月之暗面昨晚發布了 Kimi K2.6，這次依然選擇開源。
但更值得注意的是，其程式設計能力不僅在開源模型中登上 SOTA（最先进技術）寶座，更強勢超越了兩個頂尖的閉源模型。
在 SWE-Bench Pro 測試中，K2.6 取得了 58.6 的成績，超越了 GPT-5.4（xhigh）和 Claude Opus 4.6（max effort）。
換句話說：一個開源模型，跑贏了目前市面上幾乎最強的兩個閉源模型。
對開源程式設計模型而言，這應該是首次在主流基準測試上取得壓倒性優勢。
當然，我們都知道，跑分只是故事的一半……K2.6 還擁有一個極具爆發力與美感的 Agent 集群功能，稍後我會詳細說明。
01 基準跑分
先來看硬數據。
K2.6 在程式設計與 Agent 相關的基準測試中，幾乎全線領先：
• SWE-Bench Pro：58.6（開源 SOTA）
• SWE-Bench Verified：80.2
• SWE-Bench Multilingual：76.7
• Terminal-Bench 2.0：66.7
• HLE w/ tools：54.0
• BrowseComp：83.2
• LiveCodeBench v6：89.6
數學與視覺能力也未缺席，AIME 2026 拿下 96.4 分，MathVision w/ python 則為 93.2 分。
Yuchen Jin 轉發了 Kimi 官方貼文並評論道：
「開源 SOTA！SWE-Bench Pro 58.6，超越了 GPT-5.4（xhigh）和 Claude Opus 4.6（max effort）。Kimi 的發布速度越來越快，堪稱 S 級的開源模型團隊。」
02 不只跑分
當然，跑分高是一回事，能否在真實場景中扛住長時間、高強度的工作，則是另一回事。
這點我們知道，Kimi 顯然也明白……因此 K2.6 在這方面的進步，可能比跑分更值得關注。
它可以連續工作 12 小時不崩潰。
官方提供的一個案例是：使用 K2.6 在 Mac 上以 Zig 語言本地部署 Qwen3.5-0.8B 模型，整個過程涉及 4000 多次工具調用，跨越 14 輪迭代，耗時 12 小時。
最終，它達到了 193 tokens/sec 的推理速度，比 LM Studio 快了 20%。
另一個案例更為硬核：對 exchange-core 金融撮合引擎進行全面重構，耗時 13 小時，進行 1000 多次工具調用，修改了 4000 多行程式碼。結果中等負載下的吞吐量提升 185%，整體效能提升 133%。
換句話說，K2.6 已經能像一位可靠的工程師那樣，連續工作十幾個小時，中間絕不掉鏈子。
而且，它完全不挑語言。無論是 Rust、Go、Python、前端開發還是 DevOps 工作流程，都能穩定輸出。官方說法是：
「具備跨語言與框架的泛化能力。」
Vercel 表示，K2.6 在 Next.js 基準上的表現提升了超過 50%。CodeBuddy 則報告了長上下文穩定性提升 18%，工具調用成功率高達 96.60%。
此外，K2.6 還有一項非常實用的改進：平均步驟數比 K2.5 減少了約 35%。
更少的步驟意味著更少的 Token 消耗、更少的出錯機會，以及更快的執行速度。
用更短路徑抵達正確答案，這其實是衡量模型「聰明」程度更直觀的方式。
內部的 Kimi Code Bench 基準測試結果也佐證了這一點：K2.6 從 K2.5 的 57.4 分提升至 68.2 分，直接成長了近 20%。
03 300 個 Agent 上崗
接下來，是本次的重頭戲。
K2.6 的 Agent 集群功能，雖然從 K2.5 就開始引入，但我的感受是，這次才算真正成熟。
我們只需給它一個任務，它就會自動拆解，建立一堆不同角色的「分身」，讓它們並行工作。
K2.5 的上限是 100 個子 Agent、1500 步，而到了 K2.6，則直接拉高到300 個子 Agent、4000 步。
一個人、一句指令、一支團隊。
我當然得親自來試一試。
04 程式設計工具分析實測
我給 K2.6 Agent 集群輸入了一句話：
「請用 Agent 集群幫我完成一份關於『2025-2026 全球 AI 程式設計工具市場分析』的交付物套組：一份 10 頁的產業分析 PDF、一份 Excel 數據表、一份 15 頁的 PPT。」
然後，它就開始動作了。
它先花了幾分鐘擬定執行計畫，把任務拆解成 12 個維度：
市場格局、競爭格局、Cursor 深度分析、GitHub Copilot 深度分析、其他主要工具對比、開源生態、功能技術對比、定價與商業模式、企業採用情況、技術趨勢、安全與信任治理、區域市場差異。
每個維度，它都需要獨立進行搜尋、分析與撰寫。
接著，就是無限分身開啟的時刻了。
05 自己組了個團隊
K2.6 首先自動建立了 12 個子代理，每個都有名字、頭像與角色定位。
翔哥是進度編纂專家，青枝是翻譯專家，海明威（沒錯，就叫海明威）是知名作家負責撰寫，馬秘書是業務顧問，崔浩是數據分析師，阿哲是品質控制專家……
一共 12 位，各司其職。
抱歉我上面沒截到 GIF 圖，Kimi 還做了非常酷炫的互動介面，建議你一定要去試試看。看到這個陣容時，我還是稍微愣了一下，這……是在幫我組專案團隊嗎？
接著，這 12 個 Agent 就開始並行工作了。
它打開了 Kimi's Computer（內建瀏覽器環境），12 個 Agent 同時在網上搜尋不同維度的資料，可能搜尋了數百甚至上千個頁面的資訊。
06 一小時流水線
整個工作流程分為幾個大階段：
Phase 1：景觀掃描（5 輪搜尋完成）
Phase 2：維度分解（12 個維度定義完成）
Phase 3：並行深度研究（12 個子代理同時工作）
Phase 4-6：交叉驗證與洞察提取
然後進入產物製作階段：
Stage 2：報告寫作（9 章 + 執行摘要）
Stage 3：Excel 數據表製作
Stage 4：PDF 生成（12 頁專業報告）
Stage 5：PPT 生成（15 頁簡報）
到了製作階段，它又並行派出了三個子代理：巴泰負責 Excel，陳野負責 PDF，家情負責 PPT。三個人同時開工。
這時我注意到一個細節：
陳野在做 PDF 的時候，實際上是在 sandbox 裡用 Python 寫程式碼來生成檔案。它安裝了 Chromium，採用 HTML 轉 PDF 的方式來確保排版品質。
甚至中間還出了個小插曲：生成的報告圖片尺寸有問題，一個 Agent 發現後主動去修改 CSS 來修復。
整個過程，花了大約一小時。
07 交付結果
最終，它給我交付了三套完整的檔案：
一份 PDF 產業報告，封面設計得……還挺像那麼一回事，有目錄、有章節、有數據圖表。內容涵蓋市場格局（Copilot 42% vs Cursor 20 億美元年度經常性收入）、採用率（84% 開發者使用、91% 企業採用但僅 29% 信任）、技術趨勢（Agentic Coding 革命、MCP 協議標準）、安全挑戰、中國市場（30% 滲透率、年複合成長率 38.4%）等等。
一份 Excel 數據表，主要 AI 程式設計工具的功能、定價、用戶量級對比。
EXCEL，注意還有多個分頁。
一份 15 頁 PPT，帶圖表、帶數據、帶分析框架。
當然，我帶著挑刺的眼光（畢竟這個主題顯然屬於我的舒適圈啊）看了一下，大毛病確實沒有，但小問題多少還是有一点点的。
所以你要是這樣直接拿來給出版社出書，那還是要再過目一下子。不過日常拿來參考、學習、或者做點分析，那是非常地足夠了。
但瑕疵不是重點，這裡重點在於：這是一句話、一小時、零人工干预的結果。
這活我要是交給 Claude Code，它大概會問我：要不你先去睡吧，然後就自己……现在就自己罢工了……
而現在，我就輸入了一句話，去打了几把王者，回來文件就整整齊齊擺在那了。
非要说有什么缺點，那就是略有點久，只能怪我交待的任務太不簡單了。
08 全棧能力升級
除了 Agent 集群，K2.6 在前端生成方面也有不小的升級。
官方還展示了 K2.6 Agent 的前端能力：
WebGL Shader 動畫：直接寫 GLSL/WGSL 程式碼，能做出液態金屬、焦散效果、光線追蹤。
Video Hero Section：調用影片生成 API 建立電影級 hero 區域，合成到頁面裡，跟滾動同步。
3D 場景：用 Three.js + React Three Fiber 建構真實 3D 場景，配合 GSAP ScrollTrigger 做滾動驅動動畫。
設計語言理解：Brutalist、電影感、瑞士網格、Y2K 鍍鉻、雜誌排版，K2.6 能理解這些設計詞彙，輸出的網頁自帶氛圍感。
而不只是前端，這次更關鍵的是，它還支援了後端：用戶註冊登入 + 資料庫，一個 prompt 搞定前後端。
從「幫我畫個頁面」進化到了「幫我生成一個完整應用」。
官方還推出了一個內部的 Kimi Design Bench，用來衡量前端設計能力。K2.6 Agent 和 Gemini 3.1 Pro 在 Google AI Studio 上對比，Kimi 勝出 47.5%，平手 21.1%，Google 勝出 31.4%。
09 開源的意義
網友 SmartFind 評論稱：
「跑分確實亮眼，但真正的轉變是自主性。當模型能連續運行好幾個小時、協調多個 Agent、跨技術棧交付，瓶頸就從『怎麼寫程式碼』變成了『應該造什麼』。」
而這一切，是開源的。
權重放在了 HuggingFace 上，API 開放，還有專門的 Kimi Code CLI 工具。價格是 Claude Opus 4.6 的六分之一。
網友也是一邊倒的刷屏式好評：
Alamin 声称：
「開源不再是追趕者了，它開始領跑。（Open-source is no longer catching up, it's starting to set the pace.）」
回頭看看時間線，K2.5 是今年 1 月底發的，K2.6 就到了 4 月。不到三個月，又一次大版本迭代。
Yuchen Jin 說「Kimi 的發布速度越來越快了」，確實如此。
10 最後
K2.6 讓我看到了一個信號：AI 程式設計工具的競爭，已經從「誰的模型跑分高」转向了「誰能幫你做更多的事」。
跑分是門票，Agent 集群是產品力。
一個人輸入一句話，300 個 Agent 並行工作一小時，交出所有你想要的結果。
開源模型，第一次，不只是追趕者。所以我甚至開始期待了：
當 K3 來的時候，會是什麼樣子？
◇ ◆ ◇
相關連結：
• 技術部落格：https://www.kimi.com/blog/kimi-k2-6
• 模型權重：https://huggingface.co/moonshotai/Kimi-K2.6
• Kimi 官網：https://kimi.com
• Kimi Code：https://kimi.com/code