ai/kimi-k2.6
Kimi K2.6是由Moonshot AI开发的开源原生多模态智能体模型，采用1万亿参数混合专家（MoE）架构，具备长程编码、编码驱动设计、智能体群体任务编排及原生视觉理解能力。
让 AI 帮你使用轩辕镜像？ · 展开查看说明 · 点击收起说明
如果你使用 DeepSeek、元宝 AI、Copilot、ChatGPT 等 AI 工具，协助配置轩辕镜像、编写 docker pull 命令、修改 Docker Compose 镜像地址、配置镜像加速、排查镜像拉取失败、分析报错日志等问题，请先让 AI 阅读并遵守轩辕镜像的规则文档。
只需在 AI 对话中先发送下面这句话即可：
请先完整阅读并严格遵守以下文档中的全部规则与要求：
https://xuanyuan.cloud/agents.md
在未充分阅读并理解该文档前，不要生成任何命令、配置、修改建议、故障排查方案或技术回答。后续所有输出都必须严格以该文档中的规范为最高优先级执行。查看 agents.md 用法指南与完整示范。国内用户首推 元宝 AI、DeepSeek 的深度思考模式，不推荐豆包 AI；Cursor 等编辑器可在对话 @ 该链接，或加入 User Rules。 若 AI 无法访问外链，可 打开说明文档 复制全文粘贴。文档会随站点更新，复制内容可能过期，建议定期检查。
Kimi K2.6
Kimi K2.6是由Moonshot AI开发的开源原生多模态智能体模型，在长程编码、编码驱动设计、主动自主执行和群体任务编排方面提升了实用能力。该模型基于混合专家（Mixture-of-Experts, MoE）架构，总参数达1万亿，每token激活320亿参数，代表了AI驱动开发与自动化领域的重要进步。
该模型擅长复杂端到端编码任务，能在Rust、Go、Python等多种编程语言中可靠泛化，覆盖前端开发、DevOps和性能优化等领域。K2.6可将简单提示和视觉输入转化为生产级界面和轻量级全栈工作流，生成结构化布局、交互元素和丰富动画，兼具美学精度。其通过自定义MoonViT视觉编码器实现原生多模态理解，支持文本、图像和视频输入。
Kimi K2.6的突出能力是智能体群体技术，可横向扩展至300个子智能体，执行4000+协调步骤。这能将任务动态分解为并行的领域专业化子任务，在单次自主运行中从文档到网站再到电子表格生成端到端输出。模型还能支持持续24/7后台智能体，主动管理日程、执行代码并协调跨平台操作，无需人工监督。
特性
| 属性 | 值 |
|---|---|
| 提供者 | Moonshot AI |
| 架构 | 混合专家（Mixture-of-Experts, MoE） |
| 总参数 | 1T（1万亿） |
| 激活参数 | 每token 320亿 |
| 层数 | 61（含1个密集层） |
| 注意力机制 | MLA（Multi-Latent Attention，多潜在注意力） |
| 专家数量 | 384 |
| 每token激活专家数 | 8 |
| 词汇量 | 160K |
| 上下文长度 | 256K token |
| 视觉编码器 | MoonViT（4亿参数） |
| 支持语言 | 多种（含英语、中文等） |
| 输入模态 | 文本、图像、视频 |
| 输出模态 | 文本 |
| 许可证 | 修改后的MIT许可证 |
使用Docker Model Runner运行模型
bashdocker model run aistaging/kimi-k2.6
更多信息，请查看https://docs.docker.com/desktop/features/***/%E3%80%82
基准测试
智能体能力基准
| 基准测试 | Kimi K2.6 | GPT-5.4 (xhigh) | Claude *** 4.6 (max effort) | *** 3.1 Pro (thinking high) | Kimi K2.5 |
|---|---|---|---|---|---|
| HLE-Full（带工具） | 54.0 | 52.1 | 53.0 | 51.4 | 50.2 |
| BrowseComp | 83.2 | 82.7 | 83.7 | 85.9 | 74.9 |
| BrowseComp（智能体群体） | 86.3 | 82.7 | 83.7 | 85.9 | 78.4 |
| DeepSearchQA（f1分数） | 92.5 | 78.6 | 91.3 | 81.9 | 89.0 |
| DeepSearchQA（准确率） | 83.0 | 63.7 | 80.6 | 60.2 | 77.1 |
| WideSearch（item-f1） | 80.8 | - | - | - | 72.7 |
| Toolathlon | 50.0 | 54.6 | 47.2 | 48.8 | 27.8 |
| MCPMark | 55.9 | 62.5 | 56.7 | 55.9 | 29.5 |
| Claw Eval（pass^3） | 62.3 | 60.3 | 70.4 | 57.8 | 52.3 |
| Claw Eval（pass@3） | 80.9 | 78.4 | 82.4 | 82.9 | 75.4 |
| APEX-Agents | 27.9 | 33.3 | 33.0 | 32.0 | 11.5 |
| OSWorld-Verified | 73.1 | 75.0 | 72.7 | - | 63.3 |
编码能力基准
| 基准测试 | Kimi K2.6 | GPT-5.4 (xhigh) | Claude *** 4.6 (max effort) | *** 3.1 Pro (thinking high) | Kimi K2.5 |
|---|---|---|---|---|---|
| Terminal-Bench 2.0 (Terminus-2) | 66.7 | 65.4 | 65.4 | 68.5 | 50.8 |
| SWE-Bench Pro | 58.6 | 57.7 | 53.4 | 54.2 | 50.7 |
| SWE-Bench Multilingual | 76.7 | - | 77.8 | 76.9 | 73.0 |
| SWE-Bench Verified | 80.2 | - | 80.8 | 80.6 | 76.8 |
| SciCode | 52.2 | 56.6 | 51.9 | 58.9 | 48.7 |
| OJBench (python) | 60.6 | - | 60.3 | 70.7 | 54.7 |
| LiveCodeBench (v6) | 89.6 | - | 88.8 | 91.7 | 85.0 |
推理与知识基准
| 基准测试 | Kimi K2.6 | GPT-5.4 (xhigh) | Claude *** 4.6 (max effort) | *** 3.1 Pro (thinking high) | Kimi K2.5 |
|---|---|---|---|---|---|
| HLE-Full | 34.7 | 39.8 | 40.0 | 44.4 | 30.1 |
| AIME 2026 | 96.4 | 99.2 | 96.7 | 98.3 | 95.8 |
| HMMT 2026 (Feb) | 92.7 | 97.7 | 96.2 | 94.7 | 87.1 |
| IMO-AnswerBench | 86.0 | 91.4 | 75.3 | 91.0 | 81.8 |
| GPQA-Diamond | 90.5 | 92.8 | 91.3 | 94.3 | 87.6 |
视觉能力基准
| 基准测试 | Kimi K2.6 | GPT-5.4 (xhigh) | Claude *** 4.6 (max effort) | *** 3.1 Pro (thinking high) | Kimi K2.5 |
|---|---|---|---|---|---|
| MMMU-Pro | 79.4 | 81.2 | 73.9 | 83.0 | 78.5 |
| MMMU-Pro（带python） | 80.1 | 82.1 | 77.3 | 85.3 | 77.7 |
| CharXiv (RQ) | 80.4 | 82.8 | 69.1 | 80.2 | 77.5 |
| CharXiv (RQ)（带python） | 86.7 | 90.0 | 84.7 | 89.9 | 78.7 |
| MathVision | 87.4 | 92.0 | 71.2 | 89.8 | 84.2 |
| MathVision（带python） | 93.2 | 96.1 | 84.6 | 95.7 | 85.0 |
| BabyVision | 39.8 | 49.7 | 14.8 | 51.6 | 36.5 |
| BabyVision（带python） | 68.5 | 80.2 | 38.4 | 68.3 | 40.5 |
| V*（带python） | 96.9 | 98.4 | 86.4 | 96.9 | 86.9 |
注：所有Kimi K2.6结果均在思考模式启用下获得。星号（*）表示在与K2.6相同条件下重新评估的结果。
核心功能
长程编码
- 在复杂端到端编码任务上表现显著提升
- 在Rust、Go、Python等语言间可靠泛化
- 覆盖前端、DevOps和性能优化等领域
- 可连续执行12小时以上，完成4000+工具调用
- 实际测试中，在***匹配引擎等场景实现185%吞吐量提升
编码驱动设计
- 将简单提示和视觉输入转化为生产级界面
- 生成结构化布局、交互元素和丰富动画
- 以美学精度创建轻量级全栈工作流
智能体群体技术
- 横向扩展至300个子智能体，执行4000+协调步骤
- 将任务动态分解为并行的领域专业化子任务
- 单次自主运行中从文档到网站再到电子表格生成端到端输出
多模态理解
- 原生支持文本、图像和视频输入
- 由自定义MoonViT视觉编码器（4亿参数）提供支持
- 256K token上下文窗口，可处理长文档和对话
思考模式
- 具备显式推理能力，思维过程可见
- 支持"保留思考"模式，适用于多轮交互
- 可在思考模式和即时模式间切换
架构细节
Kimi K2.6采用先进的混合专家架构，具体包括：
- 共61层（60个MoE层+1个密集层）
- 384个专家，每token激活8个专家
- 多潜在注意力（MLA）机制，实现高效注意力计算
- SwiGLU激活函数，用于前馈网络
- 原生*量化**，支持高效部署
使用场景
Kimi K2.6适用于以下场景：
- 复杂软件系统的端到端开发与维护
- 全栈应用快速原型设计与实现
- 多步骤自动化任务处理与流程优化
- 多模态内容（文本、图像、视频）理解与生成
- 持续运行的后台智能体任务（如日程管理、跨平台协调）
- 科研与工程领域的数据分析、代码生成与问题解决
考虑事项
- 模型需大量计算资源（总参数1万亿），但每token仅激活320亿参数
- 支持原生***量化，可实现更高效部署
- 推荐温度参数：思考模式1.0，即时模式0.6
- 推荐top_p参数：0.95
- 视频输入为实验性功能，可能存在限制
- 处理超长上下文任务时需采用上下文管理策略
- 配合Kimi Code CLI框架执行编码智能体任务时性能最佳
transformers库版本要求：>=4.57.1, <5.0.0- 当前推荐推理引擎：vLLM、SGLang和KTransformers
- 后台智能体任务可长时间运行（12小时以上），需适当基础设施支持
链接
- https://www.kimi.com/blog/kimi-k2-6
- https://huggingface.co/moonshotai/Kimi-K2.6
- https://www.kimi.com
- API平台
- https://www.kimi.com/code
- https://arxiv.org/abs/2602.02276
镜像拉取方式
您可以使用以下命令拉取该镜像。请将 <标签> 替换为具体的标签版本。如需查看所有可用标签版本，请访问 标签列表页面。
轩辕镜像加速拉取命令点我查看更多 kimi-k2.6 镜像标签
docker model pull docker.xuanyuan.run/ai/kimi-k2.6:<标签>
DockerHub 原生拉取命令
docker model pull ai/kimi-k2.6:<标签>
镜像拉取常见问题
功能
错误码
用户好评
来自真实用户的反馈，见证轩辕镜像的优质服务
oldzhang
运维工程师
Linux服务器
5
"Docker访问体验非常流畅，大镜像也能快速完成下载。"