橙子AI科技 Logo 橙子AI科技 需求咨询
菜单
模型

Kimi-K2.6

moonshotai/Kimi-K2.6

查看上游原文 ↗
上游访问：公开 本站服务：可咨询 内容检查：AI 辅助整理并检查 许可证：modified-mit 上游版本：7eb5002f6aad

中文简介

moonshotai/Kimi-K2.6 是 moonshotai 在 Hugging Face 发布的模型仓库，当前卡片主要关联图文理解与多模态生成、文本生成与推理。本站固定记录上游版本 7eb5002f6aad，同步到 96 个文件，文件元数据合计 554.38 GB；访问状态为“公开”，许可证字段为“modified-mit”。

UPSTREAM README

上游模型卡 / 数据集卡

在 Hugging Face 查看原文 ↗

【README 卡片中文译介】

以下内容依据上游仓库 moonshotai/Kimi-K2.6 的固定版本 README、卡片字段和文件元数据进行中文结构化整理。它保留便于选型的关键信息，完整技术细节、代码示例和许可文本请同时查看上游原文。

【资源概览】
moonshotai/Kimi-K2.6 是 moonshotai 在 Hugging Face 发布的模型仓库，当前卡片主要关联图文理解与多模态生成、文本生成与推理。本站固定记录上游版本 7eb5002f6aad，同步到 96 个文件，文件元数据合计 554.38 GB；访问状态为“公开”，许可证字段为“modified-mit”。

【适用方向】
适合评估图文理解、视觉问答、文档或场景解析等多模态任务。 建议先用小规模样本验证推理框架、输入输出格式和任务指标，再决定是否进入完整权重获取、量化或部署评估。

【版本与规格】
固定版本：7eb5002f6aad。 任务标签：图文理解与多模态生成、文本生成与推理。 架构：KimiK25ForConditionalGeneration。 上游 Safetensors 元数据显示参数量约 1058.59 B。 库标记：transformers。 模型类型字段：kimi_k25。 上游页面记录的最近更新时间：2026-05-19。

【文件信息】
上游 API 返回 96 个文件，文件元数据合计 554.38 GB。 已保存文件清单中的主要扩展名：.safetensors 64 个、.py 9 个、.yaml 9 个、.json 5 个、.md 3 个、无扩展名 2 个。 当前较大的文件包括：model-00011-of-000064.safetensors（9.14 GB）；model-00012-of-000064.safetensors（9.14 GB）；model-00013-of-000064.safetensors（9.14 GB）。

【运行或处理环境】
仓库文件元数据合计 554.38 GB。 按每参数 2 字节只计算 BF16 权重，理论下限约 1.93 TB；这不包含 KV Cache、激活值、框架开销或并发余量。 实际显存与内存由精度、量化方式、上下文长度、批量、并发、MoE 专家加载方式和推理框架共同决定，不能只凭参数名或仓库大小作部署承诺；应在目标格式和目标硬件上实测。

【使用边界】
许可证显示为“modified-mit”，具体用途限制、附加政策和归属要求仍以上游原文为准。 模型输出、工具调用和生成内容可能出现错误、偏见或安全风险，面向业务前应建立任务级评测、权限隔离和人工确认。

已有简体中文译文 · Codex 基于固定版本 README 与上游元数据生成中文结构化译介 · 2026-07-24 01:09

🤗   huggingchat  |  📰   Tech Blog 1. Model Introduction Kimi K2.6 is an open-source, native multimodal agentic model that advances practical capabilities in long-horizon coding, coding-driven design, proactive autonomous execution, and swarm-based task orchestration. Key Features **Long-Horizon Coding**: K2.6 achieves significant improvements on complex, end-to-end coding tasks, generalizing robustly across programming languages (Rust, Go, Python) and domains spanning front-end, DevOps, and performance optimization. **Coding-Driven Design**: K2.6 is capable of transforming simple prompts and visual inputs into production-ready interfaces and lightweight full-stack workflows, generating structured layouts, interactive elements, and rich animations with deliberate aesthetic precision. **Elevated Agent Swarm**: Scaling horizontally to 300 sub-agents executing 4,000 coordinated steps, K2.6 can dynamically decompose tasks into parallel, domain-specialized subtasks, delivering end-to-end outputs from documents to websites to spreadsheets in a single autonomous run. **Proactive & Open Orchestration**: For autonomous tasks, K2.6 demonstrates strong performance in powering persistent, 24/7 background agents that proactively manage schedules, execute code, and orchestrate cross-platform operations without human oversight. 2. Model Summary | | | |:---:|:---:| | **Architecture** | Mixture-of-Experts (MoE) | | **Total Parameters** | 1T | | **Activated Parameters** | 32B | | **Number of Layers** (Dense layer included) | 61 | | **Number of Dense Layers** | 1 | | **Attention Hidden Dimension** | 7168 | | **MoE Hidden Dimension** (per Expert) | 2048 | | **Number of Attention Heads** | 64 | | **Number of Experts** | 384 | | **Selected Experts per Token** | 8 | | **Number of Shared Experts** | 1 | | **Vocabulary Size** | 160K | | **Context Length** | 256K | | **Attention Mechanism** | MLA | | **Activation Function** | SwiGLU | | **Vision Encoder** | MoonV

公开页仅展示原文摘录；完整模型卡或数据集卡请前往上游仓库查看。

适用场景

适合评估图文理解、视觉问答、文档或场景解析等多模态任务。 建议先用小规模样本验证推理框架、输入输出格式和任务指标，再决定是否进入完整权重获取、量化或部署评估。

模型参数

固定版本：7eb5002f6aad。 任务标签：图文理解与多模态生成、文本生成与推理。 架构：KimiK25ForConditionalGeneration。 上游 Safetensors 元数据显示参数量约 1058.59 B。 库标记：transformers。 模型类型字段：kimi_k25。 上游页面记录的最近更新时间：2026-05-19。

文件说明

上游 API 返回 96 个文件，文件元数据合计 554.38 GB。 已保存文件清单中的主要扩展名：.safetensors 64 个、.py 9 个、.yaml 9 个、.json 5 个、.md 3 个、无扩展名 2 个。 当前较大的文件包括：model-00011-of-000064.safetensors（9.14 GB）；model-00012-of-000064.safetensors（9.14 GB）；model-00013-of-000064.safetensors（9.14 GB）。

上游文件元数据

以下仅为 Hugging Face 官方 API 返回的文件名与大小元数据，官网没有下载或托管这些文件。

  • .eval_results/aime_2026.yaml213 B
  • .eval_results/gpqa_diamond.yaml197 B
  • .eval_results/hle.yaml186 B
  • .eval_results/hle_with_tools.yaml208 B
  • .eval_results/hmmt_feb_2026.yaml221 B
  • .eval_results/mmmu_pro.yaml181 B
  • .eval_results/swe_bench_pro.yaml209 B
  • .eval_results/swe_bench_verified.yaml223 B
  • .eval_results/terminal_bench_2.yaml224 B
  • .gitattributes1.60 KB
  • chat_template.jinja3.93 KB
  • config.json5.29 KB

硬件建议

仓库文件元数据合计 554.38 GB。 按每参数 2 字节只计算 BF16 权重，理论下限约 1.93 TB；这不包含 KV Cache、激活值、框架开销或并发余量。 实际显存与内存由精度、量化方式、上下文长度、批量、并发、MoE 专家加载方式和推理框架共同决定，不能只凭参数名或仓库大小作部署承诺；应在目标格式和目标硬件上实测。

注意事项

许可证显示为“modified-mit”，具体用途限制、附加政策和归属要求仍以上游原文为准。 模型输出、工具调用和生成内容可能出现错误、偏见或安全风险，面向业务前应建立任务级评测、权限隔离和人工确认。

获取、校验与交付

咨询此资源时只需发送本页链接或资源准确全称。橙子AI科技会继续核对版本、文件与类型、README资料卡、许可证和访问条件，并在合法访问权限、许可证及平台规则允许的前提下，协助海内外下载、完整性校验及网盘或硬盘交付；本官网本身不托管或下载资源文件。

第三方资源声明

本页面为橙子AI科技基于固定版本上游卡片整理的中文信息与服务说明，不代表资源作者或平台官方页面。实际许可、访问和使用条件以上游原文为准。