Kimi K2.6：推进开源编码
来自 Kimi Blog · 期号 2026-04-20
摘要
Moonshot AI 开源了 Kimi K2.6，主打长程编码与 agent swarm 能力。 在 Rust 金融引擎优化任务中，模型自主运行 13 小时、迭代 12 种策略、修改 4000 多行代码，将吞吐量从 0.43 提升至 1.24 MT/s（+185%）。在另一项 Zig 推理部署任务中，它连续执行 12 小时、调用 4000 多次工具，最终吞吐量比 LM Studio 快约 20%。 Agent Swarm 架构从 K2.5 的 100 个子 agent、1500 步扩展至 300 个子 agent、4000 步并行执行。K2.6 还支持将 PDF、表格、幻灯片等文件转化为可复用的 Skill。 多位 beta 测试者（Augment CTO、CodeBuddy 团队、Vercel AI PM 等）称其在长程稳定性与指令遵循上明显优于 K2.5。Vercel 的 Next.js 基准测试中提升超过 50%。
深读
导读 Moonshot AI 正式开源了其最新模型 Kimi K2.6，核心亮点在于长程编码执行与 Agent Swarm 架构的显著升级。如果你正在为复杂工程任务寻找一个能自主运行数小时、稳定调用数千次工具的模型，或是关注开源模型在 agent 工作流上的边界，这篇技术博客值得一读。它用多个具体案例和 beta 测试者的量化反馈，展示了 K2.6 在长程稳定性、指令遵循和并行协作上的实际提升。 关键信息 - 在 Rust 金融引擎优化任务中，K2.6 自主运行 13 小时，迭代 12 种优化策略，修改超过 4000 行代码，将中等吞吐量从 0.43 提升至 1.24 MT/s（+185%），性能吞吐量从 1.23 提升至 2.86 MT/s（+133%）。 - 在另一项 Zig 推理部署任务中，K2.6 连续执行 12 小时，调用超过 4000 次工具，经过 14 次迭代，将吞吐量从约 15 tokens/sec 提升至约 193 tokens/sec，最终速度比 LM Studio 快约 20%。 - Agent Swarm 架构从 K2.5 的 100 个子 agent、1500 步扩展至 300 个子 agent、4000 步并行执行。 - CodeBuddy 内部评估显示，K2.6 相比 K2.5 代码生成准确率提升 12%，长上下文稳定性提升 18%，工具调用成功率达到 96.60%。 - Vercel AI 的 PM 表示，K2.6 在其 Next.js 基准测试上相比 K2.5 提升超过 50%，成为平台上表现最好的模型之一。 逐节讲解 长程编码能力 K2.6 在跨语言（Rust、Go、Python）和跨任务（前端、DevOps、性能优化）的长程编码任务上表现出可靠的泛化能力。博客通过两个具体工程案例展示了这一点：一是用 Zig 语言（一种小众编程语言）在 Mac 上本地部署并优化 Qwen3.5-0.8B 模型的推理，最终吞吐量比 LM Studio 快约 20%；二是对已有 8 年历史的开源金融撮合引擎 exchange-core 进行自主重构，通过分析 CPU 和分配火焰图定位瓶颈，并重新配置核心线程拓扑（从 4ME+2RE 改为 2ME+1RE），在引擎已接近性能极限的情况下实现了吞吐量的大幅跃升。 编码驱动的设计与前端能力 基于强大的编码能力，K2.6 能将简单提示转化为完整的前端界面，包括结构化的布局、交互元素和滚动触发动画。它还能利用图像和视频生成工具，生成视觉上连贯的素材。此外，K2.6 的能力从静态前端扩展到了轻量级的全栈工作流，涵盖认证、用户交互和数据库操作。博客提到，在内部 Kimi Design Bench 上，K2.6 在视觉输入任务、落地页构建、全栈应用开发和通用创意编程四个类别中，与 Google AI Stud…