Un modelo de código abierto refactoriza código heredado durante 13 horas de forma autónoma 🤌

Moonshot AI lanzó en código abierto Kimi K2.6.

¿Qué hay de interesante en este lanzamiento?:

1️⃣ Ejecución de largo horizonte
En la publicación del blog describieron casos representativos. El primero: se obligó al modelo a optimizar la inferencia local de Qwen en una Mac. K2.6 realizó más de 4000 llamadas a herramientas durante 12 horas y reescribió el backend en Zig (¡Zig, Carl!), aumentando el rendimiento en un 20% por encima de LM Studio.
El segundo: refactorización de un motor financiero de 8 años exchange-core. El modelo durante 13 horas analizó de forma autónoma los flamegraphs de CPU y las asignaciones de memoria, realizó más de 1000 llamadas a herramientas, reescribió 4000 líneas de código y cambió la topología de los hilos. Resultado: el rendimiento aumentó en un 185%.

2️⃣ Enjambres de agentes potenciados
La arquitectura ahora escala horizontalmente hasta 300 subagentes que pueden ejecutar hasta 4000 pasos en paralelo. Ellos mismos descomponen la tarea.

3️⃣ Agentes proactivos
El equipo interno de infraestructura RL de Moonshot dejó a un agente basado en K2.6 durante 5 días gestionando de forma autónoma la monitorización, respondiendo a incidentes y corrigiendo el sistema. Sin participación de sacos de piel. Ingenieros DevOps, ¿cómo están?

🛠 El modelo supera a GPT-5.4 (en modo xhigh) y Claude Opus 4.6 (max effort) en SWE-Bench Pro y HLE (Humanity's Last Exam).
Ventana de contexto: 262k tokens.
Cuenta con cuantización INT4 nativa, se ejecuta a través de vLLM, SGLang o KTransformers.

Los pesos están disponibles en HF: huggingface.co/moonshotai/Kimi-K2.6