Moonshot AI는 Kimi K2.6을 출시하며 과감한 주장을 펼쳤습니다. Kimi K2.6은 오픈소스 코딩, 장기 실행, 에이전트 스웜 분야에서 새로운 최첨단 기술이라는 것입니다. 이 주장은 수치로 뒷받침됩니다. SWE-Bench Verified에서 80.2%, AIME 2026에서 96.4%, GPQA-Diamond에서 90.5%, OSWorld-Verified에서 73.1%를 달성했습니다. 이 수치들은 단순한 마케팅 문구가 아니라, Kimi 공식 발표에서 직접 가져온 것입니다.
이 게시물은 Kimi K2.6이 무엇인지, 에이전트 스웜(Agent Swarm) 아키텍처가 단일 모델의 능력을 어떻게 변화시키는지, GPT-5.4 및 Claude 4.6과 비교한 벤치마크 결과, 그리고 오늘 바로 사용을 시작할 수 있는 방법에 대해 자세히 설명합니다.
요약
- 출시: 문샷 AI(Moonshot AI), 2026년 4월, 오픈소스 (가중치는 Hugging Face, API는 platform.kimi.ai에서 제공).
- 아키텍처: 1조 개 파라미터 MoE(mixture-of-experts), 토큰당 320억 개 활성 파라미터, 262,144 토큰 컨텍스트 (256K).
- 최대 출력: 추론 작업 시 최대 98,304 토큰.
- 에이전트 스웜(Agent Swarm): 최대 300개의 서브 에이전트, 작업당 4,000개 이상의 협력 단계 (K2.5의 3배).
- 최고 벤치마크: SWE-Bench Verified 80.2%, Terminal-Bench 2.0 66.7%, AIME 2026 96.4%, HLE-Full (도구) 54.0%, OSWorld-Verified 73.1%.
- 사용처: kimi.com 채팅, Kimi 앱, Kimi 코드, API, 오픈 가중치.
한 문단으로 설명하는 Kimi K2.6
Kimi K2.6은 문샷 AI(Moonshot AI)의 차세대 오픈소스 모델로, 최첨단 코딩, 장기 실행, 에이전트 스웜(Agent Swarm)에 중점을 둡니다. 이 모델은 kimi.com, Kimi 앱, Kimi 코드, 그리고 platform.kimi.ai의 API에서 실행됩니다. K2.6은 에이전트 스웜의 한계를 300개의 서브 에이전트와 4,000개 이상의 동시 단계로 확장한 최초의 K-라인 릴리스로, 몇 초가 아닌 며칠 동안 지속되는 자율 작업 세션을 가능하게 합니다. Qwen 3.6(OpenRouter 가이드 참조) 또는 Qwen3.5-Omni와 같은 다른 최신 모델들이 API 우선 워크플로우에 어떻게 통합되는지 익숙하다면, Kimi K2.6은 더 날카로운 에이전트 집중력으로 같은 형태로 자리 잡습니다.
문샷은 Kimi K2.6 발표에서 전체 벤치마크 표를 공개했습니다. 주요 내용은 다음과 같습니다:
코딩
| 벤치마크 | Kimi K2.6 |
|---|---|
| SWE-Bench Verified | 80.2% |
| SWE-Bench Multilingual | 76.7% |
| SWE-Bench Pro | 58.6% |
| Terminal-Bench 2.0 | 66.7% |
SWE-Bench Verified에서 80.2%는 동일한 평가 도구에서 Claude 4.6과 같거나 능가하는 수치이며, 다운로드 가능한 오픈 가중치로 이를 달성했습니다. Terminal-Bench 2.0에서 66.7%는 K2.5보다 15.9포인트 상승한 것으로, 문샷이 셸 및 파일 조작 신뢰성에 두 배로 투자했음을 보여줍니다.
에이전트 및 도구 사용
| 벤치마크 | Kimi K2.6 |
|---|---|
| HLE-Full (도구 포함) | 54.0% |
| BrowseComp | 83.2% (에이전트 스웜 사용 시 86.3%) |
| DeepSearchQA (F1) | 92.5% |
| Toolathlon | 50.0% |
| Claw Eval (pass@3) | 80.9% |
| OSWorld-Verified | 73.1% |
HLE-Full에서 54.0%는 K2.6이 해당 특정 추론 및 도구 벤치마크에서 GPT-5.4(52.1%)와 Claude 4.6(53.0%)을 앞섰음을 의미합니다. OSWorld-Verified에서 73.1%는 K2.6이 운영체제 수준의 작업을 위해 실제 데스크톱 환경을 구동할 수 있음을 의미하며, 이는 Claude Code 컴퓨터 사용이 목표로 하는 것과 같은 영역입니다.
추론 및 지식
| 벤치마크 | Kimi K2.6 |
|---|---|
| AIME 2026 | 96.4% |
| HMMT 2026 (2월) | 92.7% |
| GPQA-Diamond | 90.5% |
| IMO-AnswerBench | 86.0% |
AIME 2026에서 96.4%는 불과 1년 전만 해도 모델들에게 매우 어려웠던 경쟁 수학 벤치마크에서 거의 완벽에 가까운 점수입니다.
비전
| 벤치마크 | Kimi K2.6 |
|---|---|
| MathVision (Python 포함) | 93.2% |
| V* (Python 포함) | 96.9% |
| MMMU-Pro | 79.4% |
| CharXiv (RQ, Python 포함) | 86.7% |
“Python 포함” 결과는 비전이 이제 도구 사용과 어떻게 연결되는지를 보여줍니다. K2.6은 그림을 읽고, Python 코드를 작성하며, 동일한 궤적 내에서 답을 계산합니다.
에이전트 스웜(Agent Swarm): 구조적 도약
에이전트 스웜(Agent Swarm)은 K2.6의 주요 아키텍처 변경 사항입니다. 문샷의 블로그에서는 이를 명확하게 설명합니다. K2.6은 최대 300개의 서브 에이전트를 4,000개 이상의 협력 단계로 조율하며, 이는 K2.5의 100개 에이전트와 1,500단계에 비해 3배 확장된 것입니다.
세 가지 중요한 패턴이 있습니다:
- 이질적인 작업 분해. 모델은 자신을 300번 복제하지 않습니다. 작업은 서로 다른 기술 프로필(코드, 연구, 비전, 계획)을 가진 하위 작업으로 분할되며, 각 하위 작업은 적절한 전문가에게 전달됩니다.
- 구성적 지능. 서브 에이전트들은 공유된 상태를 통해 소통하며, 단일 세션에서 문서, 웹사이트, 슬라이드, 스프레드시트 결과물을 생성합니다. 이는 Hermes 에이전트 아키텍처가 다중 에이전트 오케스트레이션을 구조화하는 방식과 유사합니다.
- 문서-기술 전환. 사양은 "구조적 DNA"를 보존하는 기술이 되며, 이는 모델이 디자인 문서를 흡수하고 마치 부족의 지식을 가지고 있는 것처럼 행동할 수 있음을 의미합니다.
Kimi 발표에서 공개된 실제 실행 사례
세 가지 작업 증명(proof-of-work) 예시입니다:
- Mac에서 Qwen3.5-0.8B 추론 최적화 — 12시간 이상 연속 작업, 4,000회 이상 도구 호출, 14회 반복, 처리량 15에서 193 토큰/초로 증가 (LM Studio 기본값보다 약 20% 빠름).
- 익스체인지 코어(Exchange-core) 금융 엔진 튜닝 — 13시간, 1,000회 이상 도구 호출, 4,000줄 이상 코드 수정, 평균 처리량 185% 증가 (0.43 → 1.24 MT/s), 성능 처리량 133% 증가 (1.23 → 2.86 MT/s).
- 자율 5일 인프라 실행 — 인간의 감독 없이 다중 스레드 작업 처리 및 사고 대응.
만약 코딩 에이전트가 20번의 도구 호출 후 길을 잃는 것을 본 적이 있다면, 이 수치들은 다르게 다가올 것입니다. 여기서 흥미로운 스케일링 법칙은 파라미터가 아니라 에이전트-시간(agent-hours)입니다.
아키텍처가 어떻게 유지되는가
전문가 혼합(Mixture of experts, MoE)
K2.6은 토큰당 320억 개의 활성 파라미터를 가진 1조 개 파라미터 규모의 MoE(Mixture-of-Experts) 모델입니다. 320억 개 밀집(dense) 모델에 가까운 추론 비용으로 최첨단(frontier-class) 기능을 얻을 수 있습니다. GLM-5V Turbo API와 같은 다른 MoE 계열 릴리스와 동일한 장단점이 적용됩니다. 엔지니어링 비용은 라우팅에 들어갑니다.
긴 컨텍스트: 262,144 토큰
컨텍스트 윈도우는 정확히 262,144 토큰입니다 (문샷이 언급한 반올림된 숫자). 추론 작업 시 최대 생성 길이는 98,304 토큰까지 가능합니다. 이는 다음을 포함하기에 충분합니다:
- 중간 규모의 전체 코드베이스를 포함하고도 에이전트 궤적을 위한 공간이 남음
- 여러 차례 질의응답을 위한 공간이 있는 전체 법률 또는 연구 문서
- 진행 중인 에이전트 세션을 위한 며칠간의 도구 호출 기록
문샷은 K2.5에서 저하되었던 긴 컨텍스트 추론을 안정적으로 유지하기 위해 K2.6의 어텐션 스택 일부를 다시 작성했습니다.
기본 샘플링
블로그에서는 K2.6의 기본 파라미터로 온도(temperature) 1.0과 top-p 1.0을 권장하는데, 이는 대부분의 코딩 모델에 비해 공격적인 설정입니다. OpenAI 또는 Anthropic 문서에서 볼 수 있는 낮은 온도 기본값을 맹목적으로 따르지 마십시오. Kimi 팀은 K2.6이 더 높은 온도에서 신뢰할 수 있는 출력을 생성하도록 튜닝했습니다.
클로 그룹(Claw Groups): 모델 위의 다중 에이전트 레이어
클로 그룹(Claw Groups)은 K2.6 발표에 포함된 연구 프리뷰입니다. 이는 여러 에이전트와 사람이 노트북, 모바일, 클라우드에 걸쳐 동일한 작업을 수행하는 개방형 생태계입니다. 네 가지 기능은 다음과 같습니다:
- 특수 도구 키트를 기반으로 한 동적 작업 매칭
- 자동 작업 재할당을 통한 오류 감지
- 크로스 디바이스(교차 장치) 배포
- 사람의 개입이 있는 체크포인트
클로 평가(Claw Eval) 점수 80.9% (pass@3)는 K2.6이 이 레이어 내에서 얼마나 신뢰성 있게 작동할 수 있는지를 측정합니다. Paperclip의 AI 에이전트 회사가 설명하는 방식으로 자율 에이전트 팀을 생각하고 있다면, 클로 그룹은 준비된 기반(substrate)입니다.
디자인 주도 개발 및 능동형 에이전트
K2.6은 채팅 코드 완성 이상의 프론트엔드 생성 기능을 제공합니다. 공식 게시물에서 발췌:
- 인증, 데이터베이스, 트랜잭션을 포함한 풀스택(Full-stack) 생성
- 에이전트 궤적 내 이미지 및 비디오 생성 도구 통합
- 스크롤 트리거 애니메이션, 대화형 요소 및 프로덕션 준비 완료 출력
능동형 에이전트(proactive agents)는 OpenClaw 및 Hermes 내에서 24시간 내내 작동하며, 백그라운드에서 여러 애플리케이션을 조율합니다. 이는 Google Agent Smith와 자신만의 Claude Code 구축과 같은 맞춤형 스택을 중심으로 팀이 구축하고 있는 "에이전트는 절대 잠들지 않는다" 패턴과 동일합니다.
Kimi K2.6 vs 폐쇄형 최첨단 모델
공식 비교 표에서 발췌:
| 작업 | K2.6 | GPT-5.4 | Claude 4.6 | Gemini 3.1 | K2.5 |
|---|---|---|---|---|---|
| HLE-Full (도구) | 54.0 | 52.1 | 53.0 | 51.4 | 50.2 |
| BrowseComp | 83.2 | 82.7 | 83.7 | 85.9 | 74.9 |
| Terminal-Bench 2.0 | 66.7 | 65.4 | 65.4 | 68.5 | 50.8 |
| SWE-Bench Pro | 58.6 | 57.7 | 53.4 | 54.2 | 50.7 |
세 가지 주요 사항:
- K2.6은 이 표에 있는 4가지 중 3가지에서 승리하거나 동점을 기록했으며, HLE-Full 및 SWE-Bench Pro에서는 GPT-5.4를 앞섰습니다.
- Gemini 3.1은 Terminal-Bench 및 BrowseComp에서 선두를 차지하고 있으므로, 순수 브라우징 또는 터미널 신뢰성 면에서는 여전히 강력한 후보입니다.
- K2.6은 오픈 가중치와 함께 출시되며, 이는 폐쇄형 경쟁 모델 중 어느 것도 제공하지 않는 장점입니다.
Kimi K2.6 사용처
kimi.com (채팅)
일반 사용자용 Kimi 인터페이스는 K2.6을 가장 빠르게 시도할 수 있는 방법입니다. 로그인하여 모델 선택기에서 K2.6을 선택하면, 채팅, 에이전트 모드, 에이전트 스웜, 비전, Kimi Code 도구 통합을 이용할 수 있습니다. 자세한 내용은 Kimi K2.6을 무료로 사용하는 동반 가이드를 참조하십시오.
Kimi 앱
모바일 앱(iOS, 안드로이드)은 음성 입력 및 장기 실행 에이전트 작업을 위한 푸시 알림을 통해 웹 경험을 반영합니다.
Kimi 코드
Kimi Code는 터미널 기반의 코딩 인터페이스입니다. 채팅 창보다는 Claude Code 워크플로우에 더 가깝습니다. K2.6은 에이전트 스웜(Agent Swarm)을 기반으로 로컬 파일 시스템을 구동하고, 커밋하며, 테스트를 수행합니다. 코딩 에이전트를 찾고 있다면 Cursor Composer 2와 비교해 보세요.
API
API는 OpenAI와 호환됩니다. 기본 URL은 https://api.moonshot.ai/v1이며, 모델 ID는 kimi-k2.6 및 kimi-k2.6-thinking입니다. 인증, 스트리밍, 도구 호출, 비전, 비디오, 에이전트 스웜 호출을 포함한 자세한 내용은 Kimi K2.6 API 사용 방법에서 확인할 수 있습니다.
Hugging Face의 오픈 가중치
전체 K2.6 가중치는 수정된 MIT 라이선스 하에 Hugging Face의 moonshotai/Kimi-K2.6에 있습니다. 커뮤니티 양자화(ubergarm GGUF, unsloth)를 통해 H100급 GPU를 가진 팀은 자체 하드웨어에서 실행하는 것이 가능합니다.
K2.6 훈련 방식 (문샷 공개 내용)
Kimi K2.6 발표에는 전체 훈련 레시피가 공개되지 않았지만, 제품 단서는 엔지니어링 노력이 어디에 집중되었는지 알려줍니다:
- 장기 실행 안정성 — 문샷은 12시간 및 13시간 에이전트 실행을 세션 길이 실패 모드에 대한 훈련 증거로 제시합니다. K2.5는 수백 번의 도구 호출 후 성능이 저하되었지만, K2.6은 4,000회 이상을 유지합니다.
- 도구 호출 신뢰성 — CodeBuddy의 도구 호출 성공률 96.60%는 공개된 수치입니다. 훈련 시 합성 도구 사용 데이터는 연구소에서 이를 달성하는 일반적인 방법입니다.
- 구성적 스웜 훈련 — 이질적인 서브 에이전트 행동은 단일 전문가가 아닌 여러 에이전트 역할(기획자, 코더, 연구원, 검토자)에 걸친 훈련 신호를 의미합니다.
- 비전 + 코드 체이닝 — "Python을 사용한 MathVision" 패턴(93.2%)은 볼트온(bolt-on) 비전 어댑터가 아닌 멀티모달 + 도구 사용 결합 훈련을 나타냅니다.
2026년 시대의 좋은 오픈 모델과 훌륭한 모델을 구분하는 요소에 대한 회고록을 쓰고 있다면, 위 네 가지 항목이 대부분의 이야기를 차지할 것입니다.
관심 가져야 할 사람
다음과 같은 경우 Kimi K2.6을 선택하세요
- 장기 실행 코딩 에이전트. 4,000단계, 12시간 데모 실행은 마케팅이 아니라 아키텍처의 일부입니다.
- 다중 에이전트 시스템. 에이전트 스웜(Agent Swarm) 및 클로 그룹(Claw Groups)은 직접 코드를 작성하지 않고도 300개 에이전트 오케스트레이션을 제공합니다.
- 오픈 가중치 프로덕션. 모델 주권, 맞춤형 미세 조정 또는 규제 통제가 필요한 경우.
- 고처리량 API 작업. MoE 추론 비용은 폐쇄형 모델 가격보다 훨씬 낮으며, OpenAI 호환 API는 기존 코드에 쉽게 통합됩니다.
다음과 같은 경우 폐쇄형 모델을 고수하세요
- 강력한 안전 정렬. Claude 4.6은 여전히 미묘한 거부 및 정책 준수 면에서 선두를 달립니다.
- 1초 미만의 사용자 채팅 지연 시간. 에이전트 스웜 실행은 밀리초가 아닌 분 단위입니다.
- 고정된 공급업체 SLA. 규제 산업의 경우, 최첨단 연구소의 지원 계약이 모델 품질보다 더 중요할 수 있습니다.
Apidog로 5분 만에 Kimi K2.6 테스트하는 방법
문샷/Kimi API 키가 있다면, Apidog를 사용하여 몇 분 만에 아무것도 없는 상태에서 작동하는 테스트를 할 수 있습니다:
- 환경 생성:
BASE_URL = https://api.moonshot.ai/v1,KIMI_API_KEY = sk-.... - 새 요청:
POST {{BASE_URL}}/chat/completions. - 헤더:
Authorization: Bearer {{KIMI_API_KEY}},Content-Type: application/json. - 본문:
{
"model": "kimi-k2.6",
"messages": [{"role": "user", "content": "Summarize the Kimi K2.6 announcement."}],
"stream": true
}
- 보내기(Send) 클릭. 토큰이 스트리밍되는 것을 확인하세요.
Apidog는 또한 요청 기록(실패한 도구 호출 시퀀스 재생), OpenAI 채팅 완성 사양에 대한 스키마 유효성 검사, 멤버별 키를 사용한 팀 공유, 그리고 편집기 내 테스트를 위한 VS Code 통합을 처리합니다. 현재 Postman을 사용 중이라면, 2026년 Postman 없이 API 테스트하는 가이드에서 전환 방법을 안내합니다.
자주 묻는 질문
Kimi K2.6은 오픈소스인가요? 가중치는 수정된 MIT 라이선스(moonshotai/Kimi-K2.6) 하에 오픈소스입니다. 훈련 데이터와 훈련 코드는 공개되지 않습니다. 이는 통용되는 의미에서 "오픈 가중치"입니다.
Kimi K2.6은 K2.5와 어떻게 비교되나요? 공식 벤치마크 표에 따르면 전반적으로 큰 발전이 있었습니다: HLE-Full에서 +3.8점, BrowseComp에서 +8.3점, Terminal-Bench 2.0에서 +15.9점, SWE-Bench Pro에서 +7.9점, Claw Eval에서 +20.5점, 그리고 에이전트 스웜(Agent Swarm) 용량이 3배 증가했습니다.
Kimi K2.6의 컨텍스트 윈도우는 얼마인가요? 262,144 토큰입니다. 추론 작업 시 최대 생성 길이는 98,304 토큰까지 가능합니다.
Kimi K2.6을 로컬에서 실행할 수 있나요? 예, 강력한 하드웨어가 있다면 가능합니다. 전체 1조 개 파라미터 MoE는 멀티 GPU H100급 노드를 필요로 합니다. 커뮤니티 기여자들이 만든 양자화 빌드(4비트, 3비트)는 일부 품질 손실과 함께 더 작은 설정에서도 실행 가능합니다. 양자화 옵션에 대해서는 무료 액세스 가이드를 참조하십시오.
Kimi K2.6은 도구 호출을 지원하나요? 예. API는 OpenAI 도구 호출 형식을 따릅니다. 에이전트 스웜(Agent Swarm)은 병렬 도구 호출을 기본적으로 처리합니다.
Kimi K2.6과 Kimi K2.6 Thinking의 차이점은 무엇인가요? K2.6은 빠른 에이전트 변형입니다. K2.6 Thinking은 답변하기 전에 가시적인 사고 과정을 노출합니다. 수학 증명, 어려운 디버깅 또는 복잡한 계획에는 Thinking을 사용하세요.
Kimi K2.6을 무료로 이용하는 방법은 무엇인가요? kimi.com 웹 채팅은 일일 할당량 내에서 무료입니다. Cloudflare Workers AI에는 무료 티어가 있습니다. Hugging Face 가중치로 자체 호스팅하는 경우 하드웨어만 있다면 토큰당 비용이 없습니다. 자세한 내용은 Kimi K2.6을 무료로 사용하는 방법에서 확인할 수 있습니다.
Kimi K2.6은 다른 오픈 가중치 모델과 어떻게 비교되나요? Qwen 3.6 및 Qwen3.5-Omni와 비교할 때, Kimi K2.6은 코딩 및 에이전트 벤치마크에서 앞서지만, Qwen은 여전히 더 강력한 다국어 및 소형 모델 변형을 가지고 있습니다. DeepSeek V3.x와 비교할 때, K2.6은 에이전트 오케스트레이션에서 우위를 가집니다.
요약
Kimi K2.6은 에이전틱 코딩(agentic coding) 및 장기 작업을 위해 현재까지 출시된 오픈 가중치 모델 중 가장 프로덕션 준비가 된 모델입니다. 300개의 에이전트 스웜, 4,000단계 실행, 262K 컨텍스트 윈도우, 그리고 오픈 가중치는 현재 모델 라인업에서 독특한 도구로 자리매김하게 합니다. 문샷의 발표 게시물은 이를 오픈소스 에이전트 작업의 새로운 최첨단으로 평가하며, 공개된 벤치마크가 이 주장을 뒷받침합니다.
코딩 에이전트, 장기 실행 연구 보조원 또는 다중 에이전트 시스템을 위한 모델을 평가 중이라면 Kimi K2.6을 고려해야 할 목록에 추가하십시오. platform.kimi.ai에서 키를 받고, Apidog를 열어 첫 번째 요청을 보내세요. 그리고 API 및 무료 액세스 방법에 대한 심층 가이드를 따라 진행해 보세요.