趋近智
Kimi K2.6
活跃参数
1T
上下文长度
262K
模态
Multimodal
辅助参数
450M
架构
Mixture of Experts (MoE)
许可证
Modified MIT
发布日期
21 Apr 2026
训练数据截止日期
-
API 价格 (每 1M)
输入: $0.95 · 输出: $4.00
系统要求
不同量化方法和上下文大小的显存要求
1024 个令牌
消费级
128x RTX 4090
24GB VRAM
数据中心
32x NVIDIA A100
80GB VRAM
Apple Silicon
28x Apple M3 Max
128GB VRAM
262144 个令牌
消费级
170x RTX 4090
24GB VRAM
数据中心
41x NVIDIA A100
80GB VRAM
Apple Silicon
37x Apple M3 Max
128GB VRAM
架构图
评估基准
排名
#93
| 基准 | 分数 | 排名 |
|---|---|---|
研究生级问答 | 0.905 | 22 |
0.79 | 34 | |
Agent Arena | -0.29 | 36 |
LiveBench 平均分 | auto 0.71 | 37 |
0.71 | 37 | |
0.47 | 45 | |
通用文本 | 1461 | 48 |
0.79 | 52 | |
0.65 | 52 | |
Web 开发 | 1509 | 52 |
0.84 | 53 | |
0.62 | 65 | |
智能体指数 | auto 0.20 | 84 |
auto 0.27 标准 0.24 | 117 145 |
排名
排名
#93
编程排名
#60
关于 Kimi K2.6
Kimi K2.6 是月之暗面（Moonshot AI）推出的开源原生多模态智能体模型，拥有 1T 总参数量，每个 token 激活 32B 参数。该模型采用 61 层的混合 MoE 架构，包含 384 个路由专家和 1 个共享专家，每个 token 选取 8 个专家，并配备 MLA 注意力机制及专用的 MoonViT 视觉编码器（4 亿参数）。它在长程编程（SWE-Bench Pro 58.6%, SWE-Bench Verified 80.2%）、智能体工作流（BrowseComp 83.2%, AIME 2026 96.4%, GPQA-Diamond 90.5%）和视觉推理（MMMU-Pro 79.4%）方面均达到了顶尖水平。支持 256K 原生上下文、思维/即时模式以及跨轮次思维保留。该模型可扩展至 300 个子智能体并协同执行 4,000 个步骤，于 2026 年 4 月 21 日基于修订版 MIT 许可证发布。
技术规格
注意力
注意力结构
Multi-Layer Attention
注意力头
64
键值头
64
位置嵌入
ROPE
RoPE Theta
50,000
归一化
RMS Normalization
激活函数
SwigLU
维度
辅助参数
450M
隐藏维度大小
7,168
层数
61
FFN 中间层大小（稠密层）
2,048
多 Token 预测头数
0
分词器
词汇量大小
163,840
混合专家
专家参数总数
32.0B
专家数量
384
活跃专家
9
共享专家数
1
FFN 中间层大小（每专家）
2,048
MoE 前的稠密层数
1
关于 Kimi K2.6
Kimi K2.6 is Moonshot AI's latest open-source native multimodal agentic model, advancing practical capabilities in long-horizon coding, coding-driven design, proactive autonomous execution, and swarm-based task orchestration. It transforms simple prompts and visual inputs into production-ready interfaces and full-stack workflows, and can scale horizontally to 300 sub-agents executing 4,000 coordinated steps. Built on the same hybrid MoE architecture as Kimi K2.5 with a dedicated MoonViT vision encoder.
其他 Kimi K2.6 模型
- 没有相关模型