Kimi K2.6开源：编码能力比肩闭源顶级模型，支持300智能体协同

Moonshot AI开源了最新模型Kimi K2.6，主打长时编码执行、智能体协同和前端设计生成。在Terminal-Bench 2.0、SWE-Bench Pro等编码基准上达到开源SOTA，接近GPT-5.4和Claude Opus 4.6水平。智能体集群架构从K2.5的100个子智能体扩展到300个，协调步数从1,500提升至4,000！

开源地址：

• ModelScope：https://modelscope.cn/models/moonshotai/Kimi-K2.6
  
• Kimi.com：https://www.kimi.com/
  
• Kimi Code：https://kimi.com/code
  

01 性能表现

编码基准

编码方面K2.6全面领先K2.5，在Terminal-Bench 2.0和SWE-Bench Pro上超越GPT-5.4，与Claude Opus 4.6基本持平。

智能体基准

智能体任务中DeepSearchQA表现最为突出，f1得分92.5大幅领先GPT-5.4（78.6），HLE-Full w/ tools排名第一（54.0）。

推理与视觉

数学推理与顶级闭源模型差距缩小，视觉理解方面MathVision w/ python（93.2）和V* w/ python（96.9）大幅超越Claude Opus 4.6。

所有结果均在thinking模式下测得，temperature=1.0，top-p=1.0，上下文长度262,144 tokens。

02 核心特性

长时编码能力　支持数千次工具调用、连续十余小时自主编码，跨语言（Rust、Go、Python）和跨任务（前端、DevOps、性能优化）稳定泛化。

编码基准开源领先　Terminal-Bench 2.0得分66.7，SWE-Bench Pro 58.6，均超越GPT-5.4和Claude Opus 4.6，相比K2.5提升显著。

智能体集群升级　Agent Swarm支持300个子智能体、4,000协调步数并行执行，相比K2.5分别扩展3倍和2.7倍，单次运行交付多格式输出。

编码驱动的前端设计　从简单提示词生成完整前端界面，支持交互动效和轻量全栈工作流，表现与Google AI Studio相当。

主动式智能体　支持7×24小时持续运行的自主智能体场景，实测连续自主运行5天完成监控和运维全流程。

03 核心技术

长时编码

K2.6在长时编码任务中展现出稳定的泛化能力，在内部Kimi Code Bench上相比K2.5有显著提升。

两个典型案例：

Zig推理优化　K2.6在Mac上下载部署Qwen3.5-0.8B，用Zig实现并优化模型推理。经4,000+次工具调用、12小时连续执行和14轮迭代，将吞吐从约15提升到约193 tokens/sec，最终比LM Studio快约20%。

金融撮合引擎重构　K2.6自主重构了exchange-core（8年历史的开源金融撮合引擎），13小时内执行1,000+次工具调用，精确修改4,000+行代码。通过分析CPU和内存火焰图定位瓶颈，重新配置核心线程拓扑（从4ME+2RE到2ME+1RE），中位吞吐提升185%（0.43→1.24 MT/s），性能吞吐提升133%（1.23→2.86 MT/s）。

编码驱动的前端设计

基于强大的编码能力，K2.6可从简单提示词直接生成完整前端界面，包括结构化布局、美观的Hero区域、交互元素和滚动触发动效。结合图像和视频生成工具，支持生成视觉一致的素材，提升页面整体质量。

此外K2.6已扩展到轻量全栈工作流，涵盖认证、用户交互到数据库操作。在内部Kimi Design Bench的四个类别（视觉输入、落地页构建、全栈应用开发、通用创意编程）中，K2.6表现与Google AI Studio相当。

智能体集群升级Agent Swarm

动态将任务分解为异构子任务，由自创建的领域专家智能体并发执行。K2.6将架构水平扩展到300个子智能体、4,000协调步数同步执行，相比K2.5的100个子智能体和1,500步大幅提升。支持跨格式交付——文档、网站、幻灯片和表格在单次自主运行中完成。

还支持将PDF、表格、幻灯片等高质量文件转化为可复用技能（Skills），捕获文档的结构和风格特征，在未来任务中复现同等质量和格式。

典型案例：

主动式智能体

K2.6在OpenClaw和Hermes等7×24小时持续运行的自主智能体场景中表现出色。不同于简单对话交互，这类工作流要求AI主动管理日程、执行代码、编排跨平台操作。

内部RL基础设施团队实测K2.6智能体连续自主运行5天，完成监控、事件响应和系统运维全流程，展现了持久上下文维护、多线程任务处理和从告警到解决的完整执行能力。

在内部Claw Bench（覆盖编码任务、IM生态集成、信息研究分析、定时任务管理和记忆利用五个领域）上，K2.6在任务完成率和工具调用准确率上全面超越K2.5。

K2.6 智能体运行记录——5天自主工程运维工作日志

04 模型部署和推理

目前，推荐使用官方API调用，也可以在vLLM、SGLang和KTransformers推理引擎上运行 Kimi-K2.6：

官方API调用

这是一个简单的聊天补全脚本，展示了如何在 Thinking 模式和 Instant 模式下调用 K2.6 API。

import openai
import base64
import requests
def simple_chat(client: openai.OpenAI, model_name: str):
    messages = [
        {'role': 'system', 'content': 'You are Kimi, an AI assistant created by Moonshot AI.'},
        {
            'role': 'user',
            'content': [
                {'type': 'text', 'text': 'which one is bigger, 9.11 or 9.9? think carefully.'}
            ],
        },
    ]
    response = client.chat.completions.create(
        model=model_name, messages=messages, stream=False, max_tokens=4096
    )
    print('====== Below is reasoning content in Thinking Mode ======')
    print(f'reasoning content: {response.choices[0].message.reasoning}')
    print('====== Below is response in Thinking Mode ======')
    print(f'response: {response.choices[0].message.content}')
    # To use instant mode, pass {"thinking" = {"type":"disabled"}}
    response = client.chat.completions.create(
        model=model_name,
        messages=messages,
        stream=False,
        max_tokens=4096,
        extra_body={'thinking': {'type': 'disabled'}},  # this is for official API
        # extra_body= {'chat_template_kwargs': {"thinking": False}}  # this is for vLLM/SGLang
    )
    print('====== Below is response in Instant Mode ======')
    print(f'response: {response.choices[0].message.content}')

更多 API调用方式请见ModelCard：https://modelscope.cn/models/moonshotai/Kimi-K2.6

vLLM部署

推荐使用vLLM 0.19.1稳定版，nightly版本也可使用：

uv pip install -U vllm --torch-backend=auto --extra-index-url https://wheels.vllm.ai/nightly
vllm serve $MODEL_PATH -tp 8 --mm-encoder-tp-mode data --trust-remote-code --tool-call-parser kimi_k2 --reasoning-parser kimi_k2

SGLang部署

需要SGLang v0.5.10及以上版本：

uv pip install "sglang>=0.5.10.post1" --prerelease=allow
sglang serve --model-path $MODEL_PATH --tp 8 --trust-remote-code --tool-call-parser kimi_k2 --reasoning-parser kimi_k2

KTransformers部署

使用KTransformers + SGLang进行CPU+GPU异构推理：

python -m sglang.launch_server \
  --host 0.0.0.0 \
  --port 31245 \
  --model /path/to/kimi-k2.6 \
  --kt-weight-path /path/to/kimi-k2.6 \
  --kt-cpuinfer 96 \
  --kt-threadpool-count 2 \
  --kt-num-gpu-experts 30 \
  --kt-method RAWINT4 \
  --kt-gpu-prefill-token-threshold 400 \
  --trust-remote-code \
  --mem-fraction-static 0.94 \
  --served-model-name Kimi-K2.6 \
  --enable-mixed-chunk \
  --tensor-parallel-size 4 \
  --enable-p2p-check \
  --disable-shared-experts-fusion \
  --chunked-prefill-size 32658 \
  --max-total-tokens 50000 \
  --attention-backend flashinfer

注：--tool-call-parser kimi_k2用于启用工具调用，--reasoning-parser kimi_k2用于正确处理思考模式输出，两个参数均为必需。

Kimi K2.6与K2.5架构相同，部署方式可直接复用。

05 总结

Kimi K2.6在长时编码、智能体协同和前端设计三个方向上实现了显著进步，编码能力达到开源SOTA并逼近顶级闭源模型。Agent Swarm架构的大幅扩展将智能体协作从单一模型执行推向多智能体、多设备、人机协同的新范式。作为开源模型，K2.6为社区在自主编码、智能体开发和企业级部署方面提供了强有力的基座选择。