MoonshotAI: Kimi K2.6

? huggingchat | ? Blog technologiczny Kimi K2.6 to model agentowy o otwartym kodzie źródłowym, natywny multimodalny, który rozwija praktyczne możliwości w zakresie długoterminowego kodowania, projektowania napędzanego kodem, proaktywnej autonomicznej egzekucji oraz orkiestracji zadań opartych na swarmie. Kluczowe cechy – Długoterminowe kodowanie: K2.6 osiąga znaczące poprawy w złożonych zadaniach kodowania end-to-end, generalizując w sposób solidny w różnych językach programowania (Rust, Go, Python) oraz dziedzinach obejmujących front-end, DevOps i optymalizację wydajności.

• Projektowanie napędzane kodem: K2.6 jest w stanie przekształcać proste podpowiedzi i wizualne wejścia w gotowe do produkcji interfejsy oraz lekkie pełnostackowe przepływy pracy, generując strukturalne układy, interaktywne elementy i bogate animacje z zamierzonymi precyzjami estetycznymi.
• Podniesiony swarm agentów: Skalując poziomo do 300 sub-agentów wykonujących 4,000 skoordynowanych kroków, K2.6 może dynamicznie dekomponować zadania na równoległe, specjalizowane w danej dziedzinie podzadania, dostarczając wyniki end-to-end od dokumentów po strony internetowe i arkusze kalkulacyjne w jednym autonomicznym uruchomieniu.
• Proaktywna i otwarta orkiestracja: W przypadku zadań autonomicznych K2.6 wykazuje silną wydajność w zasilaniu trwałych, 24/7 agentów w tle, którzy proaktywnie zarządzają harmonogramami, wykonują kod i orkiestrują operacje międzyplatformowe bez nadzoru ludzkiego.

Architektura	Mieszanka ekspertów (MoE)
Całkowita liczba parametrów	1T
Aktywowane parametry	32B
Liczba warstw (w tym warstwa gęsta)	61
Liczba warstw gęstych	1
Wymiar ukryty uwagi	7168
Wymiar ukryty MoE (na eksperta)	2048
Liczba głów uwagi	64
Liczba ekspertów	384
Wybrani eksperci na token	8
Liczba wspólnych ekspertów	1
Rozmiar słownika	160K
Długość kontekstu	256K
Mechanizm uwagi	MLA
Funkcja aktywacji	SwiGLU
Kodowanie wizji	MoonViT
Parametry kodera wizji	400M

Benchmark Kimi K2.6 GPT-5.4 (xhigh) Claude Opus 4.6 (maksymalny wysiłek) Gemini 3.1 Pro (wysoki poziom myślenia) Kimi K2.5 Agentic HLE-Full(w/ narzędzia) 54.0 52.1 53.0 51.4 50.2 BrowseComp 83.2 82.7 83.7 85.9 74.9 BrowseComp(Agent Swarm) 86.3 78.4 DeepSearchQA(f1-score) 92.5 78.6 91.3 81.9 89.0 DeepSearchQA(dokładność) 83.0 63.7 80.6 60.2 77.1 WideSearch (item-f1) 80.8 – – – 72.7 Toolathlon 50.0 54.6 47.2 48.8 27.8 MCPMark 55.9 62.5 56.7 55.9 29.5 Claw Eval (pass^3) 62.3 60.3 70.4 57.8 52.3 Claw Eval (pass@3) 80.9 78.4 82.4 82.9 75.4 APEX-Agents 27.9 33.3 33.0 32.0 11.5 OSWorld-Verified 73.1 75.0 72.7 – 63.3 Coding Terminal-Bench 2.0(Terminus-2) 66.7 65.4 65.4 68.5 50.8 SWE-Bench Pro 58.6 57.7 53.4 54.2 50.7 SWE-Bench Multilingual 76.7 – 77.8 76.9 73.0 SWE-Bench Verified 80.2 – 80.8 80.6 76.8 SciCode 52.2 56.6 51.9 58.9 48.7 OJBench (python) 60.6 – 60.3 70.7 54.7 LiveCodeBench (v6) 89.6 – 88.8 91.7 85.0 Reasoning & Knowledge HLE-Full 34.7 39.8 40.0 44.4 30.1 AIME 2026 96.4 99.2 96.7 98.3 95.8 HMMT 2026 (luty) 92.7 97.7 96.2 94.7 87.1 IMO-AnswerBench 86.0 91.4 75.3 91.0 81.8 GPQA-Diamond 90.5 92.8 91.3 94.3 87.6 Vision MMMU-Pro 79.4 81.2 73.9 83.0 78.5 MMMU-Pro (w/ python) 80.1 82.1 77.3 85.3 77.7 CharXiv (RQ) 80.4 82.8 69.1 80.2 77.5 CharXiv (RQ) (w/ python) 86.7 90.0 84.7 89.9 78.7 MathVision 87.4 92.0 71.2 89.8 84.2 MathVision (w/ python) 93.2 96.1 84.6 95.7 85.0 BabyVision 39.8 49.7 14.8 51.6 36.5 BabyVision (w/ python) 68.5 80.2 38.4 68.3 40.5 V (w/ python) 96.9 98.4 86.4 96.9* 86.9 1. Ogólne szczegóły testowania – Raportujemy wyniki dla Kimi K2.6 i Kimi K2.5 z włączonym trybem myślenia, Claude Opus 4.6 z maksymalnym wysiłkiem, GPT-5.4 z xhigh wysiłkiem myślenia oraz Gemini 3.1 Pro z wysokim poziomem myślenia.

• O ile nie zaznaczone inaczej, wszystkie eksperymenty Kimi K2.6 przeprowadzono przy temperaturze = 1.0, top-p = 1.0 oraz długości kontekstu 262,144 tokenów.
• Benchmarki bez publicznie dostępnych wyników zostały ponownie ocenione w tych samych warunkach, co Kimi K2.6 i są oznaczone gwiazdką (*). Z wyjątkiem miejsc, gdzie zaznaczone jest gwiazdką, wszystkie inne wyniki pochodzą z oficjalnych raportów. 2. Benchmarki rozumowania – Wyniki IMO-AnswerBench dla GPT-5.4 i Claude 4.6 uzyskano z z.ai/blog/glm-5.1.
• Ostatni egzamin ludzkości (HLE) i inne zadania rozumowania były oceniane z maksymalną długością generacji 98,304 tokenów. Domyślnie raportujemy wyniki na pełnym zestawie HLE. Dla podzestawu tylko tekstowego Kimi K2.6 osiąga 36.4% dokładności bez narzędzi i 55.5% z narzędziami. 3. Zadania z użyciem narzędzi / agentowe – Kimi K2.6 był wyposażony w narzędzia wyszukiwania, interpreter kodu i przeglądanie sieci dla HLE z narzędziami, BrowseComp, DeepSearchQA i WideSearch.
• Dla HLE-Full z narzędziami maksymalna długość generacji wynosi 262,144 tokenów z limitem na krok wynoszącym 49,152 tokenów. Stosujemy prostą strategię zarządzania kontekstem: gdy okno kontekstu przekracza próg, zachowywane są tylko najnowsze okrążenia wiadomości związanych z narzędziami.
• Dla BrowseComp raportujemy wyniki uzyskane z zarządzaniem kontekstem przy użyciu tej samej strategii usuwania wszystkich, co Kimi K2.5 i DeepSeek-V3.2.
• Dla DeepSearchQA nie zastosowano zarządzania kontekstem w testach Kimi K2.6, a zadania przekraczające obsługiwaną długość kontekstu były bezpośrednio liczone jako nieudane. Wyniki dla Claude Opus 4.6, GPT-5.4 i Gemini 3.1 Pro na DeepSearchQA są cytowane z karty systemowej Claude Opus 4.7.
• Dla WideSearch raportujemy wyniki w ustawieniach zarządzania kontekstem "ukryj wynik narzędzia". Gdy okno kontekstu przekracza próg, zachowywane są tylko najnowsze okrążenia wiadomości związanych z narzędziami.
• Podstawowe podpowiedzi testowe są identyczne z tymi użytymi w technicznym raporcie Kimi K2.5.
• Claw Eval przeprowadzono przy użyciu wersji 1.1 z max-tokens-per-step = 16384.
• Dla APEX-Agents oceniliśmy 452 zadań z publicznego wydania 480-zadań, jak to zrobiła Artificial Analysis (wyłączając światy bankowości inwestycyjnej 244 i 246, które mają zewnętrzne zależności czasowe) 4. Zadania kodowania – Wyniki Terminal-Bench 2.0 uzyskano przy użyciu domyślnej ramy agenta (Terminus-2) oraz dostarczonego parsera JSON, działającego w trybie zachowania myślenia.
• Dla serii ocen SWE-Bench (w tym Verified, Multilingual i Pro) użyliśmy wewnętrznej ramy oceny dostosowanej z SWE-agenta. Ta rama obejmuje minimalny zestaw narzędzi – narzędzie bash, narzędzie createfile, narzędzie insert, narzędzie view, narzędzie strreplace i narzędzie submit.
• Wszystkie raportowane wyniki dla zadań kodowania są uśrednione na podstawie 10 niezależnych uruchomień. 5. Benchmarki wizji – Max-tokens = 98,304, uśrednione na podstawie trzech uruchomień (avg@3).
• Ustawienia z użyciem narzędzi Python mają max-tokens-per-step = 65,536 i max-steps = 50 dla rozumowania wieloetapowego.
• MMMU-Pro przestrzega oficjalnego protokołu, zachowując kolejność wejścia i dodając obrazy. 4. Natywna kwantyzacja INT4 Kimi-K2.6 przyjmuje tę samą natywną metodę kwantyzacji int4, co Kimi-K2-Thinking. > [!Uwaga] > Możesz uzyskać dostęp do API Kimi-K2.6 pod adresem https://platform.moonshot.ai i zapewniamy API zgodne z OpenAI/Anthropic dla Ciebie. Aby zweryfikować, że wdrożenie jest poprawne, zapewniamy również Weryfikator dostawcy Kimi. Obecnie zaleca się uruchamianie Kimi-K2.6 na następujących silnikach wnioskowania: vLLM SGLang * KTransformers