Kimi K2.6: новый лидер среди открытых нейросетей
Как Kimi удалось потеснить признанных лидеров в бенчмарках математических и инженерных рассуждений.
Kimi K2.6 от Moonshot — новая ведущая модель с открытыми весами. Kimi K2.6 занимает 4-е место в индексе искусственного интеллекта (54), уступая только Anthropic, Google и OpenAI (все 57).
Ключевые выводы
➤ Повышение производительности агентских задач: Kimi K2.6 достигает Elo 1520 по нашей оценке GDPval-AA, что является заметным улучшением по сравнению с Elo Kimi K2.5, равным 1309. GDPval-AA — наш ведущий показатель общей агентской производительности, измеряющий производительность при выполнении задач умственной работы, таких как подготовка презентаций и анализ. Модели получают инструменты для выполнения кода и просмотра веб-страниц в агентном цикле через нашу справочную агентскую программу с открытым исходным кодом под названием Stirrup. Это подтверждает сильные стороны Kimi K2.6 в использовании инструментов, поддерживая оценку 96% на τ²-Bench Telecom, что ставит его среди других передовых моделей в этой категории.
➤ Низкий уровень галлюцинаций: Кими K2.5 набирает 6 баллов по Индексу всеведения AA, нашей оценке знаний, измеряющей как точность, так и частоту галлюцинаций. Этот показатель в первую очередь обусловлен сравнительно низким уровнем галлюцинаций — 39% (меньше, чем у Кими K2.5 — 65%), что указывает на большую способность воздерживаться, а не фабриковать знания, когда модель неопределенна. Низкий уровень галлюцинаций Kimi K2.6 ставит его в один ряд с другими моделями, такими как Claude Opus 4.7 (36%) и MiniMax-M2.7 (34%).
➤ Высокое использование токенов: Kimi K2.6 демонстрирует высокий уровень использования токенов, но соответствует другим передовым моделям того же уровня интеллекта. Для расчета полного индекса интеллекта искусственного анализа Кими K2.6 использовал около 160 миллионов токенов рассуждения. Это немного ниже, чем у Claude Sonnet 4.6 (~ 190 миллионов токенов рассуждения), но намного выше, чем у GPT 5.4 (~ 110 миллионов токенов рассуждения).
➤ Открытые грузы: Kimi K2.6 — это модель Mixture-of-Experts (MoE) с общими параметрами 1T и активными 32B, такими же, как и предыдущие два поколения моделей Kimi K2 Thinking и Kimi K2.5. Кими К2.6 снова расширяет границы интеллекта.
➤ Доступ третьих лиц: Kimi K2.6 доступен через собственный API Moonshot, а также через сторонних поставщиков API Novita, Baseten, Fireworks и Parasail.
➤ Мультимодальность: Kimi K2.6 изначально поддерживает ввод изображений и видео, а также вывод текста. Максимальная длина контекста модели остается 256 КБ.
Kimi K2.6 использует значительно больше токенов, чем Kimi K2.5.
Кими K2.5 получил 6 баллов по Индексу всеведения АА, что в первую очередь обусловлено низким уровнем галлюцинаций.
Вот полный набор результатов оценки Kimi K2.6
