En la actualidad las redes móviles están evolucionando para contemplar diferentes casos de uso. Esta evolución viene dada por la estandarización y despliegue de la tecnología 5G, la cual entre otras cosas, hace uso de diferentes configuraciones simultáneas a nivel de radio para lograr satisfacer dichos casos de usos. Esta pluralidad de configuraciones y servicios hace que la asignación de recursos se convierta en un aspecto central de esta tecnología, aspecto que queda por fuera del estándar. Esta libertad de implementación crea la necesidad de tener herramientas de evaluación de desempeño de diferentes algoritmos de asignación de recursos, para que investigadores y fabricantes de radio bases puedan evaluarlos de forma primaria, sin la necesidad de desplegarlo sobre una red real. En este panorama surge Py5cheSim, un simulador de tráfico de redes 5G el cual es de código abierto, fácil de usar y está implementado en Python. Esto lo convierte en una gran alternativa para aquellos usuarios que están investigando la aplicación de técnicas de machine learning para la asignación de recursos (algo indispensable por la variabilidad y la complejidad de los escenarios en este tipo de redes). El objetivo de este proyecto es mejorar el modelo de canal y el soporte para MIMO (Multiple Input Multiple Output) masivo de Py5cheSim, mediante la integración del framework DeepMIMO, el cual es otro software gratuito e implementado en Python. La contribución principal de este proyecto es liberar una segunda versión de Py5cheSim con dichos aspectos mejorados. Con la nueva versión del simulador se tienen escenarios más realistas (con posibilidad de usuarios móviles) y se cuenta con un nuevo algoritmo de asignación de recursos disponible (algoritmo basado en MIMO). Es importante destacar que el nuevo desarrollo tiene compatibilidad total con la versión anterior.