杨植麟交卷，Kimi K2.6抢先开源，指挥300个Agent上岗，实测手搓3D格斗游戏

昨夜，大模型开源社区迎来一位重量级新成员：Kimi正式发布并开源了其旗舰模型K2.6。这次更新，堪称一次“肌肉秀”，将模型的代码能力、长程任务执行与Agent集群协作推向了新的高度。

官方公布的基准测试成绩单相当亮眼。在被誉为博士级难度的“人类最后的考试”（Humanity’s Last Exam）中，K2.6以54.0%的得分拔得头筹。更引人注目的是，在评估Agent深度检索能力的DeepSearchQA中，它以92.5%的高分大幅领先GPT-5.4和Gemini 3.1 Pro，甚至小幅超过了Claude Opus 4.6。此外，在考察真实软件工程能力的SWE-Bench Pro上，K2.6以58.6%的成绩，领先了所有闭源模型。

可以说，在通用智能、编程能力和视觉理解这几个核心赛道上，K2.6已经展现出了全面的综合竞争力。

当然，看数据也得看细节。在SWE-bench的多语言测试中，K2.6的表现略逊于Claude Opus 4.6和Gemini 3.1 Pro；而在Toolathlon这类复杂工具调度任务中，它虽然优于前两者，但仍排在GPT-5.4之后。另外，在MathVision等视觉测试中，与GPT-5.4相比也还存在追赶空间。

综合来看，K2.6在跨模态推理、工具调用以及长程任务执行这些关键维度上表现稳健，多项能力已经达到或非常接近顶尖闭源模型的水平。

最近这段时间，国内外大模型赛道可谓风起云涌。上周五，Anthropic发布了Claude Opus 4.7；昨天，阿里也放出了下一代旗舰模型Qwen3.6-Max-Preview的早期预览版；而备受期待的“开源猛兽”DeepSeek V4也随时可能降临。这一波旗舰模型的集体“上桌”，意味着行业格局的洗牌时刻，或许真的不远了。

回到K2.6本身，它的硬实力体现在哪？简单说，就是“耐力”和“复杂度”的突破。它能连续编码长达13小时，处理超过4000行的复杂代码，支持多语言前后端开发。更厉害的是，通过深度融合图像与视频生成工具，它已经能实现专业级的Web应用复刻和视觉焦点设计。官方示例显示，K2.6可以将复杂的图像和视频素材，直接转化为可运行的前端代码，复刻出经典的网页或动画交互场景。

此外，K2.6在Agent自主执行能力上大幅增强。由它驱动的Agent集群架构，现在可以支持多达300个子Agent并行协作，完成超过4000个步骤的任务。这种大规模并行化能力，使得任务完成度和交付质量相比前代K2.5有了显著提升。在Kimi内部的代码评测基准Kimi Code Bench中，K2.6的成绩提升了约20%。

在OpenClaw、Hermes Agent这类主动式Agent框架中，K2.6展现出了惊人的持久性，能够持续自主运行长达5天。内部测试显示，其综合性能较K2.5提升了10%，单次运行就能独立完成从文档到网页、PPT及表格的多产物端到端交付。

海外开发者的早期反馈也颇为积极。有开发者体验后表示，用K2.6进行网页和前端交互设计“体验极佳，几乎是现阶段最佳”，能够轻松驾驭代码、图像、视频和动画等多种素材。

还有用户对其生成的前端效果感到“令人惊叹”，认为这可能是目前同类工具中最强的体验。

也有技术开发者关注到了模型的开源细节，其BF16权重上传量达到595GB，在开源生态中无疑具备强大的竞争力。

当然，能力的提升也反映在成本上。在API定价方面，K2.6维持了分级计费模式，但价格相比K2.5有明显上调。具体来看，每百万Token的输入价格（缓存未命中）从4元涨至6.5元，涨幅约62.5%；缓存命中的输入价格从0.7元微调至1.1元；输出价格则从21元上调至27元。好在，它依然提供了262,144 Token的上下文窗口支持。

目前，Kimi的Agent模式已经内置了上百个官方推荐的技能，支持用户创建和调用自己的Skill。其Agent集群能够调度不同技能特长的Agent互补协作，将搜索、深度研究、文档分析和长文创作等能力组合起来，共同完成复杂的任务。

同时，Kimi团队还在探索一个名为“Claw群组”的新方向，目前正处于小范围内测阶段，这或许预示着未来人机协作的新形态。

01.手搓3D沙盒游戏、精绘像素鹈鹕，K2.6一手实测

光看数据不够直观，我们不妨通过两个颇具挑战性的创意案例，来实际感受一下K2.6的多模态与代码生成能力。

第一个案例，是要求它制作一个3D横版格斗游戏。

提示词：制作一个单文件HTML的3D横版格斗游戏，场景为被霸天虎入侵的破败城市地图，敌人为类人型赛博坦机器人，包含武器后坐力效果，采用低多边形风格并带有卡通美学。游戏开始时，玩家位于街道上，周围有建筑废墟；游戏中应包含可被击倒的细节物品，如汽车、树木、石块/瓦砾和自动售货机。玩家可以选择5种擎天柱阵营角色进行游戏，并与5种霸天虎变种敌人战斗，这些敌人会不断生成，游戏为无限时间的沙盒模式。

从生成结果看，K2.6在游戏逻辑与环境元素还原上相当出色。提示词中要求的汽车、废墟等环境细节都有不错的呈现，5种擎天柱阵营角色也如约登场。

不过，在空间坐标的理解上出现了一个小插曲——由于是“3D横版”，最终玩家角色的移动方式变成了上下移动，而非传统横版游戏中常见的左右移动，这疑似是提示词理解上出现了微妙的偏差。

第二个案例，是创建一个“骑自行车的鹈鹕”的3D像素艺术作品。

提示词：创建一个骑自行车的鹈鹕的3D像素艺术作品。尽可能将场景刻画得非常细致，注意主体模型上的每一个小细节，同时也要考虑周围环境的细节。在一个 HTML 代码块中完成制作，将代码写得足够优秀，以展示你的水平超越其他作品。我赋予你完全的创作自由，尽情发挥。

这次K2.6交出的作品相当精美，它甚至提供了日景与夜景两种环境选择，并支持手动调节骑行速度。鹈鹕的身体结构与骑行姿态自然合理，自行车的车架、链条、座椅等细节也非常完整。但仔细观察运动状态会发现，鹈鹕脚部的踩踏动作与脚踏板的物理运动轨迹存在不同步，这算是一个不符合物理常识的小瑕疵。

总体而言，K2.6在多模态理解与前端代码输出的结合上，已经达到了相当出色的完成度，虽然细节上仍有优化空间，但整体能力令人印象深刻。

02.连续编码13小时，长程编码能力有所突破

如果说创意演示展现了模型的“巧思”，那么长程编码能力则是此次K2.6最硬核的突破，它直接瞄准了真实的软件工程挑战。

面对多种编程语言（如Rust、Go、Python）和复杂任务场景，K2.6展现出了稳定的泛化与推理能力。官方提供了两个端到端的长程推理场景，足以说明问题。

在第一个场景中，K2.6成功在Mac本地下载并部署了Qwen3.5-0.8B模型，并跨语言使用相对小众的Zig语言对模型推理进行了优化。在超过12小时的不间断运行中，它经历了14轮迭代、调用工具超过4000次，最终将吞吐量从约15 tokens/s大幅提升至193 tokens/s，实现了比LM Studio快20%的推理速度。

第二个场景则更为复杂：K2.6需要对一个拥有8年历史的老牌开源金融撮合引擎exchange-core进行重构。它不仅精准修改了4000多行代码，还深入分析了CPU及内存分配火焰图以定位隐蔽的性能瓶颈，并大胆将核心线程拓扑结构从4ME+2RE优化为2ME+1RE。历经13小时的连续作业，在引擎性能已接近极限的前提下，仍将峰值吞吐量大幅提升了133%。

除了后端的硬核优化，K2.6在由代码驱动的设计能力上也进化显著。凭借对图像和视频生成工具的深度融合，它的Agent能够根据视觉素材，生成风格高度统一的专业级Web应用，能够构建出视觉焦点突出的首屏区，并实现各种交互元素和丰富的滚动触发动效。

在前端开发设计评测基准Kimi Design Bench中，用户评审结果显示，有47.5%的人认为Kimi K2.6的生成效果优于Google AI Studio的Gemini 3.1 Pro，后者获得31.4%的青睐，另有21.1%认为两者表现相当。

此外，K2.6 Agent也开始支持基础的后端数据库模块，例如在生成的网页中嵌入表单信息收集功能，这使得其应用场景更加完整。

03.300个Agent集群大协同，持久自主运行5天无干预

如果说单个Agent是“特种兵”，那么由K2.6驱动的“Agent集群”就是一支高度协同的“数字化军团”。此次架构全面升级后，最多可支持300个子Agent并行完成4000个协作步骤。这种集群能够调度不同技能特长的Agent互补协作，在单次运行中就能独立完成从文档到网页、PPT及表格的多产物端到端交付。

举个例子，当面对全球100个半导体投资标的分析任务时，Agent集群能够自主设计并执行5套量化策略，将麦肯锡风格的严谨逻辑转化为可复用的技能，最终交付详尽的建模表格和一整套汇报演示文档。

在学术领域，它还能将一篇包含海量视觉数据的高质量天体物理论文，转化为长达7000字的研究报告、2万多条结构化数据和14张天文级图表。

此外，K2.6针对OpenClaw、Hermes Agent等主动式Agent框架的协同能力也显著增强。这类工作流要求AI跳出传统的问答模式，以后台常驻的形式主动管理计划、协调跨平台操作。Kimi RL基础设施团队利用基于K2.6的Agent，实现了连续5天的完全自主运行，由Agent负责监控、故障响应和系统运维，充分体现了其在上下文维持、多线程任务处理以及全流程执行上的强大能力。

04.Office办公能力精进，Agent模式内置上百个Skill

在更贴近日常的实用性落地方面，Kimi Agent模式已经内置了上百个官方推荐的技能。例如，由内部专家打造的投研技能包，能让用户一键生成排版专业的公司一页纸简介或深度研究报告。

为了进一步降低使用门槛，K2.6还推出了“Office文档转技能”功能。用户只需上传一份高质量的文档，Kimi就能理解其结构与风格，自动生成一个专属的、可复用的文档创建技能。

更值得关注的是，Kimi团队此次预告了“Claw群组”这一新方向。该模式目前正在小范围内测，其目标在于打破“人机单线交互”的边界，将人类与各类全天候运行的Agent置于同一个虚拟办公群组中。

在这个设想中的Claw群组生态里，用户可以接入来自任何设备、任何供应商、运行任何模型的全天候Agent，每个Agent都自带专属的工具包、技能和记忆上下文。无论是部署在本地笔记本电脑、移动设备还是云端实例，这些各具特色的Agent都能进入同一个协同办公群组。

而K2.6将扮演“群组协调者”的关键角色，根据每个Agent的技能画像和可用工具动态匹配任务，实现能力的最优配置。当某个Agent遇到故障或停滞时，协调者会检测到中断，自动重新分配任务或生成子任务，并对Agent交付物的全生命周期进行主动管理。

05.结语：开源再迎强者，K2.6或将成为“Agent新标杆”

K2.6的发布与开源，不仅标志着Kimi在代码能力、长程任务执行和Agent协作上再次确立了优势，也为整个开发者社区提供了一个可直接落地、功能强大的多模态工具箱。通过支持前端复刻、后端集成、长程编码及多Agent协作，K2.6将实现复杂任务的门槛进一步拉低，使得专业级Web应用开发、学术分析和量化策略构建等场景能够更快地变为现实。

在开源生态中，这种集高性能、多模态、强协作与可复用性于一身的Agent能力，或许正预示着行业进入了一个新的发展阶段。可以预见，随着K2.6 Agent模式和Claw群组概念的进一步推广与落地，开源社区将在多模态智能体应用、复杂任务自动化及跨平台人机协作方面，激发出更多的创新火花。而K2.6本身，也极有可能成为下一阶段开源大模型与智能体生态中的一个重要参考标杆。