Moonshot открыла Kimi K2.6: 300 субагентов и 13 часов автономного кодинга

Moonshot AI выложила в открытый доступ Kimi K2.6, обновление своей флагманской модели для программирования и агентных сценариев. Модель уже работает в Kimi.ai, мобильном приложении, через API и в Kimi Code. Главный довод авторов: K2.6 способна часами вести инженерную задачу без вмешательства человека. В одном из демо она за 12 часов и более чем 4000 вызовов инструментов подняла скорость самодельного инференса с ~15 до ~193 токенов в секунду. Рой агентов при этом вырос со 100 до 300 субагентов.

Кодинг на длинной дистанции

Первый кейс экзотический. K2.6 скачала Qwen3.5-0.8B на Mac и реализовала инференс на Zig, языке с крошечной долей в обучающих данных. За 14 итераций пропускная способность выросла с ~15 до ~193 токенов/с, что примерно на 20% быстрее LM Studio. Moonshot называет это обобщением вне распределения, и пример действительно показателен, если считать его честным.

Второй кейс ближе к продакшену. Модель взялась за exchange-core, 8-летний открытый движок сопоставления ордеров. За 13 часов она перебрала 12 стратегий оптимизации, сделала более 1000 вызовов инструментов и изменила свыше 4000 строк кода. Для поиска узких мест она читала flame graph по CPU и аллокациям, а затем перестроила топологию потоков с 4ME+2RE до 2ME+1RE. Результат по заявлению авторов:

• medium throughput вырос на 185%, с 0,43 до 1,24 MT/s;
• performance throughput вырос на 133%, с 1,23 до 2,86 MT/s;
• движок и до этого работал близко к пределу своих возможностей.

Отзывы партнёров дают более приземлённую картину. CodeBuddy в своих тестах видит +12% к точности генерации кода, +18% к стабильности на длинном контексте и 96,60% успешных вызовов инструментов. Платформа, которая отдаёт модель через AI Gateway, фиксирует более 50% прироста на собственном бенчмарке по Next.js. Другой партнёр указывает +15% на своих тестах. Все эти цифры получены на внутренних наборах компаний-партнёров. Сравнивать их между собой нельзя, независимой проверки пока нет.

Рой из 300 агентов и Claw Groups

Агентная часть релиза строится на Agent Swarm. Система разбивает задачу на разнородные подзадачи и отдаёт их агентам, которых создаёт сама. В K2.6 рой масштабируется до 300 субагентов и 4000 согласованных шагов, тогда как у K2.5 было 100 и 1500. Заявленный результат за один автономный прогон: документы, сайты, презентации и таблицы вместе. Любой хороший PDF, таблицу или Word-файл модель умеет превращать в Skill, сохраняя структуру и стиль документа для будущих задач.

Для постоянно работающих агентов вроде OpenClaw и Hermes Moonshot приводит эксперимент: команда RL-инфраструктуры 5 дней держала на K2.6 агента, который вёл мониторинг, реагировал на инциденты и выполнял операции от алерта до решения. Новинка называется Claw Groups и вышла как research preview. В общий рабочий контур можно подключать агентов с любого устройства и на любой модели, каждого со своими навыками и памятью. K2.6 выступает координатором: распределяет задачи по профилям навыков, замечает сбои и переназначает работу. Внутри компании так работает маркетинговая команда из агентов, куда входят Demo Makers, Benchmark Makers, Social Media Agents и Video Makers.

Как это проверять на практике

Все сравнения Moonshot проводила с моделями Claude Opus 4.6 (max effort), GPT-5.4 (xhigh) и Gemini 3.1 Pro (high thinking). Для K2.6 использованы temperature 1.0, top-p 1.0 и контекст 262 144 токена. На Humanity's Last Exam в текстовом подмножестве модель набирает 36,4% без инструментов и 55,5% с ними. Результаты внутренних Kimi Code Bench, Kimi Design Bench и Claw Bench разумно перепроверить на своих задачах.

Если вы запускаете K2.6 через стороннего провайдера, смотрите Kimi Vendor Verifier: Moonshot рекомендует его для выбора сервисов с высокой точностью. Воспроизводить официальные цифры советуют через официальный API. Командам, которые строят агентные пайплайны, имеет смысл начать с длинных многошаговых задач вроде рефакторинга или профилирования. Именно в них модель показывает наибольший отрыв от K2.5, а стоимость токенов открытой модели позволяет гонять такие сессии часами.