今天，月之暗面正式开源了其最新的代码模型 Kimi K2.6。
该模型在多项编程与智能体基准测试中表现突出，超越了包括 GPT-4o 和 Claude 3.5 Sonnet 在内的主流闭源模型。同时，K2.6 在长时程编码与大规模智能体协作方面展现了显著的能力提升。
基准测试表现
在编程与智能体相关的基准测试中，K2.6 均取得了领先的成绩。
除了编码与智能体任务，K2.6 在推理与视觉任务上也表现不俗：
* Toolathlon: 50.0
* MathVision w/ Python: 93.2
* Charxiv w/ Python: 86.7
社区用户将其与多个先进模型进行了对比，认为 K2.6 是一个综合性能优异的模型。
长时程编程：连续编码12小时
K2.6 在长时程代码任务上实现了突破。面对 Rust、Go、Python 等不同语言以及前端、运维等多样化场景，K2.6 展现了可靠的泛化能力。
在一项官方挑战中，K2.6 在本地环境下，历时 12 小时，通过 14 轮 迭代和超过 4000 次 工具调用，完成了下载并部署 Qwen3.5-0.8B 模型的任务。过程中，它选择使用 Zig 语言 重新实现并优化推理过程，最终将吞吐量从 15 tokens/s 提升至 193 tokens/s，性能优于知名工具 LM Studio。
在另一项针对开源金融引擎 exchange-core 的深度优化任务中，K2.6 通过分析性能火焰图，在 13 小时 的连续作业中修改了 4000 多行 核心代码，调整了线程拓扑结构，最终将系统中位吞吐量提升了 185%，峰值吞吐量提升了 133%。
前端设计能力
K2.6 具备进阶的多模态编程能力，能够根据图像或视频素材生成对应的网页代码，实现设计想法的快速落地。
月之暗面创建了前端开发设计评测标准 Kimi Design Bench，涵盖视觉输入、落地页构建、全栈应用开发等维度。在该评测中，K2.6 相较于 Google AI Studio 中的 Gemini 3 模型展现出了明显优势。
大规模智能体集群
K2.6 的智能体协作规模得到了大幅扩展，最多可协调 300 个 子智能体并行执行多达 4000 个 协作步骤。智能体集群能够动态分解复杂任务，并调度具备不同技能的智能体互补工作。
在一次实测展示中，面对分析全球 100 个半导体标的的任务，智能体集群自主设计并执行了 5 套量化策略，最终生成了专业的分析模型表格和全套汇报演示文稿。
与智能体框架的协同
K2.6 的开发加强了对 OpenClaw/Hermes 等智能体框架的适配，在需要长期自主运行的任务中表现更为稳定。官方测试显示，基于 K2.6 的智能体能够 连续自主运行 5 天，其 API 调用在精准度、稳定性和安全性上均有提升。
在月之暗面内部的智能体基准测试 Claw Bench 中，K2.6 的综合性能比 K2.5 提升了 10%。
探索：智能体群组协调
月之暗面正在小范围测试一个名为“Claw群组”的新功能。该功能允许运行在不同环境、基于不同模型的智能体加入同一个协作群组，每个智能体可携带专属工具和记忆。在此架构中，K2.6 扮演核心协调者的角色，负责任务分配、进度监控与异常处理。
结语
Kimi K2.6 的发布，标志着在多个核心的编码与智能体基准测试上，开源模型首次实现了对顶尖闭源模型的全面超越。它将先进的自主智能体能力推向开源社区，有望降低技术应用门槛并加速行业创新。
关注“鲸栖”小程序，掌握最新AI资讯
本文来自网络搜集，不代表鲸林向海立场，如有侵权，联系删除。转载请注明出处：https://www.itsolotime.com/archives/31337
