CONFERMATOAffidabilità della data: CONFERMATOIndicato come definitivoQuanto la fonte è netta sulla data: confermata, programmata, stimata, rinviata o non verificata.Mostra tutti i pin CONFERMATOAFFIDABILITÀ 82%Affidabilità complessiva: 82%Quanto la fonte e le altre fonti del pin ne confermano le date.Media ponderata di quanto 6 fonti, compresa quella principale, confermano gli orari di inizio e fine del pin; una fonte conta la metà per ogni 180 giorni in più rispetto alla più recenteMostra tutti i pin con affidabilità pari o superiore al 75%
Il blog tecnico di Moonshot[3] dice "We are open sourcing our latest model, Kimi[1] K2.6" e "is now available"; il README su Hugging Face[2] è diventato pubblico il 2026-04-20, OpenRouter[4] ha elencato kimi-k2.6 lo stesso giorno e l'articolo della NYU[6] afferma "released Kimi K2.6 on April 20, 2026", mentre DataNorth[5] indica il 21 aprile.- Inizio
- 20 apr 2026AFFIDABILITÀ 90%da la fonte
Rilasciato Kimi K2.6
Tradotto automaticamente dall’originale
Titolo originale: Kimi K2.6 Released
Moonshot AI rilascia in open source Kimi K2.6, un modello multimodale mixture-of-experts da 1 trilione di parametri con 32 miliardi attivi, una finestra di contesto da 256K token e sciami di agenti fino a 300 sub-agenti che eseguono 4,000 passaggi coordinati.
- Moonshot AI ha reso open source Kimi K2.6 il 20 aprile 2026, "featuring state-of-the-art coding, long-horizon execution, and agent swarm capabilities", su Kimi.ai, nell'app Kimi, nell'API e in Kimi Code, con pesi su Hugging Face con una licenza MIT modificata[1][2]
- Il suo Agent Swarm passa dai 100 sub-agenti e 1,500 passaggi di K2.5 a 300 sub-agenti su 4,000 passaggi coordinati, e una modalità "Claw Groups" in anteprima di ricerca permette ad agenti di qualsiasi dispositivo o modello di unirsi a uno sciame condiviso[1]
- Le dimostrazioni di esecuzione a lungo orizzonte di Moonshot: una sessione di 12 ore e 4,000 chiamate che ha scritto l'inferenza di Qwen3.5-0.8B in Zig e portato il throughput da circa 15 a 193 token al secondo, e una revisione di 13 ore di un motore di matching vecchio di otto anni che ha aumentato il throughput medio del 185%[1]
- Un agente interno basato su K2.6 ha operato in autonomia per 5 giorni gestendo monitoraggio e risposta agli incidenti, e partner come Vercel hanno segnalato un miglioramento di oltre il 50% sul loro benchmark Next.js rispetto a K2.5[1]
- La tabella prezzi di Moonshot ora indica $0.16 per milione di token di input in cache, $0.95 di input e $4.00 di output; DataNorth ha riportato $0.60 di input e $4.00 di output al lancio[3][5]
Funzionalità principali
- 1T di parametri totali e 32B attivi, 384 esperti con 8 scelti per token, attenzione MLA, un encoder visivo MoonViT da 400M e un contesto da 256K token[2]
- Risultati di Moonshot in modalità thinking: HLE-Full con strumenti 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 e DeepSearchQA F1 92.5[2]
- Nel ragionamento è più vicino ai rivali che in vantaggio: AIME 2026 96.4 contro il 99.2 di GPT-5.4, e GPQA-Diamond 90.5 contro il 94.3 di Gemini 3.1 Pro[2]
- Design guidato dal codice a partire da singoli prompt, fino ad app full-stack semplici, misurato su un nuovo Kimi Design Bench interno[1]
- Skill estratte da PDF, fogli di calcolo, presentazioni e file Word così che uno sciame possa riprodurne il formato in seguito[1]