Är vikterna öppna och kan jag köra Kimi K2.6 lokalt?

Ja, vikterna är öppna och finns på Hugging Face under moonshotai/Kimi-K2.6. Modellen har 1T totala parametrar med 32B aktiva via MoE, så lokal distribution kräver rejäl hårdvara; kontrollera VRAM-guider innan du satsar.

Vad kostar Kimi K2.6 via API och hur stort är kontextfönstret?

Moonshot AI prissätter den till $0,65 per miljon inmatningstoken och $3,41 per miljon utmatningstoken, med ett kontextfönster på 256K token.

Hur skiljer sig K2.6 från K2.5?

K2.6 lägger till inbyggd multimodal inmatning via en MoonViT-vision-encoder, utökar agent-svärmen till 300 subagenter och visar meningsfulla benchmarkvinster över K2.5 inom agentisk sökning, kodning och vision-uppgifter.

Kimi K2.6

2103°

#llm #moonshotai #vision #resonemang #kodning #agenter

Kör modellen

Erbjudanden / annonser

OpenRouter Terminal / API

Betala per token

Chatta med den här modellen i webbläsaren eller anropa den från din kod med en API-nyckel.

MoonshotAI | 262,144 token kontext | $0.65/M input, $3.41/M output. Kimi K2.6 är Moonshot AIs nästa generations multimodala modell, designad för långsiktig kodning, kodningsdriven UI/UX-generering och multi-agent orkestrering. Den hanterar komplexa end-to-end kodningsuppgifter över Python, Rust och Go, och kan konvertera prompts och visuella indata till produktionsklara gränssnitt. Dess agent-svärmarkitektur skalar till hundratals parallella underagenter för autonom uppgiftsnedbrytning – levererar dokument, webbplatser och kalkylblad i en enda körning utan mänsklig övervakning.

Guider för denna modell

Bästa lokala LLM efter användningsområde (oktober 2026): rätt öppna modell för varje jobb

Hur mycket VRAM behöver jag egentligen för lokal AI?

Öppna vikter vs öppen källkod vs endast API: vad du faktiskt får göra

Vad är en GGUF-fil? Förklaringar av kvantiserade modeller (Q4, Q8, fp8, NF4)

Alla guider

Kaptenens anteckningar

Skrivet av Captain, husets redaktör

Anteckningar från 2026-10-13

Kimi K2.6 är Moonshot AIs multimodala modell med öppna vikter, byggd kring agentisk kodning: långsiktiga uppgifter, UI-generering från visuella indata och svärm-baserad orkestrering som kan starta upp till 300 parallella subagenter. Med 1T totala parametrar och 32B aktiva via en MoE-arkitektur överträffar den sin beräkningskostnad. Den passar utvecklare och team som behöver autonoma end-to-end-pipelines snarare än en chattassistent.

Känd för

End-to-end kodning i Python, Rust och Go inklusive frontend och DevOps.
Konverterar prompts och bilder till produktionsklara gränssnitt med animationer och layouter.
Agent-svärm skalar till 300 subagenter och 4 000 koordinerade steg i en körning.
256K token kontextfönster för stora kodbaser och långa dokument.
Öppna vikter med en inbyggd vision-encoder på 400M parametrar (MoonViT).

Se upp för

1T totala parametrar innebär att lokal distribution kräver seriös hårdvara; 32B aktiva ger inte hela VRAM-bilden.
Utmatningspriset på $3,41/M blir snabbt dyrt vid långa agentiska körningar som genererar tusentals token autonomt.
Licensvillkor är inte detaljerade på tillverkarens sida; kontrollera Hugging Face-repot innan kommersiell användning.

Bäst för

Kodning

Agenter och verktygsanvändning

Syn

Lång kontext

Kör lokalt

Promptar att prova

Bygg ett fullstack-UI

Du har en skärmdump av en dashboard som jag bifogar. Återskapa den som en självständig React-komponent med Tailwind CSS. Lägg till en mörkt-läge-växlare, gör diagrammet interaktivt med Recharts och generera en enda fil jag kan använda direkt i ett Vite-projekt.

Autonom repo-uppgift

Klona det publika repot https://github.com/expressjs/express, identifiera de tre funktionerna med högst cyklomatisk komplexitet, skriv en refaktorerad version av varje med inline-kommentarer som förklarar ändringarna, och producera en markdown-rapport som sammanfattar vad du ändrat och varför.

Portering till flera språk

Här är ett Python-skript som parser en CSV, aggregerar rader efter en nyckelkolumn och skriver en sammanfattande JSON. Portera det troget till idiomatisk Go och idiomatisk Rust. Notera för varje version eventuella beteendedifferenser orsakade av typ- eller felhanteringssystem.

Jämför med

Kimi Latest
Endast API-modell
1,048,576 tokens kontext · $0.29/M indata, $24.00/M utdata
Kimi K3
Öppen vikt-modell
1,048,576 tokens kontext · $0.30/M indata, $11.94/M utdata
Kimi K2 Thinking
Öppen vikt-modell
262,144 tokens kontext · $0.60/M indata, $2.50/M utdata
Kimi K2.7 Code
Öppen vikt-modell
262,144 tokens kontext · $0.67/M indata, $3.35/M utdata

Fler textmodeller från moonshotai

Vanliga frågor

Är vikterna öppna och kan jag köra Kimi K2.6 lokalt?: Ja, vikterna är öppna och finns på Hugging Face under moonshotai/Kimi-K2.6. Modellen har 1T totala parametrar med 32B aktiva via MoE, så lokal distribution kräver rejäl hårdvara; kontrollera VRAM-guider innan du satsar.
Vad kostar Kimi K2.6 via API och hur stort är kontextfönstret?: Moonshot AI prissätter den till $0,65 per miljon inmatningstoken och $3,41 per miljon utmatningstoken, med ett kontextfönster på 256K token.
Hur skiljer sig K2.6 från K2.5?: K2.6 lägger till inbyggd multimodal inmatning via en MoonViT-vision-encoder, utökar agent-svärmen till 300 subagenter och visar meningsfulla benchmarkvinster över K2.5 inom agentisk sökning, kodning och vision-uppgifter.

Kaptens omdöme
Om ditt arbete är autonoma kodningspipelines eller vision-till-UI-generering är K2.6 det mest kapabla öppna vikt-alternativet i den nischen just nu.

Model card på Hugging Face

Kapten skriver dessa anteckningar från modellens egen beskrivning och model card. Priser och kontextstorlekar är från leverantören vid skrivtillfället och kan ändras.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Not this creator?

Get your own badge

Hur denna poäng räknas ihop

Den här modellen har ännu inga popularitetsdata från någon källa, så den har ett tillfälligt nummer under 7,000° som håller listorna kompletta. Den rankas aldrig högre än en modell med data. Uppdelningen visas här så fort en källa rapporterar den.

Ordlista: termerna som används här

Heat-poäng: Ett nummer för hur mycket en modell används och efterfrågas just nu, från 0° till 9 999°. Varje lista på den här sidan som säger hetast sorteras efter den och inget annat.
Golvet: De 7 000° som varje modell med verklig data börjar från. Skalan går från 0° till 9 999°; delen under golvet är reserverad för ersättare (modeller utan data), så att en modell med data alltid rankas över en utan. Golvet är samma för alla och avgör inget; graderna ovanför är själva mätningen.
Nedladdnings-ekvivalenter: Allt som poängen räknar som en nedladdning, summerat: själva nedladdningarna, varje torrent-seeder som 1 000, varje AI Horde-bild och varje körning på en genereringssajt som en.
Logaritmisk skala: Räknar i tiotal, inte i ental: att gå från 1 000 till 10 000 nedladdningar ger lika många grader som att gå från 10 000 till 100 000. Det hindrar jättar från att tränga ut allt annat.
Gillanden: Tummar upp och gillanden från alla källor, värda hälften av en nedladdning på den logaritmiska skalan.
Adoptionshastighet: Hur många nedladdningar per dag en modell får just nu, från skillnaden mellan två mätningar av en källa. En fjärdedels vikt av nedladdningsdelen.
Mätt och uppskattad: Mätt betyder att det finns två mätningar från en källa och skillnaden är verklig. Uppskattad betyder att bara dagens total är känd och det fördelas över modellens livstid; sidan visar vilken det är.
Seeder: Någon som håller en kopia av vikterna online för andra att ladda ner via torrent, eller en hostad spegel som gör samma sak. Varje sådan räknas som 1 000 nedladdningar.
AI Horde: Ett frivilligt nätverk som genererar bilder gratis på donerade datorer. Antalet bilder det har gjort med en modell är offentligt, och varje bild räknas som en nedladdning.
Genereringssajter: Sajter som hostar sina egna kopior av en modell och låter folk generera med den, som PixAI, SeaArt och Yodayo. Deras nedladdningar räknas som Civitaís och varje genereringskörning räknas som en nedladdning.
OpenRouter-token: En textmodell som nås via API, som Claude eller GPT, har inga vikter att ladda ner, så dess användning mäts i token: textbitar den läst och skrivit via OpenRouter, en gateway som många appar använder, under de senaste 30 dagarna. Varje 10,000,000 token räknas som en nedladdning. Källa: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Full modell (checkpoint): Själva vikterna, filen som genererar självständigt. Den får en bonus eftersom tillägg beror på den.
LoRA och embedding: Små tilläggsfiler som styr någon annans vikter mot en stil, en karaktär eller ett koncept. De kan inte köras själva.
Familj och vikter: Basen en modell är byggd på, som SD 1.5, SDXL, Flux eller Wan. Varje modell ärver släppdatumet för sin familjs vikter.
Ålder: Poäng som dras av beroende på hur länge sedan familjens vikter släpptes: 150° per år, upp till 750°. Det behåller gamla nedladdningar som haft år på sig att samlas för att frysa toppen av listan.
Familjeboost: En liten, begränsad skjuts för LoRAs från en familj som den här sajten just nu vill lyfta fram, alltid med i uppdelningen.
Stand-in-poäng: Ett stabilt nummer under golvet som ges till en modell som ännu inte har rapporter från någon källa, så listorna förblir kompletta. Den rankas aldrig högre än en modell med data.
Ny! (karensperiod): En modell som är mindre än 7 dagar gammal visar Ny! istället för poäng och räknas inte i rankningen. Poängen räknas från dag ett, men en modell som är en dag gammal växer snabbare än allt annat, så utan väntan skulle veckans #1 alltid vara det som kom ut igår istället för det som hållit i en vecka.
Trend: Hur en modells tillväxt under en period jämförs med den typiska modellens tillväxt under samma period. Snabbare än vanligt läses som en ökning, långsammare som en nedgång.
Typisk modell: Mitten av katalogen: hälften av modellerna med siffror växte snabbare under perioden, hälften långsammare.

Liknande modeller

DeepSeek V4 Flash 0423

TEXT / LLM

AI-modeller för bild-, video- och textgenerering

Kimi K2.6 är en textmodell för familjen Text / LLM, listad på ModelTrends.ai, en skrivskyddad katalog över AI-modeller med öppen källkod för bild, video och text. Jämför den med andra Text / LLM-modeller och se dess hettapoäng.

Fler Text / LLM-modeller llm moonshotai vision resonemang kodning agenter lång kontext lokal

Bläddra efter modellfamilj