中国人工智能初创公司Moonshot AI公开了最新开源大型语言模型（LLM）“Kimi-K2.6”。该公司表示，该模型在主要人工智能基准测试中领先或微幅落后于GPT-5.4和Claude Opus 4.6。
Kimi-K2.6是Moonshot AI“Kimi”系列的最新作品。此模型设计为不仅能处理文本，还能处理图像等多媒体输入。Moonshot AI特别说明其聚焦于效率和实际任务执行能力。这意味着不仅是提高了回答质量，还优化了结构，使其能够利用相同的计算资源执行更复杂的任务。
以较少资源提升性能的结构是关键
Kimi-K2.6采用了被称为“Swiglu”的激活函数。这是一种相比传统方式能提高硬件利用效率，并能部分简化模型训练过程的结构。该方法也已被应用于Meta Platforms的Llama系列等多个开源模型群。
模型内部部署了384个“专家”网络。但并非用户每次输入问题时所有这些网络都会同时运行。实际生成响应时，仅选择性调用8个专家。这种“专家混合”方式只激活所需部分，有利于减少计算量和基础设施负担。
此外还搭载了“多头潜在注意力”技术。这是注意力机制的一种，能更高效地从提示中筛选重要信息。由于它将数据压缩成更轻量级的数学表达进行处理，因此相比普通的注意力结构，其硬件需求较低。
图像理解与智能体协作功能亦获增强
Kimi-K2.6还配备了拥有40亿参数规模的视觉编码器。该装置将图像转换为模型易于理解的“嵌入”形式。得益于此，Kimi-K2.6不仅能处理句子输入，还能结合草图或视觉资料进行工作。
据Moonshot AI称，该模型仅凭简单的用户指示和界面草图即可生成完整的网站。对于更复杂、耗时的任务，最多可同时投入300个智能体协同工作。据解释，这种方式是每个智能体将任务分解为细分子步骤进行并行处理，相比顺序执行能提升速度。
此外，通过“群组协作”功能，还可以设计让人与智能体共同工作的流程。Moonshot AI解释称，借此可以在项目内将工作任务分配给人类工作者和人工智能智能体。公司补充说，与前代相比，其在Rust开发等高难度编程任务上的性能也有所提升。
声称在高难度评估HLE-Full中领先GPT-5.4
Moonshot AI表示，已在超过20个主要基准测试中将Kimi-K2.6与GPT-5.4、Claude Opus 4.6进行了比较。据该公司声称，新模型在多项测试中领先于这两个顶尖模型，或将分差缩小至几个百分点以内。
尤其在公认最严苛的评估之一“HLE-Full”中，Kimi-K2.6获得了54分。该基准测试由涵盖100多个学术领域的约2500个博士级别问题组成。Moonshot AI称，在同一测试中，Claude Opus 4.6获得53分，GPT-5.4获得52.1分。
此次发布显示开源人工智能竞争正日趋激烈。虽然闭源的顶级模型仍主导市场，但随着像Kimi-K2.6这样同时强调效率和任务自动化功能的开源模型增多，企业和开发者的选择也正变得更加广泛。
TP AI 注意事项 本文基于TokenPost.ai的语言模型生成摘要。正文主要内容可能被省略或与事实存在出入。