Kimi K2.6
MoonshotAiÉquilibré
RaisonnementOutilsVisionSortie structurée
À propos de ce modèle
Kimi K2.6 is Moonshot AI's next-generation multimodal model, designed for long-horizon coding, coding-driven UI/UX generation, and multi-agent orchestration. It handles complex end-to-end coding tasks across Python, Rust, and Go, and...
Catégorie de performance
Équilibré
Kimi K2.6 est un modèle équilibré de MoonshotAi : un bon compromis entre bonnes performances à un prix raisonnable.
Bon rapport coût-performance. Fiable pour la plupart des usages professionnels sans tarification premium.
Tarification
Ce modèle est inclus dans les plans ElosiaAbordable
Coût réduit. Adapté à un usage soutenu et aux interactions volumineuses.
| Type | par 1M tokens |
|---|---|
| Entrée (prompt) | $0.560 |
| Sortie (complétion) | $2.36 |
| Lecture cache | $0.094 |
Capacités
Taille du contexte262K
Tokens de sortie max262K
TokenizerOther
Entréetext, image
Sortietext
Date de sortie20 avril 2026
Benchmarks
Intelligence générale
MMLU
Non reporté
GPQA Diamond
90.5%
Mathématiques
MATH-500
Non reporté
AIME 2026
96.4%
Programmation
HumanEval
Non reporté
SWE-bench Verified
80.2%
SWE-bench Multilingual
76.7%
Raisonnement
Humanity's Last Exam
54%
Multimodalité
MMMU-Pro
79.4%
Agentique
SWE-bench Pro
58.6%
Terminal-Bench 2.0
66.7%
Où se situe Kimi K2.6 ?
Comparez son indice de performance à tous les autres modèles.
Usages recommandés
ProgrammationAnalyseRechercheChat général
Points forts
- Coding agentique au plus haut niveau — SWE-bench Verified 80,2 %
- MoE open-weight 1T (32B actifs) avec contexte 256K
- Raisonnement niveau recherche excellent (GPQA Diamond 90,5 %)
- Orchestration d'agents sur horizon long via agent swarm
Limites
- Évaluation officielle Moonshot axée sur l'agentique et le raisonnement — MMLU et MATH-500 ne font pas partie de la suite rapportée
- Écosystème occidental plus restreint que Claude ou GPT
- Remplacé par Kimi K3 comme flagship de Moonshot
Questions fréquentes
Ressources
Ce modèle peut utiliser vos données pour l'entraînement
