moonshotai
MoonshotAI: Kimi K2.6
moonshotai/kimi-k2.6
Nossa análise
Análise com auxílio de IA baseada nas fontes abaixo. A adequação é uma avaliação editorial; teste com suas próprias tarefas.
Kimi K2.6 é o modelo agêntico multimodal nativo e de código aberto da Moonshot AI: aceita texto e imagem como entrada e produz texto. A ficha do fornecedor descreve uma arquitetura mixture-of-experts de 1T de parâmetros com 32B ativados, um codificador de visão MoonViT e um contexto de cerca de 256K tokens, compatível com os 262.144 tokens listados no catálogo da OpenRouter. A Moonshot AI o posiciona para codificação de longo horizonte, geração de interfaces por código e orquestração multiagente. Sua tabela de avaliação é reportada pelo fornecedor e o catálogo lista apenas medições limitadas de índices de terceiros; recomenda-se validação independente com cargas próprias.[1][2]
Pontos fortes
- Multimodal nativamente: aceita entradas de texto e imagem e retorna texto, com janela de contexto de cerca de 256K tokens.[1][2]
- O fornecedor reporta capacidades fortes em codificação ponta a ponta de longo horizonte em Python, Rust e Go, além de geração de UI e full-stack via código.[2]
- O catálogo lista chamadas de ferramentas, chamadas paralelas de ferramentas, saídas estruturadas e um modo de raciocínio opcional.[1]
Limitações
- A maior parte das evidências de capacidades e benchmarks é reportada pelo fornecedor; os dados de índices de terceiros do catálogo são escassos e não confirmam de forma independente as alegações agênticas.[1][2]
- Não há data de corte de conhecimento informada, e a licença é uma variante MIT modificada que deve ser revisada antes da implantação.[1][2]
- A evidência se limita à entrada do catálogo e ao cartão do fornecedor; as equipes devem validar qualidade, custo e latência com suas próprias cargas de trabalho.[1][2]
Onde usar
- Vale avaliar para tarefas de codificação e terminal de longa duração e ponta a ponta em várias linguagens.[2]
- Um candidato para protótipos que transformem prompts ou entradas visuais em interfaces ou fluxos full-stack leves.[2]
- Potencialmente adequado para pipelines multiagente orquestrados que produzam documentos, slides, planilhas ou sites.[1][2]
Fontes
- [1] OpenRouter catalog · MoonshotAI: Kimi K2.6Fontes consultadas: 13 de nov. de 2026
- [2] Model documentation · MoonshotAI: Kimi K2.6Fontes consultadas: 13 de nov. de 2026
Sobre este modelo
A descrição abaixo é o texto original fornecido pelo OpenRouter, no idioma da fonte.
Kimi K2.6 is Moonshot AI's next-generation multimodal model, designed for long-horizon coding, coding-driven UI/UX generation, and multi-agent orchestration. It handles complex end-to-end coding tasks across Python, Rust, and Go, and...
Especificações
- ID do modelo
- moonshotai/kimi-k2.6
- ID canônico
- moonshotai/kimi-k2.6-20260420
- Criador
- moonshotai
- Adicionado ao OpenRouter
- 20.04.2026
- Comprimento de contexto
- 262,144
- Modalidade
- text+image->text
- Modalidades de entrada
- text, image
- Modalidades de saída
- text
- Preço por token
- USD por 1M de tokens: entrada $0.650 / saída $3.41
- Corte de conhecimento
- —
- Data de expiração
- —
Tarefas e capacidades
Uma nota aparece apenas quando a fonte fornece uma medição correspondente para aquela tarefa, o modelo está ativo e a coorte tem pelo menos 10 modelos comparáveis. A coluna de capacidade lista fatos declarados pela fonte — formatos compatíveis, raciocínio e parâmetros de ferramentas — que não são qualidade medida.
| Tarefa | Nota | Capacidade declarada pela fonte |
|---|---|---|
| Qualidade geral | Sem medição | raciocínio: opcional · parâmetros: include_reasoning, reasoning |
| Programação | AA — próximos 20% da coorte | — |
| Agentes | BB — próximos 30% da coorte | parâmetros: structured_outputs, tool_choice, tools |
| Escrita | Sem medição | saída: text |
| Raciocínio | Sem medição | raciocínio: opcional · parâmetros: include_reasoning, reasoning |
| Análise de documentos | Sem medição | — |
| Visão | Sem medição | entrada: image |
| Geração de imagens | Sem medição | — |
| Áudio | Sem medição | — |
| Vídeo | Sem medição | — |
| Embeddings | Sem medição | — |
Avaliações
| Fonte | Benchmark | Valor | Nota | Dados obtidos |
|---|---|---|---|---|
| Artificial Analysis | Coding index | 61.8 | AA — próximos 20% da coorte | 13.11.2026 |
| Artificial Analysis | Agentic index | 20.5 | BB — próximos 30% da coorte | 13.11.2026 |
| Design Arena | agents · agenticgamedevtaxa de vitória 47.5% · posição 21 | 1,088Elo | CC — abaixo da faixa B | 13.11.2026 |
| Design Arena | agents · agentichtmlslidestaxa de vitória 59% · posição 2 | 1,248Elo | —Sem nota | 13.11.2026 |
| Design Arena | agents · agenticslidestaxa de vitória 45.8% · posição 4 | 1,187Elo | —Sem nota | 13.11.2026 |
| Design Arena | agents · agenticslides(html)taxa de vitória 59.2% · posição 2 | 1,252Elo | —Sem nota | 13.11.2026 |
| Design Arena | agents · agenticslides(python-pptx)taxa de vitória 45.5% · posição 4 | 1,186Elo | —Sem nota | 13.11.2026 |
| Design Arena | agents · androidnativetaxa de vitória 49.2% · posição 27 | 1,151Elo | CC — abaixo da faixa B | 13.11.2026 |
| Design Arena | agents · fullstacktaxa de vitória 49.4% · posição 27 | 1,134Elo | BB — próximos 30% da coorte | 13.11.2026 |
| Design Arena | agents · godotgamedevtaxa de vitória 46.8% · posição 28 | 1,103Elo | CC — abaixo da faixa B | 13.11.2026 |
| Design Arena | agents · htmlslidestaxa de vitória 52.3% · posição 13 | 1,081Elo | BB — próximos 30% da coorte | 13.11.2026 |
| Design Arena | agents · mobileappstaxa de vitória 47.6% · posição 32 | 1,149Elo | CC — abaixo da faixa B | 13.11.2026 |
| Design Arena | agents · pptxslidestaxa de vitória 44.3% · posição 4 | 1,181Elo | —Sem nota | 13.11.2026 |
| Design Arena | agents · python-pptxslidestaxa de vitória 42.1% · posição 14 | 1,180Elo | BB — próximos 30% da coorte | 13.11.2026 |
| Design Arena | agents · spreadsheettaxa de vitória 54.8% · posição 8 | 1,276Elo | AA — próximos 20% da coorte | 13.11.2026 |
| Design Arena | agents · webappstaxa de vitória 59.3% · posição 11 | 1,268Elo | AA — próximos 20% da coorte | 13.11.2026 |
| Design Arena | models · 3dtaxa de vitória 57.6% · posição 31 | 1,250Elo | AA — próximos 20% da coorte | 13.11.2026 |
| Design Arena | models · asciiarttaxa de vitória 46.1% · posição 41 | 1,152Elo | BB — próximos 30% da coorte | 13.11.2026 |
| Design Arena | models · codecategoriestaxa de vitória 55% · posição 34 | 1,263Elo | AA — próximos 20% da coorte | 13.11.2026 |
| Design Arena | models · dataviztaxa de vitória 52.1% · posição 37 | 1,247Elo | BB — próximos 30% da coorte | 13.11.2026 |
| Design Arena | models · gamedevtaxa de vitória 54.8% · posição 42 | 1,240Elo | BB — próximos 30% da coorte | 13.11.2026 |
| Design Arena | models · svgtaxa de vitória 51.2% · posição 40 | 1,172Elo | BB — próximos 30% da coorte | 13.11.2026 |
| Design Arena | models · uicomponenttaxa de vitória 55.8% · posição 39 | 1,258Elo | BB — próximos 30% da coorte | 13.11.2026 |
| Design Arena | models · websitetaxa de vitória 54.6% · posição 32 | 1,264Elo | AA — próximos 20% da coorte | 13.11.2026 |
Como funcionam as notas
Cada nota compara um modelo apenas com outros modelos avaliados pela mesma fonte e métrica no snapshot atual. S é o top 10%, A os 20% seguintes, B os 30% seguintes e C o restante. Modelos sem medição publicada aparecem como não avaliados — um formato compatível nunca implica qualidade medida.
- S — S — top 10% da coorte
- A — A — próximos 20% da coorte
- B — B — próximos 30% da coorte
- C — C — abaixo da faixa B
Provedores
Estatísticas opcionais de provedores ao vivo do OpenRouter. Valores ausentes são desconhecidos, não zero.
| Provedor | Comprimento de contexto | Preço entrada /1M | Preço saída /1M | Latência p50 (30m, s) | Taxa p50 (30m, tok/s) | Disponibilidade (30m) |
|---|---|---|---|---|---|---|
| Baidufp4 | 262,144 | $0.390 | $1.64 | — | — | 100% |
| Chutesint4 | 262,144 | $0.390 | $1.8 | — | — | 100% |
| DigitalOcean | 262,144 | $0.570 | $2.4 | — | — | 100% |
| StreamLakefp8 | 256,000 | $0.598 | $2.52 | — | — | — |
| CoreWeavefp4 | 262,144 | $0.650 | $3.41 | — | — | 100% |
| Crusoebf16 | 262,144 | $0.700 | $3.5 | — | — | 100% |
| DeepInfrafp4 | 262,144 | $0.750 | $3.5 | — | — | 100% |
| Veniceint4 | 256,000 | $0.750 | $3.5 | — | — | — |
| Parasailint4 | 262,144 | $0.750 | $3.5 | — | — | 100% |
| SiliconFlowfp8 | 262,144 | $0.770 | $3.4 | — | — | — |
| Inceptronint4 | 262,144 | $0.798 | $3.75 | — | — | 100% |
| Novita | 262,144 | $0.800 | $3.4 | — | — | 100% |
| AtlasCloudint4 | 262,144 | $0.950 | $4 | — | — | — |
| Cloudflare | 262,144 | $0.950 | $4 | — | — | — |
| Moonshot AI | 262,144 | $0.950 | $4 | — | — | 100% |
Dados de provedores obtidos: 13.11.2026
Artigos relacionados
Nenhum artigo publicado identifica este modelo ainda.