Kimi K2.6: scheda del modello AI open source di Moonshot AI
Caratteristiche, benchmark e casi d'uso del modello multimodale a 1T parametri rilasciato nell'aprile 2026 da Moonshot AI.
Cos'è
Kimi K2.6 (spesso indicato semplicemente come Kimi 2.6) è un modello di intelligenza artificiale generativa sviluppato da Moonshot AI, azienda cinese con sede a Pechino. È stato annunciato il 20 aprile 2026 come evoluzione della famiglia Kimi K2. A differenza dei modelli chiusi, Moonshot ha rilasciato i pesi di K2.6 con una licenza permissiva (Modified MIT), rendendolo disponibile per ricerca, sviluppo e uso commerciale.
K2.6 è un modello frontier aperto, progettato per essere usato sia come chatbot generale che come motore per applicazioni complesse: coding di lungo orizzonte, agenti autonomi, analisi di documenti estesi e compiti che richiedono ragionamento multi-step. È nativamente multimodale, il che gli permette di accettare input testuali e visivi (immagini e video) senza passare attraverso moduli esterni di estrazione.
A cosa serve / dove eccelle
Kimi K2.6 è posizionato su tre aree principali:
- Coding e ingegneria del software: il modello è ottimizzato per sessioni di programmazione prolungate, refactoring di codebase esistenti, debug e generazione di progetti full-stack. Moonshot lo propone anche come base per Kimi Code, l'assistente di programmazione integrato nel proprio ecosistema.
- Agenti autonomi e swarm: K2.6 supporta flussi di lavoro in cui più sotto-agenti collaborano per ore o giorni, eseguendo chiamate a strumenti, navigazione web e gestione di stato.
- Analisi di contesti lunghi: grazie alla finestra di contesto molto ampia, eccelle nel riassumere documenti, rapporti, contratti e ricerche che superano la capacità di modelli con contesti più ridotti.
Rispetto al precedente K2.5, Moonshot segnala miglioramenti concreti su benchmark come SWE-Bench Pro, Terminal-Bench 2.0 e BrowseComp, suggerendo un progresso misurabile nelle capacità di coding e agentic.
Caratteristiche e specifiche
Le specifiche tecniche rilasciate da Moonshot AI e riportate nella documentazione ufficiale includono:
- Architettura: Mixture-of-Experts (MoE) con 1 trilione di parametri totali e 32 miliardi di parametri attivati per token.
- Esperti: 384 esperti totali, di cui 8 selezionati per token e 1 esperto condiviso.
- Livelli: 61 layer complessivi, di cui 1 dense layer.
- Meccanismo di attenzione: Multi-head Latent Attention (MLA), che riduce l'occupazione di memoria durante l'inferenza su contesti lunghi.
- Encoder visivo: MoonViT da 400 milioni di parametri per l'elaborazione nativa di immagini e video.