Moonshot publie Kimi K2.6 en open source : 300 sous-agents et 13 heures de code autonome

Moonshot AI a publié en accès libre Kimi K2.6, la mise à jour de son modèle phare pour la programmation et les scénarios agentiques. Le modèle fonctionne déjà dans Kimi.ai, dans l'application mobile, via l'API et dans Kimi Code. L'argument central des auteurs : K2.6 peut mener une tâche d'ingénierie pendant des heures sans intervention humaine. Dans l'une des démos, en 12 heures et plus de 4000 appels d'outils, elle a fait passer la vitesse d'un moteur d'inférence maison de ~15 à ~193 tokens par seconde. Dans le même temps, l'essaim d'agents est passé de 100 à 300 sous-agents.

Du code sur la longue durée

Le premier cas est exotique. K2.6 a téléchargé Qwen3.5-0.8B sur un Mac et implémenté l'inférence en Zig, un langage très peu représenté dans les données d'entraînement. En 14 itérations, le débit est passé de ~15 à ~193 tokens/s, soit environ 20% de plus que LM Studio. Moonshot parle de généralisation hors distribution, et l'exemple est effectivement parlant, à condition de le tenir pour honnête.

Le second cas est plus proche de la production. Le modèle s'est attaqué à exchange-core, un moteur open source d'appariement d'ordres vieux de 8 ans. En 13 heures, il a testé 12 stratégies d'optimisation, effectué plus de 1000 appels d'outils et modifié plus de 4000 lignes de code. Pour repérer les goulots d'étranglement, il a lu des flame graphs du CPU et des allocations, puis a reconfiguré la topologie des threads de 4ME+2RE à 2ME+1RE. Résultats, selon les auteurs :

• le medium throughput a augmenté de 185%, de 0,43 à 1,24 MT/s ;
• le performance throughput a augmenté de 133%, de 1,23 à 2,86 MT/s ;
• le moteur tournait déjà près de ses limites avant l'optimisation.

Les retours des partenaires dressent un tableau plus mesuré. Dans ses propres tests, CodeBuddy constate +12% de précision dans la génération de code, +18% de stabilité sur contexte long et 96,60% d'appels d'outils réussis. Une plateforme qui sert le modèle via AI Gateway enregistre plus de 50% de gain sur son propre benchmark Next.js. Un autre partenaire indique +15% sur ses tests. Tous ces chiffres proviennent de jeux de données internes aux entreprises partenaires. On ne peut pas les comparer entre eux, et il n'existe pour l'instant aucune vérification indépendante.

Un essaim de 300 agents et Claw Groups

Le volet agentique de la version repose sur Agent Swarm. Le système découpe une tâche en sous-tâches hétérogènes et les confie à des agents qu'il crée lui-même. Dans K2.6, l'essaim monte jusqu'à 300 sous-agents et 4000 étapes coordonnées, contre 100 et 1500 pour K2.5. Résultat annoncé pour une seule exécution autonome : documents, sites web, présentations et tableurs produits ensemble. Le modèle sait transformer n'importe quel bon PDF, tableur ou fichier Word en Skill, en conservant la structure et le style du document pour les tâches futures.

Pour les agents fonctionnant en continu, comme OpenClaw et Hermes, Moonshot décrit une expérience : l'équipe d'infrastructure RL a fait tourner pendant 5 jours sur K2.6 un agent chargé de la supervision, de la réaction aux incidents et de l'exécution des opérations, de l'alerte jusqu'à la résolution. La nouveauté s'appelle Claw Groups et sort en research preview.

Elle permet de connecter à un même espace de travail des agents tournant sur n'importe quel appareil et n'importe quel modèle, chacun avec ses compétences et sa mémoire. K2.6 joue le rôle de coordinateur : il répartit les tâches selon les profils de compétences, détecte les défaillances et réaffecte le travail.

En interne, c'est ainsi que fonctionne l'équipe marketing de l'entreprise, composée d'agents : Demo Makers, Benchmark Makers, Social Media Agents et Video Makers.

Comment vérifier en pratique

Moonshot a mené toutes ses comparaisons face à Claude Opus 4.6 (max effort), GPT-5.4 (xhigh) et Gemini 3.1 Pro (high thinking). Pour K2.6, les paramètres sont temperature 1.0, top-p 1.0 et un contexte de 262 144 tokens. Sur Humanity's Last Exam, dans le sous-ensemble textuel, le modèle obtient 36,4% sans outils et 55,5% avec. Il est raisonnable de revérifier sur vos propres tâches les résultats des benchmarks internes Kimi Code Bench, Kimi Design Bench et Claw Bench.

Si vous exécutez K2.6 chez un fournisseur tiers, consultez Kimi Vendor Verifier : Moonshot le recommande pour choisir des services offrant une grande précision. Pour reproduire les chiffres officiels, elle conseille de passer par l'API officielle. Les équipes qui construisent des pipelines agentiques ont intérêt à commencer par de longues tâches en plusieurs étapes, comme le refactoring ou le profilage. C'est là que le modèle creuse le plus l'écart avec K2.5, et le coût des tokens d'un modèle ouvert permet de faire tourner de telles sessions pendant des heures.