同步自 OpenRouter · 400 个模型 · source=openrouter · 2026-08-10T01:43:31.987Z
Kimi K2.6
moonshotai/kimi-k2.6
Kimi K2.6是Moonshot AI推出的下一代多模态模型，专注于长程编码、编码驱动的UI/UX生成以及多Agent编排。它能处理Python、Rust、Go等语言的复杂端到端编码任务，并将提示和视觉输入转化为生产就绪的界面。其Agent群架构可扩展至数百个并行子Agent，实现自主任务分解，一次运行即可交付文档、网站和电子表格，无需人工监督。支持文本、图像和视频输入，上下文窗口达262K tokens，适用于复杂软件工程和自主Agent任务。以厂商/网关为准。
Moonshot AI下一代多模态长上下文编码与多Agent编排模型
Kimi / Moonshot
Moonshot AI · 知识库 159 模 / 31 族
Moonshot AI下一代多模态长上下文编码与多Agent编排模型
Kimi K2.6是Moonshot AI推出的下一代多模态模型，专注于长程编码、编码驱动的UI/UX生成以及多Agent编排。它能处理Python、Rust、Go等语言的复杂端到端编码任务，并将提示和视觉输入转化为生产就绪的界面。其Agent群架构可扩展至数百个并行子Agent，实现自主任务分解，一次运行即可交付文档、网站和电子表格，无需人工监督。支持文本、图像和视频输入，上下文窗口达262K tokens，适用于复杂软件工程和自主Agent任务。以厂商/网关为准。
月之暗面 Kimi 系列，以长上下文与 Agent 能力见长。
Kimi K2.6 is Moonshot AI's next-generation multimodal model, designed for long-horizon coding, coding-driven UI/UX generation, and multi-agent orchestration. It handles complex end-to-end coding tasks across Python, Rust, and Go, and...
- Moonshot AI下一代多模态长上下文编码与多Agent编排模型
- 归并版本 9 个
- K2.6版本，约1T参数MoE架构（32B激活），上下文262K tokens，2026年4月发布
适用场景
- 复杂编码与软件开发
- 多模态UI/UX设计
- 自主Agent系统构建
能力 / 优势
- 长程编码
- 多模态视觉到代码/UI生成
- 多Agent编排与任务分解
- 端到端软件工程自动化
边界 / 不适合
- 短文本简单问答
- 高实时性低延迟场景
接入提示：OpenAI兼容API，通过OpenRouter使用ID moonshotai/kimi-k2.6接入；支持网关倍率查询与测速。
常见问题
上下文窗口多大？
262K tokens。
支持哪些模态？
文本、图像、视频输入。
主要适用场景？
长程编码、多Agent编排和多模态生成。
历史版本 / 相关变体
| 版本 | 模型 | 参数 | 来源 | 说明 |
|---|---|---|---|---|
| — | Kimi K3 moonshotai/kimi-k3 | — | OpenRouter | |
| — | Kimi K2.7 Code moonshotai/kimi-k2.7-code | — | OpenRouter | |
| — | Kimi K2.7 Code (batch) moonshotai/kimi-k2.7-code:batch | — | OpenRouter | |
| — | MoonshotAI Kimi Latest ~moonshotai/kimi-latest | — | OpenRouter | |
| —当前 | Kimi K2.6 moonshotai/kimi-k2.6 | — | OpenRouter | |
| — | Kimi K2.5 moonshotai/kimi-k2.5 | — | OpenRouter | |
| — | Kimi K2 Thinking moonshotai/kimi-k2-thinking | — | OpenRouter | |
| — | Kimi K2 0905 moonshotai/kimi-k2-0905 | — | OpenRouter | |
| — | Kimi K2 0711 moonshotai/kimi-k2 | — | OpenRouter |
定价与限制
| 输入 | $0.580 / 百万 tokens |
| 输出 | $2.44 / 百万 tokens |
| 缓存读 / 写 | $0.098 / — |
| 最大输出 | 262k |
| 输入模态 | text, image |
| 输出模态 | text |
| HF | moonshotai/Kimi-K2.6 |
支持参数
价格与基准分优先同步自 OpenRouter；网关短 ID 由本站平台清单补全，介绍/历史版本融合 Hugging Face 检索与家族知识库。能力验真请用 bench_v1 实验室 · OCR 天梯。
关于本页实体
Kimi K2.6：怎么用本页做决策
Kimi K2.6 模型页汇总价格、上下文与能力线索，并与天梯/排行联动。
深度解读见相关指南；跑分与挂价会更新，请以当日快照为准。
相关指南
- 2026 最新模型天梯实测：Claude Opus 5、GPT-5.6 Sol、Grok-3 与 Kimi K3 路由策略 — 基于 SWE-Bench、ARC-AGI 与长上下文 Agent 任务的跨模型基准对比，结合价格、上下文长度与本地/云部署可行性，提供 2026 年最优路由决策
- 2026 Grok 编码模型天梯：性价比与选型实战榜 — 聚焦Grok Build 0.1编码代理天梯，实测多场景性价比、上下文长度与工具调用稳定性；对比主流模型，提供工程选型清单与硬件适配建议。
- 2026 GrokCode vLLM 本地部署生产清单：并发、显存、量化与模型天梯实战 — vLLM本地部署生产级配置全指南，聚焦并发处理能力、显存优化、量化策略与编码模型天梯性价比对比。结合GrokCode实验室实测数据，提供工程可核验的硬件搭配方案
- Grok / xAI 模型天梯在 vLLM 本地部署的性价比排行榜 — 2026年 GrokCode 模型天梯在 vLLM 本地部署场景下的编码模型排行榜，覆盖 70B 级 TCO 实测、量化策略与业务选型路径。
- 本地部署 70B 模型天梯：TCO 实测与电费卡费量化 — GrokCode 针对 70B 级别本地部署的算力账单化方案，涵盖电费、硬件卡费、量化策略实测数据与 vLLM 生产清单，助力模型天梯性价比选型。
- 编码模型天梯怎么读：Grok 4.5 性价比榜与业务选型实战 — 2026 年最新 Grok 4.5 / Grok 4.20 编码模型天梯拆解：BenchAlign v5、LM Arena、HighWalk 实测数据 + 与
- Ollama 到 vLLM 生产升级：硬件门槛与推理性能天梯 — 本地部署模型天梯实测：Ollama 原型 vs vLLM 生产，显存量化与并发实测
- Qwen 2.5 本地部署 vLLM 实战：硬件配置与推理速度天梯 — Qwen 系列模型通过 vLLM 本地部署的硬件档位选择、量化策略与实际推理速度对比，助力开发者快速进入模型天梯实验室。
常见问题
- Kimi K2.6 的价格与能力数据从哪来？
- 公开目录、官方价表与本站监测/天梯快照。账单以官方或供应商当日为准。
主题柱
slug：moonshotai/kimi-k2.6 · 主题柱讲方法，实时数字以本页表格为准
站内推荐
同系工具：Clavue CLI / imux IDE / clavue-2.1
Clavue · CLI 与 Agent 平台
CLI / GUI Agent 运行时、设备登录、会员额度与 OpenAI 兼容 API（api.clavue.com）。开发脚本、CI 与本地工具一条链路。
打开 Clavue ↗imux · 原生 macOS AI IDE
Clavue 平台的原生 IDE：多 Agent 分屏、Ghostty 级终端、Agent Chat、浏览器自动化与 Supervisor——不是又一个 Electron 壳。
了解 imux ↗Clavue 2.1 · 产品级大模型
旗舰模型 clavue-2.1（及 fast / pro / rev）：适合复杂推理与长程 Agent 循环。Chat、imux、API 共用会员额度。
查看模型 ↗