觀點 · 資訊分享
Kimi K2.6 上線 Cloudflare Workers AI：1 兆參數、26 萬 token 上下文，擅長長時間寫程式與多代理
Cloudflare 宣布 Moonshot AI 的 Kimi K2.6 在 Workers AI 首日上線。這是原生多模態、主打代理任務的模型，採混合專家架構，總參數 1 兆、每個 token 啟用 320 億，上下文長度約 26.2 萬 token。
- 發布
- 2026-04-20
- 篇幅
- 約 3 分鐘 · 1,532 字
- 結構
- 8 節 + 4 題常見問題
- 標籤
一句話看懂：Moonshot AI 的新模型 Kimi K2.6 在 Cloudflare Workers AI 首日上線，主打長時間寫程式和多個 AI 代理分工，上下文長度約 26 萬 token。
先用白話講：這個模型厲害在哪？
想像你請了一位工程師，不只會回答問題，而且可以一個下午連續做一整個功能：寫程式、查資料、改設計。Kimi K2.6 就是主打這種「長時間、能自己動手」的模型。
它還有一個特色：能指揮很多「小幫手代理」分工，一起完成大型任務。
發生什麼事
Cloudflare 在 4 月 20 日公告，@cf/moonshotai/kimi-k2.6 已在 Workers AI 上線，與 Moonshot AI 合作，首日就支援。
官方介紹的規格：
- 架構：混合專家（Mixture-of-Experts），總參數 1 兆（1T），每個 token 啟用 320 億（32B）。
- 上下文長度：262.1k token，可以在長時間的代理對話中保留完整的歷史、工具定義與程式碼。
- 多模態：能同時處理圖片與文字。
- 思考模式：可設定推理深度。
- 多輪工具呼叫：可以跨多輪對話呼叫工具。
- 代理協作：最多橫向擴充到 300 個子代理、執行 4,000 個協調步驟。
評測分數
公告引用了幾項代理與程式評測：
| 評測 | 分數 |
|---|---|
| BrowseComp | 83.2 |
| SWE-Bench Verified | 80.2 |
| Terminal-Bench 2.0 | 66.7 |
官方稱和 GPT-5.4、Claude Opus 4.6 相比有競爭力。這些是模型提供者的數字，不是第三方實測，請當作參考。
從 K2.5 搬過來要改什麼？
| 項目 | K2.5 | K2.6 |
|---|---|---|
| 開關思考 | chat_template_kwargs.enable_thinking |
chat_template_kwargs.thinking |
| 思考內容欄位 | reasoning_content |
reasoning |
給開發者的技術細節
- 呼叫方式：Workers AI 綁定
env.AI.run()、REST API/ai/run，或相容 OpenAI 的/v1/chat/completions；也可搭配 AI Gateway。 - 公告沒有直接列出價格，請看官方的模型頁與定價頁。
- 公告中沒有說明這個模型是否開放權重，所以我不在這裡替它貼標籤。
我的看法
我平常用本地的小模型處理分類與摘要，遇到真的需要「長時間寫程式」的任務才會用雲端大模型。這則新聞對我有用的不是分數，而是兩件實際的事：第一，Cloudflare 把它放進同一個 API，OpenAI 相容端點讓切換成本很低；第二，K2.5 到 K2.6 的欄位改了名字，如果你的程式有解析 reasoning_content，升級後會默默讀不到。
對接案的人來說，換模型前最好先建一組自己的小型測試題，不要只看官方列的分數。分數好看，不代表在你的案子上也比較好。
名詞小辭典
- Workers AI：Cloudflare 提供的 AI 推論服務，可以在它的平台上直接呼叫各種模型。
- 混合專家（MoE）：模型內部分成很多專家，每次只啟用其中一部分，用較少運算量換取大模型容量。
- 上下文長度：模型一次能「記住」的文字量，越長越能處理大型專案。
- 子代理（Sub-agent）：由主代理分派任務的小型 AI 代理，可以平行處理不同工作。