MoonshotAI: Kimi K2.6

Kimi K2.6 adalah model pembuatan teks dari Moonshot AI, terdaftar di api14 dengan model id moonshotai/kimi-k2.6. Model ini berada dalam lini Kimi milik penyedia tersebut, dan Moonshot AI memposisikannya sebagai model multimodal generasi berikutnya yang dibangun untuk coding jangka panjang, pembuatan UI/UX yang digerakkan oleh coding, dan orkestrasi multi-agen. Tanggal rilis dari penyedia adalah 2026-04-20.

Model ini menerima input teks dan gambar serta mengembalikan teks. Jendela konteksnya adalah 262.144 token, dengan output maksimum 235.929 token, sehingga cocok untuk beban kerja di mana sejumlah besar materi sumber disertakan bersama instruksi. Moonshot AI menggambarkannya sebagai model yang menangani tugas coding end-to-end yang kompleks di Python, Rust, dan Go. Karena gambar dapat menjadi bagian dari input, sebuah permintaan dapat menggabungkan screenshot, diagram, atau mockup desain dengan instruksi tertulis dan menerima teks sebagai hasilnya.

Kemampuan tersebut mengarah pada beberapa penggunaan praktis. Pekerjaan coding jangka panjang cocok dengan konteks besar dan alokasi output yang tersedia, karena sebuah permintaan dapat membawa konteks repositori yang substansial dan menghasilkan keluaran yang panjang. Pembuatan UI dan UX yang digerakkan oleh coding mengikuti kombinasi kemampuan coding dan input gambar: pengembang dapat memberikan referensi visual dan meminta markup atau kode komponen. Orkestrasi multi-agen adalah penggunaan lain yang dimaksudkan, di mana model mengoordinasikan agen atau alat lain, bukan hanya menjawab satu prompt. Pekerjaan campuran teks dan gambar, seperti membaca desain atau diagram lalu mendeskripsikan atau mentransformasikannya dalam teks, juga didukung oleh modalitas input tersebut.

Untuk memanggil model ini melalui API yang kompatibel dengan OpenAI dari api14, gunakan model id moonshotai/kimi-k2.6. Parameter permintaan yang didukung adalah frequency_penalty, include_reasoning, logit_bias, logprobs, max_tokens, min_p, parallel_tool_calls, presence_penalty, reasoning, repetition_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_k, top_logprobs, dan top_p. Penggunaan alat dan structured outputs karena itu tersedia langsung melalui permintaan, bersama dengan kontrol sampling dan opsi penalaran seperti include_reasoning dan reasoning.

Karena ini adalah model dengan output teks, apa pun yang memerlukan gambar atau audio yang dihasilkan berada di luar cakupan di sini; model lain akan diperlukan untuk jenis output tersebut. Dalam pekerjaan teks, batasan utama yang perlu diingat adalah selisih antara input dan output. Jendela konteksnya adalah 262.144 token sementara output maksimumnya adalah 235.929 token, sehingga respons yang panjang menghabiskan sebagian besar ruang yang tersedia dan menyisakan lebih sedikit ruang untuk input. Jika suatu tugas hanya membutuhkan jawaban singkat atas prompt kecil, konteks penuh tidak diperlukan, tetapi model ini tetap mendukungnya.