汎用モデル Kimi K2.6 を追加しました

kimi-k2.6 を追加しました。Moonshot AI が 2026-04-21 に公開した、汎用のマルチモーダル・エージェントモデルです。単価は入力 ¥205 / 出力 ¥915（1M tok・税込表示）で、画像を扱えるモデルとしては HAI で最も安価です。

推論・検索・視覚をまとめて扱える汎用モデルで、実用上の特徴は思考を OFF にできることです。

特徴

思考の ON / OFF を選べる

既定では思考（reasoning）が有効です。reasoning_effort に "none" を指定すると、思考せずに即答する Instant モードに切り替わります。

「9.11 と 9.9 はどちらが大きい？一言で。」を HAI 経由で投げた実測では、既定では上限に設けた 300 トークンをすべて思考に使い切って回答本文に到達せず、"none" では出力 6 トークンで回答が完了しました。思考トークンは出力として課金されるため（思考パラメータのお知らせ）、分類・抽出・整形のような単純な用途では実費が大きく変わります。

実測では "none" だけが思考 OFF に対応し、"low" / "high" はいずれも思考 ON になりました。事実上 ON / OFF の 2 択として使ってください。

エージェントと深い検索に強い

アーキテクチャは Kimi K2.5 と同じ Mixture-of-Experts で、総パラメータ 1T・アクティブ 32B です（384 エキスパートから 8 + 共有 1 を選択、61 層、MLA アテンション）。ツールを与えたタスクでの伸びが大きく、Humanity's Last Exam（ツールあり）は 54.0 で GPT-5.4 の 52.1・Claude Opus 4.6 の 53.0 を上回ります。重みは Hugging Face で Modified MIT ライセンスとして公開されています。

サブエージェントを並列に立てる Agent Swarm は、300 サブエージェント・4,000 ステップまで拡張されました（K2.5 は 100 サブエージェント・1,500 ステップ）。HAI は単一の推論 API なので、この構成を使うにはエージェント枠組み側で並列実行を組む必要があります。

画像入力に対応

K2 系で共通の MoonViT（400M）ビジョンエンコーダを持ち、スクリーンショットや図表をそのまま渡せます。HAI で画像を扱えるのは Kimi K3 とこのモデルの 2 つで、単価はこのモデルが低くなります。

ベンチマーク（Moonshot AI 公表値）

Moonshot AI はモデルカードと技術ブログでスコアを公表しています。エージェントとコーディングでは GPT-5.4・Claude Opus 4.6 と並ぶか上回り、実際の GitHub Issue を解かせる SWE-Bench Pro では 58.6 で両者より上です。前世代の Kimi K2.5 は 50.7 で、世代間の伸びは 7.9 ポイントです。

ツールを外した純粋な推論・数学ではまだ届いていません。ツールなしの HLE-Full は 34.7 で GPT-5.4 の 39.8・Gemini 3.1 Pro の 44.4 に劣り、AIME 2026 も 96.4 対 99.2 です。エージェント系でも Toolathlon と OSWorld-Verified は GPT-5.4 が上で、全面的に上位というわけではありません。

測定条件は、K2.6 が思考モード有効・temperature = 1.0 / top_p = 1.0・262,144 トークンコンテキスト、GPT-5.4 が xhigh、Claude Opus 4.6 が max effort、Gemini 3.1 Pro が thinking high です。コーディング系は 10 回の平均値です。* は公表値が無く Moonshot AI が同条件で再測定した数値、それ以外の他社スコアは各社の公表値の引用で、いずれも第三者の独立評価ではありません。DeepSearchQA の他社スコアは Claude Opus 4.7 System Card からの引用である一方、K2.6 側はコンテキスト管理なし・上限超過は失敗扱いという条件での測定なので、差をそのまま実力差とは読めません。

独立評価（Artificial Analysis）

第三者の測定では、Artificial Analysis の評価が Intelligence Index で 54。Anthropic / Google / OpenAI の 57 に次ぐ総合 4 位で、オープンウェイトのモデルとしては首位です。

エージェント性能の指標である GDPval-AA は 1520 Elo（K2.5 は 1309）、τ²-Bench Telecom は 96%。ハルシネーション率は 39% で、K2.5 の 65% から大きく下がり、Claude Opus 4.7（36%）や MiniMax-M2.7（34%）と同水準です。

一方で思考トークンの消費は多く、Intelligence Index の全走査で約 1.6 億トークンを使っています（Claude Sonnet 4.6 は約 1.9 億、GPT-5.4 は約 1.1 億）。

上位の Kimi K3 との住み分け

Moonshot AI が Kimi K3 の公表資料で示している同条件の比較では、K3 が K2.6 を上回ります。

HAI での単価は K3 が入力 ¥750 / 出力 ¥3,750 で、K2.6 の約 3.7 倍 / 約 4.1 倍です。コンテキストも K3 は 1M トークンあります。長い会話や巨大な差分を扱うワークフロー、スコアを優先する用途では K3、コストと速さを優先する用途では K2.6 が向きます。

使い方

model に kimi-k2.6 を指定します。

curl https://hai-api.hcloud.ltd/v1/chat/completions \
  -H "Authorization: Bearer hai_..." \
  -H "Content-Type: application/json" \
  -d '{
    "model": "kimi-k2.6",
    "messages": [{"role":"user","content":"このグラフから読み取れる要点を 3 つ挙げてください"}]
  }'

思考を OFF にする場合は reasoning_effort に "none" を渡します。

curl https://hai-api.hcloud.ltd/v1/chat/completions \
  -H "Authorization: Bearer hai_..." \
  -H "Content-Type: application/json" \
  -d '{
    "model": "kimi-k2.6",
    "messages": [{"role":"user","content":"次の住所を JSON に整形してください: 東京都千代田区..."}],
    "reasoning_effort": "none"
  }'

Moonshot AI が推奨するサンプリング設定は、思考 ON で temperature = 1.0、思考 OFF で temperature = 0.6、どちらも top_p = 0.95 です。

Claude Code から使う場合は環境変数を差し替えてください。

export ANTHROPIC_BASE_URL=https://hai-api.hcloud.ltd
export ANTHROPIC_AUTH_TOKEN=hai_...
export ANTHROPIC_MODEL=kimi-k2.6
export ANTHROPIC_SMALL_FAST_MODEL=deepseek-v4-flash
claude

注意点

• コンテキストは 256K（262,144）トークンです。 他のモデルの 1M より低くなります
• 思考を OFF にできるのは /v1/chat/completions の reasoning_effort: "none" だけです。 /v1/responses の reasoning: { effort: "none" } と /v1/messages の thinking: { type: "disabled" } は、現状いずれも反映されず思考 ON のままになります（実測）。Claude Code から使う場合も思考は常に有効です
• 入力はテキストと画像のみです。モデル自体は動画入力に対応しますが、Moonshot AI の公式 API 限定の実験機能で、HAI では使えません
• 出力はテキストのみです

単価とモデル一覧は料金ページ、モデル ID とセットアップ手順はドキュメントに掲載しています。