Moonshot AI, con sede en China, ha lanzado su modelo de código abierto. Según la información compartida; Capaz de manejar sesiones de codificación de 12 horas, Kimi K2.6 puede ejecutar 300 agentes en paralelo. Según Moonshot; Kimi K2.6, que podemos definir como un modelo rentable, funciona mejor que GPT-5.4 y Claude Opus 4.6 en varias pruebas comparativas de inteligencia artificial. Esto incluye el criterio HLE-Full, que consta de aproximadamente 2500 preguntas de nivel doctoral que cubren más de 100 campos académicos. En este punto de referencia, Kimi-K.26 obtuvo 54 puntos, mientras que Opus 4.6 y GPT 5.4 obtuvieron 53 y 52,1 puntos, respectivamente.
Kimi-K2.6 utiliza una función de activación llamada Unidad lineal Swish-Gated (SwiGLU). Esta función, que es más eficiente en hardware que los algoritmos anteriores, simplifica el proceso de formación LLM en ciertos aspectos. Además, las neuronas de Kimi-K2.6 se organizaron en unidades llamadas 384 «especialistas», redes neuronales en miniatura, cada una optimizada para un conjunto diferente de tareas. En este contexto, cuando LLM recibe una orden, utiliza sólo ocho expertos para generar una respuesta. Agreguemos que reducir la cantidad de redes neuronales involucradas en el procesamiento de la entrada del usuario reduce el uso de hardware.
Las redes neuronales de Kimi-K2.6 utilizan una tecnología llamada MLA (atención latente de múltiples cabezas) para determinar la parte más importante de un comando. Podemos definir MLA como una versión más eficiente en hardware del mecanismo de atención estándar que se encuentra en los LLM.
Además, también debemos tener en cuenta que las redes neuronales de Kimi-K2.6 están respaldadas por un codificador visual con 400 millones de parámetros. Este codificador convierte las imágenes en incrustaciones, que son representaciones matemáticas que el LLM puede comprender más fácilmente. El codificador visual permite que Kimi-K2.6 procese no sólo comandos de texto sino también entradas multimedia. El modelo puede convertir simples instrucciones de usuario y bocetos de interfaz en sitios web completos, dice Moonshot AI. Sin embargo, cuando a Kimi-K2.6 se le asigna una tarea más compleja y que requiere más tiempo, puede implementar hasta 300 agentes para acelerar el flujo de trabajo. Los agentes dividen una tarea en subpasos y los realizan en paralelo.
Kimi-K2.6 puede incluir opcionalmente empleados humanos en el proceso mediante el uso de una función llamada «grupos de garras». Según Moonshot AI, esto permite a LLM dividir el trabajo de un proyecto entre humanos y agentes. Kimi-K.26 también supera a su predecesor en algunas otras tareas, incluido el desarrollo de Rust.