Pro/moonshotai/Kimi-K2.6

Kimi-K2.6 属于 kimi-k2 家族，2026-04-20 发布，权重开放，可在 SiliconFlow 上按量调用。上下文窗口与单次最大输出同为 262000 tokens，知识截止到 2025-01，输入模态为文本加图像，输出为纯文本。它要解决的是长上下文任务中信息被截断、以及 Agent 流程里推理与工具调用割裂的问题：推理、工具调用、结构化输出、附件输入、温度调节都列为支持能力，可以把多步推理、外部工具取数和格式约束放在同一次请求内完成。相比同系列上一代以及同平台的一批小参数模型，它的定位更偏向复杂任务而非高并发轻量调用，价格也明显更高。本站收录平台只有 1 家，暂无第三方公开跑分，选型时更适合用自有业务数据做小流量验证，而不是依赖榜单结论。

选型建议需要超长上下文、工具调用与结构化输出的复杂文本任务值得选它；预算敏感或只做短文本生成时，Kimi-K2.5 与同平台 Qwen 系列更划算。

• 解析上百页合同或技术手册，输出带固定字段的结构化摘要
• 在 Agent 流程中编排多轮工具调用，完成检索、计算与结果回填
• 结合图像附件读取截图或表格，转写为可继续处理的文本
• 复用固定系统提示与长知识库命中缓存读，降低重复输入开销
• 对长代码仓库做问答与改动建议，避免上下文被截断

延续 kimi-k2 系列的开源权重路线，输入端同时接受文本与图像，输出端保持纯文本，便于嵌入既有的文本处理链路。

• 结构输入为文本与图像双模态、输出仅文本，多模态能力集中在理解侧，生成侧不涉及图像或音频。
• 能力官方列明推理、工具调用、结构化输出与附件输入，温度可调，多步任务可在单次请求内串起取数与格式化。
• 披露参数规模、注意力设计与训练方法未在本站事实中体现，公开资料较少，架构细节需以官方权重文档为准。

开源权重

是

模型家族

kimi-k2

长上下文承载与工具编排是主要卖点；量化性能缺乏第三方验证，实际表现应按业务场景实测判断。

• 强项262000 tokens 上下文与同等单次最大输出，长报告、长代码库问答、多轮工具链任务不必频繁分段截断。
• 短板本站未收录该模型任何第三方跑分，无法做量化横评；图像只作输入，仍不能生成图片或多模态内容。
• 适合以文本生成为主、需要长文档理解与结构化返回的 Agent 编排、文档分析、知识抽取类任务。

官方报价为输入 $0.9714/M、输出 $4.0351/M、缓存读 $0.1644/M，在本站同类模型中处于偏高价位。

• 定位输出价约为输入价的四倍，成本主要由生成长度驱动，长输出场景需按输出价而非输入价做预算。
• 横向对比同门 Kimi-K2.5 输入价低约 53.7%，GLM-5.1 低约 7.7%，Qwen3.5 与 3.6 系列低 72% 至 94%，溢价明显。
• 平台差价本站仅收录 1 家平台，models.dev 与其 siliconflow-cn 条目报价完全一致，暂无跨平台价差可选。
• 省钱缓存读价约为输入价的六分之一，固定系统提示与长文档重复命中缓存可压低输入成本，短输出任务宜分层选型。

同一个模型在不同网关的报价可能不同。本页基准取官方口径 $0.9714/M / $4.0351/M（输入 / 输出，美元 / 百万 tokens），其余来源的差价在「相对输入价」列列出，供比价参考。

取上下文相近（约 0.5~2 倍）的同类主流模型；同厂商、同家族优先；价格差为相对本模型的输入价

• 口径价格与上下文数据来自本站收录的单一平台条目，未经多源交叉验证，平台调价或版本更新后需重新复核。
• 边界知识截止 2025-01，之后的信息需依赖检索或工具补齐；输入与最大输出共用 262000 tokens，长输出时必须预留额度。

本页资料由多个公开来源交叉整理：按「官方目录 → 通用网关 → 开源仓库 → 中文资料」的优先级合并， 冲突时取优先级高的来源。价格单位是美元 / 百万 tokens，为各平台对 API 调用的报价，不含自部署成本。 资料由公开来源整理，不代表 AiTest 已对该模型或其收录中转站做过真实性、稳定性或安全检测。

本页的模型介绍、架构、性能与性价比解读为 AI 综合公开信息整理，部分未经本站逐项核实；规格、价格与跑分以本页数据字段为准。