【新智元導讀】開源AI王座一夜易主！Kimi K2.6出道即巔峰，展示了恐怖的「全棧交付」能力。它不僅能復刻高盛研報、手搓奢華官網，甚至能和人類在群組里并肩打工。

開源模型追平甚至反超閉源三巨頭，這件事真的發生了。

4月20日深夜，Kimi K2.6出道即開源。

• HLE「人類最后的考試」54.0分，碾壓GPT-5.4和Claude Opus 4.6

• SWE-Bench Pro軟件工程實戰58.6分，超過GPT-5.4的57.7

• Terminal-Bench終端編碼66.5分，而GPT-5.4只有60.4

• Artificial Analysis評測中，更是直接坐上了世界開源第一王座

但我們今天拋開跑分，只聊一件事：K2.6到底能干出什么活。

代碼寫完了，設計也交了

首先，讓K2.6 Agent制作一個近地軌道旅行公司ORBITAL的官網，要求植入太空艙座位選擇和航班預訂功能。

打開的瞬間，商業航天的高級感直接拉滿。

全屏視頻背景是太空艙窗口視角，地球弧面緩緩轉過，大氣層邊緣泛著藍光。

右下的飛行數據面板用等寬字體列出關鍵參數，左上的熒光青小圓點在緩慢呼吸閃爍，模擬系統在線狀態。

往下滑動，是一條垂直時間線驅動的飛行敘事。

從T-60:00在樟宜航天港換上定制加壓服，到T+03:00推進階段承受過載，到T+08:00零重力開始，一直到T+92:00 Touchdown，太空艙濺落海面，回收潛水員圍上來。每個階段帶一個橙色關鍵數據和AI生成的場景配圖。

一段prompt，一次生成，從品牌視覺系統到可交互的艙位SVG圖，全部到位。

K2.6 Agent做出來的不只是好看的前端，它能做全棧交付。

后臺的航班預訂系統是真的能跑的。選日期、挑座位、填乘客信息，預約數據做了持久化存儲，每航班6座上限，滿了自動鎖定。

這個網站不是一個「看樣子」的空殼，它帶著完整的后端邏輯。

換個題材。

同樣的prompt結構，K2.6 Agent產出了深海探索研究機構「THALASSA」的官網。

首屏運鏡從北大西洋海面垂直下沉入水，穿過水線的瞬間畫面一分為二，藍色從淺到深漸變，遠處墨藍中亮著兩點暖黃色潛水器燈光。

三臺潛水器參數卡片精確到推進方式和觀察窗尺寸，6種深海生物各占一屏。田野筆記區三篇文章分別署名首席科學家、海洋生物學家和紀錄片導演。

奢侈香水品牌?THER的官網，K2.6 Agent在「極致美學」上的統治力展現得最充分。

只見一支琥珀色香水瓶在大理石臺面上，瓶內液體緩慢旋轉，光線穿透玻璃投射出焦散紋。

「?THER」五個字母用Cormorant Garamond襯線體疊在瓶身上。La Collection區展示5款香水，可拖拽切換。

5款香水、5套完整香調金字塔、5句手寫文案、5張各不相同的瓶身圖。

這些網站能做到這個水準，背后是K2.6模型加上Kimi Agent 模式 harness 的實力。超過了 Google AI Studio中的Gemini 3.1 Pro。

產出的是可以直接丟進項目的React組件和HTML/CSS代碼，帶動畫關鍵幀、hover狀態、滾動觸發動效，甚至拖拽界面和多步表單，跟靜態Mockup完全兩碼事。

前端編碼的審美是 Kimi 從 K2.5 就開始卷的能力，到 K2.6 又券出了新境界。沒猜錯的話，這應該是楊植麟在2025年底內部信中提到的agent產品taste之一？

300個Agent，4000步，一次交付

1T巨量參數，每個token只激活32B的開源MoE，384個專家選8個激活。

連續編碼13小時不斷線，單次修改超過4000行代碼。

內部實測中自主重構了一個8年歷史的金融撮合引擎，峰值吞吐量漲了133%。

有了這個底子，Agent集群才真正有了用武之地。

長程編碼解決「一個人能干多久」，Agent集群解決「一支團隊能做多大的事」。

K2.5時代是100個子Agent、1500步。K2.6直接拉到300個子Agent、4000步。

不同技能特長的Agent互補協作，一次運行就能交付從文檔到網頁、從PPT到表格的全套產物。

過去丟給Kimi一個復雜任務，它一個人從頭干到尾，遇到不擅長的環節就可能卡住。現在它會自己拆活、組隊、分頭干，每個子Agent專攻自己擅長的那塊，最后匯總交付。

Claw Bench的內部測試結果顯示，K2.6在無需人工干預的長時間自主運行場景中提升尤為明顯。

在自主Agent場景中，K2.6與OpenClaw、Hermes Agent配合可長達5天持續自主運行。

這個「集群」到底能干什么？我們做了三輪測試。

30個Agent寫30座城市的凌晨四點

首先，讓Agent們化身為30座城市在凌晨四點仍然醒著的一個人。

拉各斯的發電機維修工、孟買的送報員、里約的沙灘清潔工、新加坡的港口調度員、舊金山的程序員、馬尼拉呼叫中心的夜班接線員……

每人寫一段200字以內的第一人稱片段，只寫動作和感官，禁止出現「孤獨」「寂寞」等直白情感詞。

這類任務的難點不在單篇文字，而是30篇之間不能撞。

拉各斯維修工寫的是「柴油滴在指關節上，油膜裹住皮膚的紋理，滑膩的觸感像涂了一層冷蠟。我握緊扳手，將十六毫米套筒扣住螺栓，順時針擰動，金屬與金屬碰撞出咔噠咔噠的咬合聲」。

舊金山程序員寫的是「Cherry青軸的咔噠聲在黑暗里格外脆。食指敲下回車，藍光從屏幕撲到臉上，眼皮被刺得一緊」。

馬尼拉接線員寫的是「隔斷板上女兒的相片邊角翹起來了，我用小拇指把它按平，膠紙的粘性不夠了」。

感官錨點沒有一個重復，每頁的背景圖也是匹配生成的。30張圖30種氣氛，視覺風格統一在深夜的暗調里。

Skill × Agent集群，復刻高盛研報

Agent集群負責干活，但「按什么標準干」還需要一個東西來定義。

Kimi Agent的技能（Skill）就是干這個的。

系統內置了上百個官方推薦技能包，用戶也可以自己創建，輸入斜杠「/」即可調用。

兩者疊在一起會怎樣？

我們上傳一份高盛的研究報告，讓Kimi K2.6分析架構、語言風格，并總結出一個Skill。

做好之后，就可以直接調用這個最新的技能goldman-research-report，讓Kimi K2.6做一份類似的調研報告：

2026年的硅谷AI競爭格局，需要提及Anthropic、OpenAI、谷歌、xAI、Meta。

命令一發出，一大批Agent全部上線，每一人分工任務明確。

比如，納什負責OpenAI、唐墨負責Anthropic、逸飛谷歌、莉香xAI、胡博士Meta......

然后，這些Agent團隊分別開始推進自己的子任務的報告，每一個完成后，都會主動匯報已完成。

調研完成后，進入交叉驗證階段，素材事實性沒有問題后，交由「高盛報告撰寫員Agent」再次分配任務。

最后，就得到了一份非常詳實，且1:1復刻「高盛風格」的硅谷局勢分析的Word版報告。

一次出三件套，跨文檔數據零誤差

加大難度。

這次要求Agent集群一次性交付PDF深度報告、Excel數據底表和英文PPT三件套，主題是全球AI基礎設施競爭情報，覆蓋芯片、云計算、數據中心、網絡設備四個層級的60家企業。

Agent集群跑完后交付了一份76頁的PDF、一份Excel底表和一套PPT。

PDF采用摩根士丹利藍皮書風格，內容細到芯片架構的算力密度公式和NVIDIA B200 vs AMD MI350X的參數對比表。

同樣的，系統也自動做了跨文檔一致性驗證，五項檢查，全部綠勾。

60家企業的名稱和數據，在PDF、Excel、PPT里對得上每一個數字。

這種「交付即可審計」的完成度，放在真人團隊里都不一定做得到。

One More Thing

Agent集群讓AI學會了自動化分工。

但下一步的問題更大，能不能把人類和各種不同來源的Agent放在一個群組里，像真正的團隊一樣協作？

人類統治地球靠的是大規模協作，單個人打不過老虎。

AI Agent走向實用化也在走同樣的路，從個體智能到群體智能，再到人機混合智能。

Kimi團隊的答案叫「Claw群組」，目前已開啟小范圍內測。

用戶可以接入來自任何設備、任何供應商、運行任何模型的龍蝦，每個龍蝦攜帶各自的工具包、技能和持久化記憶。首批兼容OpenClaw，后續會加入Hermes Agent等框架。

無論部署在本地筆記本、手機還是云端，都能進入同一個協同辦公群組。

K2.6在群組中擔任協調者（包工頭），根據Agent的技能畫像動態匹配任務。人類是下達任務的甲方。

當某個Agent故障或停滯時，協調者自動重新分配任務或生成子任務，對交付物全生命周期進行主動管理。

Kimi自己的營銷團隊已經在用Claw群組跑內容生產流水線。有人教自己的蝦學會了剪視頻，有人教自己的蝦調研社媒熱帖，有人的蝦是做Benchmark圖的好手……那為什么不把他們拉到一個群里干活。

Demo Maker、Benchmark Maker、Social Media Agent、Video Maker各司其職，K2.6做全局協調，從創意到成品一條線拉通。

從一個Agent做一件事，到300個Agent做一套事，到人類和Agent坐進同一個群里一起干活……進化的從來不是技術，而是“我們“的邊界。

風險提示及免責條款： 市場有風險，投資需謹慎。本文不構成個人投資建議，也未考慮到個別用戶特殊的投資目標、財務狀況或需要。用戶應考慮本文中的任何意見、觀點或結論是否符合其特定狀況。據此投資責任自負。

點個在看支持一下??