CONFIRMÉCertitude de la date: CONFIRMÉAnnoncé comme fermeAvec quelle fermeté la source formule la date : confirmée, programmée, estimée, reportée ou non vérifiée.Voir toutes les épingles CONFIRMÉCONFIANCE 82 %Confiance globale: 82%Dans quelle mesure la source et les références du pin étayent ses dates.Moyenne pondérée de la fermeté avec laquelle 6 références, source comprise, étayent les heures de début et de fin de l’épingle ; une référence compte moitié moins pour chaque tranche de 180 jours d’ancienneté par rapport à la plus récenteAfficher toutes les épingles à 75 % de confiance ou plus
Le blog technique de Moonshot[3] dit "We are open sourcing our latest model, Kimi[1] K2.6" et "is now available" ; le README de Hugging Face[2] est devenu public le 2026-04-20, OpenRouter[4] a référencé kimi-k2.6 le même jour et l'article de NYU[6] indique "released Kimi K2.6 on April 20, 2026", tandis que DataNorth[5] donne le 21 avril.- Début
- 20 avr. 2026CONFIANCE 90 %selon la source
Sortie de Kimi K2.6
Traduit automatiquement de l’original
Titre original: Kimi K2.6 Released
Moonshot AI publie en open source Kimi K2.6, un modèle multimodal à mélange d'experts de 1 000 milliards de paramètres dont 32 milliards actifs, avec une fenêtre de contexte de 256K tokens et des essaims d'agents allant jusqu'à 300 sous-agents exécutant 4,000 étapes coordonnées.
- Moonshot AI a publié Kimi K2.6 en open source le 20 avril 2026, "featuring state-of-the-art coding, long-horizon execution, and agent swarm capabilities", sur Kimi.ai, l'appli Kimi, l'API et Kimi Code, avec des poids sur Hugging Face sous une licence MIT modifiée[1][2]
- Son Agent Swarm passe des 100 sous-agents et 1,500 étapes de K2.5 à 300 sous-agents sur 4,000 étapes coordonnées, et un mode "Claw Groups" en préversion de recherche permet à des agents de n'importe quel appareil ou modèle de rejoindre un essaim partagé[1]
- Démonstrations d'exécution de longue durée de Moonshot : une exécution de 12 heures et 4,000 appels qui a écrit l'inférence de Qwen3.5-0.8B en Zig et fait passer le débit d'environ 15 à 193 tokens par seconde, et une refonte de 13 heures d'un moteur d'appariement vieux de huit ans qui a augmenté le débit moyen de 185%[1]
- Un agent interne basé sur K2.6 a fonctionné de manière autonome pendant 5 jours en gérant la surveillance et la réponse aux incidents, et des partenaires comme Vercel ont signalé un gain de plus de 50% sur leur benchmark Next.js par rapport à K2.5[1]
- Le tableau tarifaire de Moonshot indique désormais $0.16 par million de tokens d'entrée en cache, $0.95 en entrée et $4.00 en sortie ; DataNorth rapportait $0.60 en entrée et $4.00 en sortie au lancement[3][5]
Principales fonctionnalités
- 1T de paramètres au total et 32B actifs, 384 experts dont 8 choisis par token, attention MLA, un encodeur de vision MoonViT de 400M et un contexte de 256K tokens[2]
- Résultats de Moonshot en mode réflexion : HLE-Full avec outils 54.0 (GPT-5.4 52.1, Opus 4.6 53.0), SWE-Bench Pro 58.6, SWE-Bench Verified 80.2, Terminal-Bench 2.0 66.7, BrowseComp 83.2 et DeepSearchQA F1 92.5[2]
- En raisonnement, il est plus proche de ses rivaux qu'en avance : AIME 2026 96.4 contre 99.2 pour GPT-5.4, et GPQA-Diamond 90.5 contre 94.3 pour Gemini 3.1 Pro[2]
- Conception pilotée par le code à partir d'un seul prompt, jusqu'à de simples applications full-stack, mesurée sur un nouveau Kimi Design Bench interne[1]
- Des compétences extraites de PDF, de feuilles de calcul, de présentations et de fichiers Word afin qu'un essaim puisse reproduire leur format plus tard[1]