Kimi K2.6
Moonshot AI · 🇨🇳国内代码/Agent 主力，AA 中国第 5 + SuperCLUE 智能体维度国内前三
Moonshot 当前旗舰。AA Intelligence 43 中国榜第 5，Agentic Index 是国内前三。LMArena Code Arena 进入前 10，是国内少数进入 Code Top 10 的模型。2026-05-30 降价：输入 $0.684/M、输出 $3.42/M，比 Claude Sonnet 便宜 5 倍。
关键指标
Artificial Analysis · 独立评测
artificialanalysis.ai · 抓取于 2026-07-11| 综合智能（Intelligence Index） | 44.00 |
| 输出速度 | 42 token/s |
| 首 token 延迟（TTFT） | 2.61s |
| 总响应延迟 | 121.90s |
| 推理模式 | 否 |
AA 是独立第三方评测站，综合 GPQA / HLE / MMLU-Pro / SciCode / Tau²-Bench / TerminalBench / IFBench 等公开基准。 同一模型不同 reasoning effort 配置 AA 拆开排，本表只取最高分那档。
LMArena · 人类盲测排名
arena.ai · 抓取于 2026-07-11| 分类 | 最佳变体 | 排名 | Elo |
|---|---|---|---|
| 🌐 Web Dev | kimi-k2.6 | #7 | 1522.3 |
| 📄 Document | kimi-k2.6 | #15 | 1453.63 |
| 💻 Code | kimi-k2.6 | #17 | 1513.26 |
| 👁️ Vision | kimi-k2.6 | #20 | 1265.59 |
| 🏆 Overall | kimi-k2.6 | #37 | 1461.7406897779504 |
只展示 Top 10 内出现的分类与变体。同一分类下若有多个变体（thinking / search 等），只显示排名最靠前的。 LMArena 是 Elo 分，人类盲测两两投票算出来—— 「人类觉得好」≠「客观最强」，但反映真实使用体验。
SuperCLUE · 中文能力测评
未收录：SuperCLUE 5 月榜 Kimi-K2.6-Thinking 总分 68.66，国内第二，智能体 80.95 国内最高。
API 价格与国内可用性
来源 openrouter.ai · 抓取于 2026-07-11| 输入价格 | $0.66 / 百万 token |
| 输出价格 | $3.41 / 百万 token |
| 上下文窗口 | 262K tokens |
| 国内可用性 | 可用 |
| 最近核验 | 2026-07-11 |
| 模型 | 输入 | 输出 | 国内 |
|---|---|---|---|
| Kimi K2.7 Code · Moonshot AI | $0.72 | $3.49 | 可用 |
| Qwen3.7 Max · Alibaba (阿里云百炼) | $1.25 | $3.75 | 可用 |
| GLM 5.1 · Z.ai (智谱) | $0.97 | $3.04 | 可用 |
| Gemini 3 Flash Preview · Google | $0.50 | $3.00 | 不稳定 |
Vectara HHEM · 幻觉率实测
vectara/hallucination-leaderboard · 2026-07-02T04:24:22.584572+08:00| 幻觉率（Hallucination Rate） | 10.8% （越低越好 · 全榜第 67 / 105） |
| 事实一致率 | 89.2% |
| 答题率（Answer Rate） | 99.7% |
Vectara HHEM-2.3 是开源的事实一致性评估器。让模型对 7700+ 篇文档（新闻/科技/科学/医疗/法律/体育/商业/教育）做摘要， 温度=0，HHEM 评估摘要是否「捏造原文里没说的内容」。 幻觉率不等于"模型质量"——它只衡量摘要任务的事实一致性，做题强的旗舰模型反而经常更爱"加戏"。 但对 RAG、客服、医疗法律这种「不能瞎说」的场景，这是目前最有参考价值的指标之一。
什么时候选它 / 别选它
- 国内代码主力——AA 中国第 1，价格只是 Claude Sonnet 的 1/4
- Agent 编排任务——Agentic 65.97 是国内最高
- 需要走国内 API（合规、不走代理）的开发场景
- 极致追求 SOTA 智能分——AA Intelligence 53.9，与 GPT-5.5 的 60.24 还有 6 分差距
- 短问答跑量——上面还有 DeepSeek V4 Flash 这种 $0.2/M 输出的选项
- 前端 WebDev——LMArena 排第 7，落后 Claude/GLM-5.1