Kimi K2.6 is an open-source, native multimodal agentic model that advances practical capabilities in long-horizon coding, coding-driven design, proactive autonomous execution, and swarm-based task orchestration.

Commencer gratuitement ← Tous les modèles

moonshotai/Kimi-K2.6

text+image->text · moonshotai · sovereign EU

Runs on EU infrastructure operated by European companies; US marketplace capacity is never part of this chain. Full chain

1027B

Paramètres

262K

Fenêtre de contexte

715GB

VRAM minimale

POST /api/v1/chat/completions 200 OK

Caractéristiques

Paramètres 1027B

Fenêtre de contexte 262,144 tokens

VRAM minimale 715 GB

Architecture KimiK25ForConditionalGeneration (vLLM)

Licence other

Modalité text+image->text

Date de sortie April 2026

Éditeur moonshotai ↗

Tarifs

Router partagé · par token

€1.15

Entrée (par 1M de tokens)

€4.60

Sortie (par 1M de tokens)

0,29 € par million de tokens d'entrée en cache

GPU dédié · par heure

à partir de 23,76 € par heure

Votre propre instance vLLM sur un cloud européen (715 Go de VRAM), facturée à l'heure.

Router européen partagé, paiement au token, scale-to-zero. Les déploiements GPU dédiés sont facturés à l'heure, voir tarifs.

Indice Bench

Bench est notre indice de qualité pour chaque modèle, de 0 à 100. Il s'appuie sur des mesures publiques (Epoch AI avec une quarantaine de benchmarks, LiveBench, LMArena et d'autres) et est actualisé chaque matin. Là où personne ne mesure, il affiche une estimation avec une fourchette.

76,2 / 100 · Mesuré

Mesuré par Epoch AI sur 16 benchmarks, avec une fourchette.

Fourchette de 73,9 à 78,4 · Rang 53 sur 277 chez Epoch AI

Sources: Epoch AI ↗ · LiveBench ↗ · LMArena ↗ · Mis à jour chaque jour, dernière fois le 19-10-2026

LiveBench · 70,5 · Rang 57 sur 70

Raisonnement 79,4

Code 78,6

Code agentique 46,9

Mathématiques 84,3

Analyse de données 65,1

Langue 75,1

Respect des consignes 64,4

Tous les benchmarks (16)

OTIS Mock AIME 2024-2025 96,1

GPQA diamond 87,7

DTBench 84,9

SWE-Bench verified 76,7

FrontierMath-Tiers-1-3-v2-Private 57,2

WeirdML 55,9

LMCA 43,8

SimpleQA Verified 34,9

FrontierMath-Tier-4-v2-Private 25,6

ExploitBench 18,4

ProofBench 16,0

Chess Puzzles 15,8

Mystery Game Puzzles 9,7

OSWorld 2.0 4,6

EBR-bench 2,4

Furniture Assembly 0,0

LiveBench · Toutes les tâches

Raisonnement

theory of mind 75,0

zebra puzzle 78,5

spatial 94,0

logic with navigation 70,0

Code

code generation 78,9

code completion 78,3

Code agentique

javascript 59,1

typescript 26,7

python 55,0

Mathématiques

AMPS Hard 97,0

integrals with game 54,0

math comp 96,1

olympiad 90,0

Analyse de données

consecutive events 51,3

tablejoin 46,1

tablereformat 98,0

Langue

connections 89,3

plot unscrambling 58,1

typos 78,0

Respect des consignes

paraphrase 61,6

simplify 61,4

story generation 66,9

summarize 67,5

Appelez-le dès maintenant

Remplacement direct d'OpenAI : changez uniquement l'URL de base et la clé API. Le format Anthropic (/v1/messages) est également pris en charge.

curl https://hostyourai.com/api/v1/chat/completions \
  -H "Authorization: Bearer hyai-..." \
  -H "Content-Type: application/json" \
  -d '{
    "model": "moonshotai/Kimi-K2.6",
    "messages": [{"role": "user", "content": "Hello!"}]
  }'

Questions fréquentes

Puis-je exécuter Kimi K2.6 dans l'UE ?

Oui. HostYourAI exécute Kimi K2.6 sur des GPU situés dans des centres de données européens via vLLM. Les prompts et les réponses ne quittent jamais l'UE, et aucun fournisseur de cloud américain n'intervient dans la chaîne.

L'hébergement de Kimi K2.6 est-il conforme au RGPD ?

Oui. Tout le traitement a lieu au sein de l'UE, un accord de traitement des données (DPA) est disponible et la liste des sous-traitants est publique. Des poids open source signifient aussi : aucun entraînement sur vos données.

Combien coûte Kimi K2.6 ?

Via le Router européen partagé, vous payez 1.15 € par million de tokens d'entrée et 4.60 € par million de tokens de sortie, sans coûts fixes. Pour de gros volumes ou pour l'isolation, vous pouvez aussi exécuter Kimi K2.6 sur une instance GPU dédiée facturée à l'heure.

L'API est-elle compatible avec OpenAI ?

Oui. Vous utilisez les SDK OpenAI standard avec une URL de base personnalisée (https://hostyourai.com/api/v1). L'API Anthropic Messages est également prise en charge en remplacement direct.

Autres modèles de Moonshotai

Kimi K3

Kimi K3 is an open-weight, native multimodal agentic model and our most capable model to date. It is a 2.8T-parameter model built on Kimi Delta Attention (KDA) and Attention Residuals (AttnRes), with native vision capabilities and a 1-million-token context window. It is the world's first open 3T-class model, designed for frontier intelligence across long-horizon coding, knowledge work, and reasoning.

1M contexte Voir le modèle →

Kimi K2.7 Code

Kimi K2.7 Code is a coding-focused agentic model built upon Kimi K2.6. With substantial improvements on real-world long-horizon coding tasks, it strengthens end-to-end task completion across complex software engineering workflows while improving token efficiency, reducing thinking-token usage by approximately 30% compared with Kimi K2.6.

1027B 262K contexte Voir le modèle →

Kimi K2.5

Kimi K2.5 is an open-source, native multimodal agentic model built through continual pretraining on approximately 15 trillion mixed visual and text tokens atop Kimi-K2-Base. It seamlessly integrates vision and language understanding with advanced agentic capabilities, instant and thinking modes, as well as conversational and agentic paradigms.

1027B 262K contexte Voir le modèle →

Kimi K2 Thinking

Kimi K2 Thinking is the latest, most capable version of open-source thinking model. Starting with Kimi K2, we built it as a thinking agent that reasons step-by-step while dynamically invoking tools. It sets a new state-of-the-art on Humanity's Last Exam (HLE), BrowseComp, and other benchmarks by dramatically scaling multi-step reasoning depth and maintaining stable tool-use across 200–300 sequential calls. At the same time, K2 Thinking is a native INT4 quantization model with 256k context window, achieving lossless reductions in inference latency and GPU memory usage.

1026B 262K contexte Voir le modèle →

Kimi Linear 48B A3B Base

Kimi Linear is a hybrid linear attention architecture that outperforms traditional full attention methods across various contexts, including short, long, and reinforcement learning (RL) scaling regimes. At its core is Kimi Delta Attention (KDA)—a refined version of Gated DeltaNet that introduces a more efficient gating mechanism to optimize the use of finite-state RNN memory.

49B Voir le modèle →

Kimi Linear 48B A3B Instruct

49B Voir le modèle →

Essayez Kimi K2.6 gratuitement

La création d'un compte prend une minute. Testez Kimi K2.6 tout de suite dans le Playground.

Commencer gratuitement