por Epoch AI (consulta del 22 de octubre de 2026), Kimi K2.6 obtiene un índice de capacidad de 84,4 sobre 100, calculado con 4 pruebas de nuestra cesta.

Eso lo sitúa en el puesto 19.º de nuestro ranking semanal de modelos.

• GPQA Diamond (preguntas de ciencias de nivel doctorado): 90,8 % — el mejor modelo seguido, Gemini 4 Argon, alcanza 96,4 %
• OTIS Mock AIME (problemas de matemáticas de competición): 96,1 % — el mejor modelo seguido, GPT-5.5 Pro, alcanza 100 %
• FrontierMath (matemáticas de investigación muy difíciles): 57,2 % — el mejor modelo seguido, GPT-6 Astra, alcanza 93,7 %
• SWE-bench Verified (corrección de errores reales de software): 76,7 % — el mejor modelo seguido, Claude Opus 4.7, alcanza 83,5 %

Lo que sabe hacer

Su ventana de contexto alcanza 262.144 tokens, unas 393 páginas de texto a 500 palabras por página: suficiente para un informe largo o varios contratos a la vez. Una respuesta puede llegar a 262.144 tokens.

Acepta como entrada: texto, imagen y vídeo. Sus conocimientos llegan hasta enero de 2025: más allá, necesita búsqueda web o sus documentos.

Sabe llamar a herramientas (funciones, API) y devolver una salida estructurada en JSON, lo que lo convierte en una posible base para un agente de IA.

Los pesos están publicados en Hugging Face (moonshotai/Kimi-K2.6). Vea también nuestra selección de modelos open source.

Lo que cuesta

Kimi K2.6 cuesta 0,95 US$ por millón de tokens de entrada y 4 US$ por millón de tokens de salida (tarifa del fabricante, consulta del 22 de octubre de 2026).

Para hacerse una idea: leer 20 000 tokens (unas treinta páginas) y redactar 2000 cuesta alrededor de 0,027 US$; mil veces esa tarea, 27 US$.

Son 4 veces el precio de salida mediano de los modelos de pesos abiertos (1 US$).

Los tokens leídos desde la caché cuestan 0,16 US$ por millón: útil para un agente que reenvía a menudo el mismo contexto.

Para estimar su propio presupuesto, use la calculadora de coste de un agente.

¿Cuándo elegirlo?

Por su categoría, Kimi K2.6 está pensado sobre todo para los proyectos en los que quiere controlar sus datos o el alojamiento, o adaptar el modelo a su sector.

Su resultado en SWE-bench Verified (76,7 %, por encima de la mediana de los modelos seguidos) lo convierte en un candidato serio para agentes de programación.

Antes de adoptarlo, pruébelo con sus propios ejemplos: los benchmarks miden tareas estándar, no su oficio.

Modelos comparables

En la misma categoría, los modelos más cercanos a Kimi K2.6 son:

• Kimi K3 (Moonshot AI, índice 80,7) — ver la comparativa
• GLM-5.3 (Zhipu AI (Z.ai), índice 78,8) — ver la comparativa
• DeepSeek V4.1 Flash 1017 (DeepSeek, índice 90,6) — ver la comparativa
• Kimi K2.5 (Moonshot AI, índice 78,1) — ver la comparativa