Kimi K2.6
Veröffentlichung
April 2026
Knowledge Cutoff
Unbekannt
Parameter
1.000 Mrd.
Modellfamilie
Kimi K2.6
Andere
Features
Tools
Websuche, Bildgenerierung, Computer Use und MCP-Server.
Multimodalität
Das Modell kann Text, Bilder, Audio und PDFs als Input verarbeiten.
Finetuning
Finetuning des Modells ist aktuell nicht möglich.
Details zum Modell
Max. Input
262,14k Token
Max. Output
32,77k Token
Trainingsdaten
Unbekannt
Parameter
1.000 Mrd.
Input Preis
$0.95
Output Preis
$4.00
Vokabular
160k
Dateigröße
553,21 GB
Kimi K2.6 Benchmark Scores
Im KI-Kontext bezeichnet Performance die Leistungsfähigkeit eines Modells in Bereichen wie Sprachverständnis, Logik oder Programmierung – gemessen anhand standardisierter Benchmarks zur objektiven Vergleichbarkeit.
Technologie & Daten
Technische Spezifikationen
| Architektur | 1T Parameter total, 32B aktiviert pro Token. 384 Experten mit 8 selektierten + 1 Shared Expert pro Token, 61 Layer (1 dense), 64 Attention-Heads, MLA-Attention, SwiGLU-Aktivierung. Vision Encoder: MoonViT. |
|---|---|
| Input Kontextlänge | 262,14k |
| Output Kontextlänge | 32,77k |
| Tokenizer | Proprietärer Tokenizer mit 160K Vokabular |
Besonderheiten
| Agent Swarm 2.0 | Skaliert auf bis zu 300 Sub-Agenten und 4.000 koordinierte Schritte – 3× mehr Sub-Agenten und 2,7× mehr Steps als K2.5. |
|---|---|
| Long-Horizon Coding | Stabile autonome Ausführung über 12+ Stunden mit 4.000+ Tool-Aufrufen und 14 Iterationen. |
| Preserve Thinking Mode | Behält Reasoning-Ketten über mehrere Turns hinweg, anstatt sie zurückzusetzen. |
| Native Video-Verständnis | Verarbeitet Videos (mp4, mov, avi, webm, 3gpp u.a.) bis 2K-Auflösung direkt im selben Modell. |
| Native INT4-Quantisierung | Modell wird nativ in INT4 ausgeliefert, optimiert via Quantization-Aware Training. |
Vorteile & Nachteile
Vorteile
- Führend bei Open-Source Coding-Benchmarks80.2% auf SWE-Bench Verified, 58.6% auf SWE-Bench Pro – übertrifft GPT-5.4 (57.7%) und Claude Opus 4.6 (53.4%) bei Coding-Tasks.
- Massive Agent-Swarm-SkalierungMit 300 Sub-Agenten und 4.000 koordinierten Schritten ermöglicht K2.6 autonome Multi-Tag-Workflows ohne menschlichen Eingriff.
- Top-Tier Reasoning unter Open-Weights96.4% auf AIME 2026 und 90.5% auf GPQA-Diamond – konkurrenzfähig mit GPT-5.4 und Claude Opus 4.6.
- Native Multimodalität (Text, Bild, Video)Erste Kimi-Generation mit nativer Video-Unterstützung – ideal für Screen-Recording-Analyse und visuelles Debugging.
- Open Weights unter Modified MITVollständig open-source auf HuggingFace, deploybar mit vLLM, SGLang oder KTransformers (~594 GB).
- Wettbewerbsfähige API-PreiseMit $0.95/$4.00 pro Million Tokens und Context Caching für $0.16/M deutlich günstiger als vergleichbare Frontier-Modelle.
Nachteile
- Hohe Hardware-AnforderungenLokales Deployment erfordert mindestens 4× H100-GPUs oder vergleichbare Datacenter-Hardware.
- Web-Search nicht mit Thinking-Modus kompatibelDie integrierte Web-Suche ist temporär nicht mit dem K2.6-Thinking-Modus kombinierbar.
- Self-reported BenchmarksDie Performance-Metriken stammen primär von Moonshot selbst – unabhängige Drittanbieter-Validierung steht teils noch aus.
- Sehr junges ModellErst seit 20. April 2026 verfügbar, Community-Feedback und Production-Erfahrungen noch begrenzt.
Vergleiche Kimi K2.6 mit anderen LLMs
Vergleiche Kimi K2.6 mit anderen Sprachmodellen anhand wichtiger Metriken wie Kontextgröße, Parameteranzahl, Preisen und Benchmark-Leistung.
Provider & APIs
Du kannst Moonshot AI Kimi K2.6 über die API folgender Anbieter nutzen.
Das Modell ist derzeit bei keinen Anbietern verfügbar.
