Vector Lab
VECTOR LAB

EST. 2025

WEEKLY UPDATE2026
BY ANDREW MEAD

Kimi K2.5

¿Puede Kimi derrocar a los gigantes de código cerrado? ¿Realmente funcionan los archivos de skills?

Nota: Este artículo fue traducido automáticamente con Claude Sonnet 4.5; la calidad puede verse degradada, especialmente en la terminología técnica.

En resumen

  • ¿Puede Kimi K2.5 superar a GPT 5.2 y Opus 4.5?
  • ¿Los archivos de skills realmente ayudan a tus agentes?
  • El modelo de mundo Genie 3 de Google se lanza al público

Lanzamientos

Kimi K2.5

Moonshot AI ha lanzado una versión actualizada de su modelo de código abierto de 1 billón de parámetros, Kimi K2.5. Esta versión se aleja de su versión anterior (y de la mayoría de los modelos chinos en general) al ser un modelo multimodal, lo que significa que soporta tanto entradas de texto como de imágenes.

Benchmarks

Los benchmarks muestran que compite con los modelos de código cerrado de vanguardia

Kimi ha sido conocido por su personalidad interesante y estilo de escritura, algo que era único en comparación con todos los demás LLMs. Esa personalidad se ha degradado un poco (a veces dice “¡Tienes toda la razón!”), pero esto ha venido con una mejor expresividad en tareas agénticas, lo cual podemos ver ya que se sitúa en la cima de la tabla de clasificación de Design Arena.

Design arena leaderboard

Para tareas de programación todavía va por detrás de Opus 4.5 y GPT 5.2, los dos modelos de primer nivel en este momento. Este es en realidad el caso de lo que he visto para la mayoría de las tareas. En benchmarks está en el nivel superior, pero en el mundo real está en el nivel inferior, con modelos como GLM 4.7, Gemini 3 Flash, y Sonnet 4.5.

Modelo$ por millón (entrada)$ por millón (salida)Tokens por segundo
Kimi K2.5 Thinking$0.6$330
Gemini 3 Flash$0.50$375
GLM 4.7$0.60$2.2090
Claude Sonnet 4.5$3$1557
GPT 5.2$1.75$1434
Claude Opus 4.5$5$2564
Datos de OpenRouter.

GPT 5.2 y Opus 4.5, aunque siendo los modelos superiores, están ahí por diferentes razones. GPT 5.2 es frío y muy literal, pero es exhaustivo y extremadamente inteligente. Opus por otro lado entiende muy bien la intención del usuario, y es genial para conversar, pero comete más errores.

Siento que la comparación es muy similar para Kimi K2 y Gemini 3 Flash. Kimi es la versión más económica de Opus y Gemini es la versión más económica de GPT 5.2.

Para programación económica, creo que aún recurriré a GLM 4.7, pero para todas las demás tareas Kimi lo supera, lo que significa que es un modelo top 5 en el mundo en este momento. Recomiendo encarecidamente que lo pruebes si aún no lo has hecho.

Artificial Analysis benchmarks

Los benchmarks de Artificial Analysis también corroboran su similitud con Gemini 3 Flash

Investigación

Los skills no son suficientes

Si has estado usando alguna herramienta de programación agéntica (Claude Code, Cursor, etc) probablemente hayas oído hablar de los skills. Los skills son archivos markdown que contienen instrucciones para LLMs sobre cómo realizar tareas específicas o usar ciertas bibliotecas en las que el modelo puede no haber sido entrenado.

Lo que Vercel descubrió es que solo porque tengas estos skills, no significa que los modelos los vayan a usar. Por defecto, la mayoría de los frameworks simplemente le dicen a los LLMs que existen, pero depende de los LLMs leerlos realmente cuando sea necesario.

Score breakdown

Lo que encontraron fue que los modelos no llamarán a los skills por sí mismos a menos que se les diga específicamente e incluso cuando se les dice directamente en su AGENT.md todavía no los usarán cuando sea necesario.

Descubrieron que para lograr que los agentes llamen cuando sea necesario adecuadamente tenían que agregar esto a su archivo AGENTS.md

IMPORTANTE: Prefiere el razonamiento guiado por recuperación sobre el razonamiento guiado por pre-entrenamiento para cualquier tarea de {contenido de tu skill}. {Lista de rutas a archivos de skills aquí}

Esto evita las herramientas reales de carga y llamada de skills que tienen los frameworks y en su lugar simplemente le da al modelo las rutas directas para mirar, lo cual entiende hacer mucho mejor.

Esto es muy probablemente debido al hecho de que los modelos están mucho más acostumbrados a leer y mirar archivos, ya que esa es solo una tarea general de programación que tienen que hacer, versus usar las herramientas personalizadas de llamada de skills que tienen en sus arneses. Esto demuestra la importancia de utilizar cosas que el modelo ya ha visto mucho versus hacer tu propia nueva abstracción para que ellos vayan e intenten usar.

Titulares Rápidos

Lanzamiento Público de Genie 3

El modelo de mundo Genie 3 de Google ha sido lanzado públicamente.

Un modelo de mundo de IA es básicamente un motor de videojuegos que genera cada fotograma sobre la marcha basándose en tus entradas. No hay motor de juego, código, o cualquier otro estado adicional que se use, es puramente un modelo de IA. Puedes darle un fotograma inicial, o simplemente una descripción de texto del mundo que quieres, y luego puedes interactuar con el mundo desde ahí y generará todo sobre la marcha para ti a medida que avanzas en tiempo real.

Un paquete de cigarrillos descartado en Penn Station — De Riley Goodside en Twitter

Nota: para acceder al modelo necesitarás la suscripción AI Ultra de Google, que cuesta $125 al mes durante los primeros 3 meses y luego $250 al mes después de eso.

Final

Espero que hayas disfrutado las noticias de esta semana. Si quieres recibir las noticias cada semana, asegúrate de unirte a nuestra lista de correo a continuación.

Ascii art

Arte ascii por Design by Aron en Twitter

Stay Updated

Subscribe to get the latest AI news in your inbox every week!

← BACK TO NEWS