Kimi K2.6 ist ein offenes, multimodales Modell von Moonshot AI für lange Coding-Aufgaben und Agenten. Es versteht Text, Bilder und Videos und kann als Agent Swarm bis zu 300 Sub-Agenten mit zusammen 4.000 Arbeitsschritten koordinieren. Gegenüber Kimi K2.5 legt es vor allem bei Agenten zu, etwa bei Toolathlon von 27,8 auf 50,0.
Technisch ist K2.6 ein Mixture-of-Experts-Modell (MoE) mit einer Billion Parametern, von denen je verarbeitetem Textbaustein (Token) nur 32 Milliarden aktiv sind. Die Gewichte liegen nativ in INT4 vor und laufen auf einem Server mit acht H200. Das Modell arbeitet wahlweise mit Denkphase oder antwortet direkt und steht unter einer modifizierten MIT-Lizenz.
Kimi K2.6
Moonshot AI
April 2026
Modifizierte MIT-Lizenz: Bei kommerziellen Produkten mit mehr als 100 Mio. monatlich aktiven Nutzern oder mehr als 20 Mio. US-Dollar Monatsumsatz muss „Kimi K2.6“ sichtbar in der Oberfläche stehen.
MoE, nativ multimodal (Text, Bild, Video), Denkmodus und schneller Modus
1 Bio. total (32 Mrd. aktiv pro Token), dazu Vision-Encoder MoonViT mit 400 Mio.
MoE mit Multi-head Latent Attention (MLA), Architektur wie Kimi K2.5
61 (davon 1 dichte Schicht)
384 Experten, 8 aktiv je Token, 1 geteilter Experte
256.000 Token
Das Modell mit nativen INT4-Gewichten, Denkmodus und schnellem Modus. Der Denkverlauf lässt sich optional über alle Runden erhalten.
Kimi K2.7 Code ist eine auf Coding spezialisierte Weiterentwicklung mit rund 30 Prozent weniger Denk-Token, allerdings ohne schnellen Modus.
| Benchmark | Kimi K2.6 | GPT-5.4 (xhigh) | Claude Opus 4.6 (max) | Gemini 3.1 Pro (high) | Kimi K2.5 |
|---|---|---|---|---|---|
| HLE-Full (mit Tools) | 54,0 | 52,1 | 53,0 | 51,4 | 50,2 |
| BrowseComp | 83,2 | 82,7 | 83,7 | 85,9 | 74,9 |
| DeepSearchQA (F1) | 92,5 | 78,6 | 91,3 | 81,9 | 89,0 |
| Toolathlon | 50,0 | 54,6 | 47,2 | 48,8 | 27,8 |
| APEX-Agents | 27,9 | 33,3 | 33,0 | 32,0 | 11,5 |
| Terminal-Bench 2.0 (Terminus-2) | 66,7 | 65,4* | 65,4 | 68,5 | 50,8 |
| SWE-Bench Pro | 58,6 | 57,7 | 53,4 | 54,2 | 50,7 |
| SciCode | 52,2 | 56,6 | 51,9 | 58,9 | 48,7 |
| HLE-Full | 34,7 | 39,8 | 40,0 | 44,4 | 30,1 |
| AIME 2026 | 96,4 | 99,2 | 96,7 | 98,3 | 95,8 |
| GPQA-Diamond | 90,5 | 92,8 | 91,3 | 94,3 | 87,6 |
| MMMU-Pro | 79,4 | 81,2 | 73,9 | 83,0* | 78,5 |
Quelle: offizielle Model Card zu Kimi K2.6 (Moonshot AI, April 2026). Angaben in Prozent, gemessen im Denkmodus. Mit * markierte Werte hat Moonshot selbst nachgemessen.
Agentisches, multimodales Kimi-Modell für einen Server mit acht H200. Wir prüfen mit Ihnen Nutzen, Auslegung und Betriebskosten.
Moonshot AI veröffentlicht für K2.6 keine eigenen Angaben zu den Trainingsdaten. Das Modell teilt die Architektur von Kimi K2.5, das auf dem Basismodell von Kimi K2 mit rund 15 Billionen gemischten Text- und Bild-Token weitertrainiert wurde. Die native INT4-Quantisierung übernimmt K2.6 von Kimi K2 Thinking.
Kimi K2.6 eignet sich für Organisationen, die vielseitige Agenten mit einem offenen, multimodalen Modell selbst betreiben wollen. In einer KI-Beratung prüfen wir mit Ihnen, ob K2.6 oder K2.7 Code besser passt.
Stark bei Agenten: Bei HLE-Full mit Tools (54,0) und DeepSearchQA (92,5) vor allen Vergleichsmodellen der Tabelle.
Stark bei SWE-Bench Pro: Mit 58,6 vor GPT-5.4, Claude Opus 4.6 und Gemini 3.1 Pro.
Agent Swarm: Bis zu 300 Sub-Agenten arbeiten parallel an einer Aufgabe.
Überschaubare Hardware: Läuft laut Moonshot auf einem Server mit acht H200.
Kommerziell nutzbar: Modifizierte MIT-Lizenz mit Namensnennung erst bei sehr großen Produkten.
Schwächer bei Wissen und Mathematik: Bei HLE-Full, AIME 2026 und GPQA-Diamond liegen alle proprietären Vergleichsmodelle vorn.
Nicht in allen Agenten-Tests vorn: Bei Toolathlon und APEX-Agents führt GPT-5.4.
Video nur über die API: Die Videoeingabe ist experimentell und nur über die offizielle API verfügbar.
Websuche im Denkmodus eingeschränkt: Über die Kimi-API ist das Suchwerkzeug nicht mit dem Denkmodus kombinierbar.
Wir planen die Cluster-Auslegung für Kimi K2.6, übernehmen Inbetriebnahme, Quantisierung und Betrieb und hosten das Modell auf Wunsch DSGVO-konform in unserem zertifizierten Rechenzentrum in Limburg an der Lahn.
Im Agent Swarm verteilt das Modell eine große Aufgabe auf bis zu 300 Sub-Agenten, die parallel arbeiten. Zusammen sind bis zu 4.000 koordinierte Schritte möglich, beim Vorgänger K2.5 waren es 100 Sub-Agenten und 1.500 Schritte.
Die Gewichte liegen nativ in INT4 vor und umfassen rund 595 GB. Moonshot AI zeigt den Betrieb auf einem Server mit acht H200, auf die das Modell per Tensor-Parallelität aufgeteilt wird.
Die Architektur ist gleich, K2.6 ist aber deutlich stärker als Agent, etwa bei Toolathlon mit 50,0 statt 27,8 und bei SWE-Bench Pro mit 58,6 statt 50,7. Mehr zum Vorgänger auf unserer Seite zu Kimi K2.5.
Ja. Code und Gewichte stehen unter einer modifizierten MIT-Lizenz. Die einzige Auflage: Hat Ihr Produkt mehr als 100 Millionen monatlich aktive Nutzer oder mehr als 20 Millionen US-Dollar Monatsumsatz, muss „Kimi K2.6“ sichtbar in der Oberfläche stehen.
Ja. Über unsere GPU Cloud stellen wir die nötige Rechenleistung bereit. Alternativ bündelt der MaaS Proxy verschiedene Modelle über eine einheitliche Schnittstelle. Beide Wege betreiben wir DSGVO-konform in Deutschland.
Möchten Sie individuell beraten werden?
Unsere KI-Experten sind für Sie da!
