Kimi K2 — La IA china que superó a OpenAI con el 0.1% del presupuesto

Kimi K2 es un modelo open-source de Moonshot AI; GPT-5 es cerrado y de OpenAI. La diferencia más grande está en el costo de entrenamiento: Kimi K2 se hizo con ~5 millones de dólares, GPT-5 con más de 1.000 millones — menos del 0,1% del presupuesto. En benchmarks, Kimi K2 Thinking supera a GPT-5 en tareas agénticas (BrowseComp 60,2% vs 54,9%) y en GPQA Diamond (85,7% vs 84,5%). GPT-5 sigue ganando en matemáticas puras (100% en AIME 2025 vs 96,1% de Kimi). Usa arquitectura Mixture of Experts con 1 billón de parámetros totales y 32B activos por token. GPT-5 sirve si priorizás razonamiento matemático o ya estás atado al ecosistema OpenAI. Kimi K2 es la opción cuando querés algo abierto, auto-hosteable y 4-17× más barato por token. Para una comparación completa con los modelos propietarios actuales, mirá nuestra guía de las mejores herramientas de IA para 2026.

Entrá a kimi.com, creá una cuenta gratis con tu email y ya podés chatear con Kimi K2 en los modos Instant, Thinking y Agent. No necesitás tarjeta de crédito ni VPN, aunque la interfaz carga en chino — activá la traducción del navegador o cambiá el idioma arriba a la derecha. La otra opción gratuita es descargar el modelo desde Hugging Face, pero pesa 595 GB y requiere una GPU industrial tipo A100 o H100: no corre en laptop. Para uso diario, el plan Pro arranca entre 8 y 19 dólares al mes según la región, más barato que los 20 dólares de ChatGPT Plus o Claude Pro. Y si ya usás la API de OpenAI en tu código, podés migrar cambiando una línea: el endpoint de Kimi (api.moonshot.ai/v1) es 100% compatible con el SDK de OpenAI.

La API de Kimi K2 cuesta 0,60 dólares por millón de tokens de entrada y 2,50 dólares por millón de salida. Eso la hace entre 4 y 17 veces más barata que GPT-5 y 5-6 veces más barata que Claude Sonnet 4.6, según los precios oficiales de Moonshot en febrero de 2026. Si mandás prompts repetidos, el cache de contexto aplica un descuento automático del 75%, lo que baja aún más el costo efectivo para RAG o agentes con contexto fijo. El endpoint es api.moonshot.ai/v1 y es compatible con el SDK de OpenAI: cambiás una sola línea en el código existente y queda funcionando. Como referencia práctica, un proyecto que hoy corre a 500 dólares mensuales en GPT-5 baja a 30-125 dólares en Kimi, según el ratio entre input y output. Los precios actualizados están en platform.moonshot.ai.

Sí, Kimi K2 sirve para programar, y en tareas agénticas supera a GPT-5 y Claude Opus 4.5. Puede generar hasta 2.000 líneas de código funcional en una sola pasada y orquesta hasta 100 subagentes en paralelo para proyectos de varios archivos. En el benchmark SWE-Bench Verified, Kimi K2.5 saca 76,8% — por debajo del 80,9% de Claude Opus 4.5, que sigue siendo el líder en coding puro. Pero en tareas agénticas de navegación y browsing (BrowseComp 74,9%, HLE 50,2%), Kimi K2 Thinking es hoy el mejor modelo open-source del mundo. La crítica más frecuente en Reddit y reviews técnicas: Kimi tiende a generar código verboso y sobre-ingeniado en la primera pasada, pero lo simplifica cuando se lo pedís. Si priorizás coding puro, Claude sigue adelante; si querés open-source y agentes, Kimi gana.

Las tres limitaciones más serias de Kimi K2 son: una tasa de alucinación cercana al 64% en análisis independientes, degradación del contexto después de los 100.000 tokens (aunque la ventana oficial es de 256.000) y una complejidad alta para auto-hostearlo por los 595 GB que pesa el modelo. En la práctica, el contexto útil efectivo es de 150.000 tokens — más allá la precisión cae del 92-94% al 75-80% según pruebas de Medium y VentureBeat. Para correr el modelo localmente necesitás una GPU industrial tipo A100 o H100, lo que descarta a la mayoría de los equipos no técnicos. Para uso productivo casual (chat, coding, análisis de documentos bajo 150k tokens) las limitaciones no son bloqueantes. Para matemáticas de alta precisión o citas académicas, siempre verificar: la tendencia a fabricar fuentes con seguridad alta es real.