Moonshot AIは2026年4月21日、最新モデル「Kimi K2.6」をオープンソースで公開しました。最先端のコーディング能力、長時間タスクの遂行(ロングホライズン実行)、エージェントスワーム機能を特徴とし、Kimi.com、Kimiアプリ、API、Kimi Codeで利用できます。SWE-Bench Proなどのコーディング系ベンチマークでは、GPT-5.4やClaude Opus 4.6といった主要モデルを上回るスコアを報告しており、12時間を超える連続実行の実例など、長時間の自律的なエンジニアリング作業での安定性を打ち出しています。

ベンチマーク結果

• ▸Humanity's Last Exam — 54.0(GPT-5.4 52.1、Claude Opus 4.6 53.0、Gemini 3.1 Pro 51.4)
• ▸GPQA Diamond — 88.4、AIME 2026: 93.3
• ▸SWE-Bench Pro — 58.6(GPT-5.4 57.7、Claude Opus 4.6 53.4、Gemini 3.1 Pro 54.2)
• ▸Terminal-Bench 2.0 — 66.7(GPT-5.4 65.4、Claude Opus 4.6 65.4、Gemini 3.1 Pro 68.5)

測定はKimi K2.6の思考モードを有効にした条件で行われ、比較対象はClaude Opus 4.6がmaxエフォート、GPT-5.4がxhigh推論エフォート、Gemini 3.1 Proがhigh思考レベルとされています。ベンチマーク表には上位モデル「Kimi K3」のスコアも併記されています。

長時間コーディングの実例

• ▸Macでの推論最適化 — Qwen3.5-0.8BモデルをMacにローカル展開し、ニッチな言語Zigで推論を実装・最適化。4,000回超のツール呼び出し・12時間超の連続実行・14回の反復でスループットを約15から約193トークン/秒へ改善し、LM Studioより約20%高速化
• ▸金融マッチングエンジンの改修 — 公開から8年のオープンソース「exchange-core」を13時間かけて自律的に改修。12の最適化戦略と1,000回超のツール呼び出しで4,000行超のコードを修正し、コアのスレッド構成を4ME+2REから2ME+1REへ再設計。スループットを185%(0.43→1.24 MT/s)、133%(1.23→2.86 MT/s)向上

Rust・Go・Pythonなど言語をまたいだ信頼性の高い汎化と、フロントエンド・DevOps・性能最適化などタスク横断の改善を確認したとしており、社内ベンチマーク「Kimi Code Bench」でもK2.5から大幅に改善しています。ベータテストに参加した企業からも、長時間タスクの信頼性や指示追従の向上を評価する声が寄せられています。

デザイン力とフルスタック開発

シンプルなプロンプトから完全なフロントエンド画面を生成でき、美的なヒーローセクションなど意図的なデザイン選択を伴う構造化レイアウトや、インタラクティブ要素、スクロール連動を含むリッチなアニメーションを構築します。画像・動画生成ツールの活用にも習熟しており、視覚的に一貫した素材を生成できます。認証からユーザー操作、データベース操作までの軽量なフルスタック開発にも対応し、社内の「Kimi Design Bench」ではGoogle AI Studioとの比較で有望な結果を示したとしています。

エージェントスワームと自律エージェント

• ▸Agent Swarm — タスクを異種のサブタスクに動的分解し、自己生成したドメイン特化エージェントが並列実行。300サブエージェント・4,000ステップの同時実行へ拡大(K2.5は100サブエージェント・1,500ステップ)
• ▸成果物 — 文書・ウェブサイト・スライド・スプレッドシートを1回の自律実行で生成。PDFやスプレッドシートなどの高品質なファイルを構造・スタイルごと「Skills」化して再現可能
• ▸自律エージェント — OpenClawやHermesのような24時間稼働のエージェントで高い性能を発揮。同社RLインフラチームではK2.6ベースのエージェントが監視・インシデント対応・システム運用を5日間自律的に継続
• ▸Claw Groups(研究プレビュー) — 任意のデバイス・モデルのエージェントと人間が協働する新機能。K2.6がコーディネーターとしてスキルに応じてタスクを割り当て、失敗時には再割り当てやサブタスクの再生成を実施

5領域からなる社内評価「Claw Bench」の全指標で、タスク完了率とツール呼び出し精度がK2.5を大きく上回ったとしています。