Kimi K2.5: para qué sirve de verdad (benchmark en español)

Su fuerte es Coding (#22 de 97 entre los que rinden el examen completo), y donde menos rinde es Agentes (7.07 contra 9.37). Cuesta $4.45 por cada 1.000 llamadas.

Nota de calidad8.10/10#72 de 97 · del mejor al peor hay 1.3 puntos

Por 1.000 llamadas$4.45el 38º más caro de 97

Al mes, uso típico$6.6750 llamadas por día, todos los días

Velocidad44 tok/s62.1 s de espera media

⬡ Open source · Modified MIT ⚒ Puede usar herramientas ◈ Razona antes de responder ⌸ Le caben ~440 páginas a la vez

Dónde está parado, pilar por pilar

La nota de la derecha es sobre 10. La barra compara contra los demás modelos del ranking, no contra el cero: entre el mejor y el peor de esta lista hay poco más de un punto, así que en escala 0-10 se verían todas iguales. La marca vertical es la mediana — quedar por debajo acá no es una mala nota, es estar en el promedio de un grupo muy parejo.

Coding 9.37 (+0.30 vs mediana)

Contenido 8.13 (-0.24 vs mediana)

Razonamiento 7.96 (+0.01 vs mediana)

Agentes 7.07 (-0.47 vs mediana)

Medido con 14115 runs que puntúan, juez Phi-4 local · actualizado 2026-08-23 · datos abiertos

Qué hace bien y qué no

Su media entre las 29 tareas medidas es 7.12. Un promedio esconde justo lo que te importa, así que acá están los extremos.

Donde rinde por encima de sí mismo

Precisión literal (hex, JWT, configs) — 8.81 (+1.69 contra su media). Decide: no equivocarse en un dato
JSON estructurado (extracción, schemas) — 8.37 (+1.25 contra su media). Decide: emitir JSON válido a la primera
Presentaciones (slides, reportes) — 8.07 (+0.95 contra su media). Decide: estructurar una presentación
Generación de código (Python, SQL, debug) — 8.05 (+0.93 contra su media). Decide: escribir código que corre

Donde se cae

Tool calling (llamada de funciones) — 5.61 (-1.51 contra su media). Decide: llamar bien las funciones
Noticias + SEO (artículos completos) — 5.71 (-1.41 contra su media). Decide: escribir un artículo publicable
Razonamiento profundo (matemática, Fermi) — 5.86 (-1.26 contra su media). Decide: resolver un problema difícil sin atajos
No inventar herramientas (abstenerse cuando no hay) — 6.10 (-1.02 contra su media). Decide: no inventar herramientas que no existen

Si Kimi K2.5 no te cierra

Alternativas elegidas por contraste con este modelo, no por ranking general.

Modelo	Calidad	$/1k	Latencia	Por qué
Ling 3.0 Flash Más barato, calidad equivalente	7.98	$0.101	12.1 s	misma nota o mejor, menos plata por llamada
GPT-5.6 Luna Mejor nota, precio parecido	8.52	$0.930	10.6 s	hasta 30% más caro, pero rinde más
Gemini 3.1 Flash Lite Responde antes	8.09	$2.33	4.1 s	al menos 40% menos de espera, sin caer de nota

La ficha: Kimi K2.5 en números

Todo esto sale de runs propios, guardados y auditables. La latencia es la total de respuesta, no el time-to-first-token.

Calidad medida
Runs que puntúan	14115
Tool calling	7.73
Precio
Precio por millón · entrada	$0.570
Precio por millón · salida	$2.85
Rendimiento y límites
Latencia total media	62.1 s
Ventana de contexto	262.144

Contra los mejores del ranking, en plata

La pregunta útil no es cuánto le falta a Kimi K2.5 para ser el mejor: es cuánta calidad extra estás comprando, y a cuántas veces el precio. Eso es lo que decide si conviene.

Modelo	Calidad	$/1.000 llamadas
Kimi K2.5 Este modelo	8.10	$4.45
GPT-5.6 Luna El de más calidad medida	8.52	$0.930
Claude Opus 4.8 El frontier más caro del top 10	8.48	$39.00

GPT-5.6 Luna (el techo medido) rinde 5% más y además es más barato: $0.930 contra $4.45. Acá no hay que elegir.
Claude Opus 4.8 (el caro que todos conocen) rinde 5% más (8.48 contra 8.10) y cuesta 9 veces más por llamada.

Los tres salen de las mismas 29 tareas, el mismo juez y los mismos límites. Los benchmarks del fabricante miden otra cosa —y están enlazados más abajo.

Cuánto `max_tokens` darle, por tarea

Si tu nodo o tu script queda por debajo de esto, Kimi K2.5 no falla: entrega de menos — y quien lo consume lo lee como que no había nada que reportar. Es el modo de falla más caro que hay, porque se parece a que todo salió bien.

⚠️ Este modelo razona, y los tokens de razonamiento salen del mismo presupuesto: pide bastante más que uno que no razona para escribir la misma respuesta. Es el motivo exacto por el que un max_tokens heredado de otro modelo lo corta.

Tarea	Mediana	Peor caso medido	max_tokens sugerido
Tareas largas (sostener el hilo 8-12 turnos)	7.070	22.163	27.703 (piso)
Razonamiento profundo (matemática. Fermi)	5.052	11.031	13.788 (piso)
OCR / extracción desde imágenes	2.018	10.853	13.566 (piso)
Gestión de tareas (action items. planes)	8.840	8.840	11.050 (piso)
Noticias + SEO (artículos completos)	2.431	6.218	7.772
Presentaciones (slides. reportes)	4.416	5.232	6.540
Multi-turno (debugging. requisitos)	1.472	4.716	5.895
Contenido startup (newsletter. actualidad)	3.948	4.427	5.533
Razonamiento general (lógica. decisiones)	2.048	4.249	5.311
Traducción (es↔en)	1.329	4.234	5.292
Capacidades de agente (delegación. skills)	1.103	4.042	5.052
Ventas en frío (cold email. campañas)	2.396	4.017	5.021
Auditar números (detectar el error plantado)	1.833	3.906	4.882
Estrategia (pricing. planificación)	3.764	3.895	4.868
Creatividad (hooks. analogías. narrativa)	3.611	3.748	4.685
Decisiones de negocio (prioridades. plan)	1.292	3.676	4.595
Generación de código (Python. SQL. debug)	2.953	3.649	4.561
JSON estructurado (extracción. schemas)	509	3.354	4.192
Anti-alucinación (citas. contexto)	1.682	2.245	2.806
Resúmenes y extracción de datos	2.116	2.116	2.645
Contenido con datos verificables (no inventar)	929	2.048	2.560
Verificar un dato contra su fuente	566	1.708	2.135
Orquestación (flujos de varios pasos)	776	1.658	2.072
Contenido genérico (blog. email. social)	1.340	1.640	2.050
Seguir instrucciones al pie de la letra	1.089	1.394	1.742
No inventar herramientas (abstenerse cuando no hay)	384	816	1.020
Precisión literal (hex. JWT. configs)	349	689	861
Soporte al cliente (clasificar y responder)	478	663	828
Tool calling (llamada de funciones)	395	449	561

Las marcadas (piso) tocaron el techo del propio examen (8.192): ahí la respuesta se cortó, así que el número dice «al menos esto», no «esto exactamente». Dar más aire en esas.

Los números oficiales de Kimi K2.5

Acá no los repetimos, y es a propósito. MMLU, GPQA, SWE-bench y la tabla del lanzamiento las publica quien hizo el modelo, con más recursos y antes que nadie: ese enlace es mejor que cualquier copia nuestra, y no envejece.

Ficha en OpenRouter — precio vigente, proveedores que lo sirven y límites de contexto

Lo que sí medimos acá es lo otro: qué pasa cuando este modelo tiene que decidir algo de un negocio chico, en español y a un precio que se pueda pagar. Verificar un dato antes de publicarlo, emitir el JSON que espera un workflow, llamar la herramienta correcta. Eso no está en la tarjeta del fabricante.

¿Es el mejor para TU caso?

Filtra por presupuesto, calidad mínima y tipo de tarea. En 30 segundos sabes si Kimi K2.5 es tu opción o hay algo mejor para lo que haces.

Ir a la calculadora →