月之暗面昨晚发布了 Kimi K2.6，依旧开源。但更值得一提的是，编程能力不仅开源 SOTA 登顶，而且力压两个闭源模型。
SWE-Bench Pro 58.6，超过了 GPT-5.4（xhigh）和 Claude Opus 4.6（max effort）。
也就是说：一个开源模型，跑赢了目前几乎最强的两个闭源模型。
这对开源编程模型来说，应该是第一次在主流基准上取得压制优势。
当然，我们知道，跑分只是故事的一半……
K2.6 还有个极具暴力与美感的 Agent 集群功能，我后面会详细说。
（基准跑分先看硬数据）
K2.6 在编程和 Agent 相关的基准上几乎全线领先：
• SWE-Bench Pro：58.6（开源 SOTA）
• SWE-Bench Verified：80.2
• SWE-Bench Multilingual：76.7
• Terminal-Bench 2.0：66.7
• HLE w/ tools：54.0
• BrowseComp：83.2
• LiveCodeBench v6：89.6 数学和视觉方面也没落下，AIME 2026 拿了 96.4，MathVision w/ python 93.2。
Yuchen Jin 转发了 Kimi 官方推文并评论道：
“ 开源 SOTA！SWE-Bench Pro 58.6，超过了 GPT-5.4（xhigh）和 Claude Opus 4.6（max effort）。Kimi 的发布速度越来越快了，算得上 S 级的开源模型团队。
不只跑分！
当然，我们知道，跑分高是一回事，能不能在真实场景里扛住长时间高强度的工作，则又是另一回事了。
而连我们都知道，Kimi 显然也知道……所以 K2.6 这次在这方面的进步，可能比跑分更值得关注。它可以，连续工作 12 小时不崩。
官方给的一个案例是：用 K2.6 在 Mac 上用 Zig 语言本地部署 Qwen3.5-0.8B 模型，整个过程涉及 4000 多次工具调用，跨越 14 轮迭代，持续了 12 个小时。
最终，它跑出 193 tokens/sec 的推理速度，比 LM Studio 快了 20%。
另一个案例更是非常地硬核：对 exchange-core 金融撮合引擎做全面重构，13 个小时，1000 多次工具调用，修改了 4000 多行代码。中等负载吞吐量提升 185%，整体性能提升 133%。
换句话说，K2.6 已经能像一个靠谱的工程师那样，连续干十几个小时的活，中间不掉链子。而且，它根本就不挑语言。
Rust、Go、Python、前端、DevOps 工作流，都能稳定输出。官方的说法是：
“跨语言和框架的泛化能力。”
Vercel 说 K2.6 在 Next.js 基准上的表现提升了超过 50%。CodeBuddy 报告了 18% 的长上下文稳定性提升和 96.60% 的工具调用成功率。
以及，K2.6 还有一个非常实际的改进：平均步骤数比 K2.5 减少了约 35%。
更少的步骤意味着更少的 token 消耗，更少的出错机会，和更快的速度。用更短的路径走到正确答案，这其实是模型「聪明」程度的一个更加直觉的衡量方式。
内部的 Kimi Code Bench 基准测试成绩也佐证了这一点：K2.6 从 K2.5 的 57.4 提升到了 68.2，直接涨了将近 20%。
（300 个 Agent 上岗）
然后，就是这次的重头戏了。
K2.6 的 Agent 集群功能，虽然从 K2.5 就开始引入，但我的感受是，这次才算是真正的成熟了。
我们只需要给它一个任务，它会自动拆解，创建一堆不同角色的「分身」，让它们并行工作。
K2.5 的上限是 100 个子 Agent、1500 步，而到了 K2.6 这里，则直接拉到了 300 个子 Agent、4000 步。
一个人，一句指令，一支团队。
我当然，得亲自来试一试。
相关链接：
• Kimi 官网：https://kimi.com
• Kimi Code：https://kimi.com/code
