Kimi K2.6：AI 代理进行的代码优化 +185%

Kimi K2.6：开源 AI 代理如何在 13 小时内将交易引擎优化提升 185%

中国公司 Moonshot AI 发布了 Kimi K2.6——一款专注于长时间编程任务和自主代理操作的多模态开源模型。在 13 小时连续工作后，K2.6 独立重写了已有八年的开源撮合引擎 exchange-core，将其中位吞吐量提升 185%，峰值吞吐量提升 133%。这不是营销案例研究，而是一个可复现的结果，模型权重已在 Hugging Face 上以 Modified MIT 许可证开源。

架构基础与代理群模式

Kimi K2.6 保留了前代 K2.5 的相同基础架构：一个稀疏 MoE（Mixture of Experts）模型，总参数约 1 万亿，其中每个 token 激活使用 32 亿参数。该模型拥有 384 个专家，支持最多 256K token 的上下文，并使用自家的 MoonViT 视觉编码器。它还实现了原生 INT4 量化，以在边缘设备上高效推理。

关键更新是扩展的 Agent Swarm 模式。在 K2.6 中，它可以协调多达 300 个子代理，并执行多达 4000 个顺序步骤，而 K2.5 仅为 100 个代理和 1500 个步骤。这从根本上改变了可解决任务的规模：系统现在可以管理复杂的 DevOps 流程，进行多阶段代码优化，或在无外部干预下执行分布式计算。

作为研究预览，引入了 Claw Groups 概念——不同用户在不同设备上的代理在 K2.6 集中编排下的协作工作。尽管此功能尚未进入稳定版，但它指明了战略方向：从单一 AI 助手转向集体智能系统。

实际案例：从交易核心到 Zig 推理

最令人印象深刻的结果是对 exchange-core 的重构，这是一个已有八年的金融市场订单撮合引擎。K2.6：

• 分析了 CPU 和内存分配的火焰图
• 测试了 12 种不同的优化策略
• 修改了超过 4000 行代码
• 重新配置了内核线程拓扑

最终指标：

• 中位吞吐量：从 0.43 到 1.24 MT/s（+185%）
• 峰值吞吐量：从 1.23 到 2.86 MT/s（+133%）

另一个典型例子是使用 Zig 语言在 Apple Silicon 上为 Qwen3.5-0.8B 运行推理，该语言几乎未出现在训练数据中。在 12 小时内超过 4000 次工具调用后，K2.6 实现了可工作的推理栈，达到 193 tokens/s——比同一硬件上的 LM Studio 快 20%。

基于 K2.6 的内部 DevOps 代理自主运行 5 天，执行了：

• 基础设施健康监控
• 事件诊断与解决
• 自动资源扩展

Beta 测试结果与基准测试

Moonshot 合作伙伴确认了显著改进：

• Vercel：内部 Next.js 基准测试比 K2.5 提升 50%
• Factory.ai：自家性能指标提升 15%
• CodeBuddy：代码生成准确率 +12%，长上下文稳定性 +18%，工具调用成功率 96.6%
• Kilo.ai：SOTA 级性能，但推理成本明显更低

在面向代理的测试中，K2.6 表现出领先：

• HLE-Full (with tools)：54.0 分（GPT-5.4 xhigh — 52.1，Claude Opus 4.6 — 53.0）
• DeepSearchQA：f1 = 92.5，准确率 = 83.0——竞争对手中最佳
• SWE-Bench Pro：58.6 分——高于 GPT-5.4、Claude Opus 4.6 和 Gemini 3.1 Pro

然而，在无外部工具的纯推理任务中，该模型落后于旗舰模型：

• AIME 2026：96.4 vs GPT-5.4 的 99.2
• GPQA-Diamond：90.5 vs Gemini 3.1 Pro 的 94.3

这证实了 K2.6 作为工具增强场景下专用代理的定位，而非理论问题的通用求解器。

要点

• Kimi K2.6 是一款开源模型，采用 Modified MIT 许可证，与 OpenAI 和 Anthropic 的 API 兼容。
• 主要优势：扩展的 Agent Swarm 模式（300 个代理，4000 步）。
• 实际案例证实了工程任务中的重大性能提升。
• 该模型在代理基准测试中领先，但在无工具的纯推理中落后。
• 原生 INT4 支持和边缘设备兼容性使其适用于嵌入式场景。

— Editorial Team