# Kimi K2.6

> Fiche du modèle de langage Kimi K2.6 sur Quelle IA, édition du 28 septembre 2026. Kimi K2.6 (Moonshot) : score IA de 82,9, 46e sur 246. Scores par tâche, prix, exécution locale et liens pour le télécharger ou l'essayer.

Page : https://quelleia.com/modeles/kimi-k2-6/
Origine : Moonshot · Chine · sorti le 20 avril 2026

## Score général

- Score IA : 82,9 (marge à 90 % : de 81,3 à 84,5)
- Rang : 46 (Groupe 6, ex æquo)
- Couverture : 100 % du poids des tâches, 30 mesures
- Échelle : 100 pour le meilleur modèle au lancement du site, 50 pour GPT-4o de novembre 2024.

## Scores par tâche

| Tâche | Score | Détail |
| --- | --- | --- |
| Raisonnement | 81,3 | Rang 40 · 44 % |
| Code | 80,6 | Rang 37 · 38 % |
| Agents | 81,9 | Provisoire · 33 % |
| Usage | 83,2 | Rang 49 · 100 % |
| Maths | 83,7 | Rang 37 · 88 % |
| Sciences | 83,2 | Rang 31 · 60 % |
| Français | 81,6 | Rang 26 · 50 % |
| Vision | 78,5 | Rang 25 · 100 % |
| Écriture | 83,4 | Rang 49 · 100 % |
| Web | 84,5 | Rang 45 · 100 % |

## Artificial Analysis (hors du score)

Artificial Analysis évalue les modèles de son côté et publie son propre indice, l'Artificial Analysis Intelligence Index v4.3. C'est un autre indice, qui ne compte pas dans le score IA de Quelle IA et ne se compare pas directement à lui.

| Version évaluée | Indice v4.3 | Rang chez eux | Vitesse | Premier jeton | Prix par million de jetons (entrée / sortie) |
| --- | --- | --- | --- | --- | --- |
| [Kimi K2.6](https://artificialanalysis.ai/models/kimi-k2-6) | 27,0 | 106e sur 193 | 69,6 jetons/s | 2,94 s | 0,95 $ / 4 $ |
| [Kimi K2.6 (Non-reasoning)](https://artificialanalysis.ai/models/kimi-k2-6-non-reasoning) | 23,6 (estimé) | hors classement | 50,7 jetons/s | 2,70 s | 0,95 $ / 4 $ |

Médianes de leurs mesures : vitesse en jetons produits par seconde, délai avant le premier jeton en secondes. Prix en dollars par million de jetons, en entrée puis en sortie. Rang parmi les 193 modèles que leur indice classe ; un indice qu'ils estiment reste hors de ce classement. Relevé le 1er octobre 2026 sur leur site, reproduit avec leur accord.

Source : Artificial Analysis, https://artificialanalysis.ai/models/kimi-k2-6

## Exécution locale

Trop lourd pour les machines que suit Quelle IA : 690,0 Go en version allégée à 4 bits, plus que les 448 Go utiles de quatre DGX Spark en grappe. Il lui faut un serveur.

- Allégée, 4 bits : 690,0 Go
- Allégée, 8 bits : 1 207,5 Go
- Complète, 16 bits : 2 300,0 Go

- Plus petite machine : aucune, il faut un serveur
- Carte graphique : Trop juste
- PC portable RTX : Trop juste
- PC portable Intel : Trop juste
- PC portable Snapdragon : Trop juste
- Mac : Trop juste
- Ryzen AI Max : Trop juste
- Nvidia DGX : Trop juste
- Sans carte graphique : Trop juste
- Serveur : Oui

## Fiche technique

- Prix : 0,59 € / 2,96 € (entrée / sortie, par million de jetons)
- Fenêtre de contexte : 262 144 jetons (environ 197 000 mots)
- Entrées : Texte, image, vidéo
- Réflexion : Non communiqué
- Paramètres : 1 000 milliards
- Licence : Modified MIT (poids ouverts, téléchargeables)
- Classe énergétique : E (sur une échelle de A à G)
- Hébergement en Europe : Possible
- Connaissances jusqu'à : Janvier 2025

## Où le trouver

- Télécharger : [Hugging Face](https://huggingface.co/moonshotai/Kimi-K2.6)
- Sur votre machine : [Ollama](https://ollama.com/search?q=Kimi-K2.6)
- Sur votre machine : [LM Studio](https://lmstudio.ai)
- Par API : [OpenRouter](https://openrouter.ai/moonshotai/kimi-k2.6)
- Par API : [API Moonshot](https://platform.moonshot.ai)
- L'essayer : [Kimi](https://www.kimi.com)

## Dans les outils de code

- Disponible dans : [Devin Desktop (ex-Windsurf)](https://quelleia.com/outils/#devin-desktop) (à l'usage), [OpenCode](https://quelleia.com/outils/#opencode) (à l'usage), [Warp](https://quelleia.com/outils/#warp)
- Relevé du 30 septembre 2026 sur la page publique de chaque outil. Un modèle proposé par un outil figure dans la liste que son éditeur publie. Rien n'y est mesuré.

## Mesures

| Benchmark | Tâche | Publié | Niveau suggéré | État | Source |
| --- | --- | --- | --- | --- | --- |
| OTIS Mock AIME 2024-2025 | Maths | 96,1 % | 84,3 | saturé | https://epoch.ai/benchmarks |
| GPQA Diamond | Sciences | 90,8 % | 83,9 | actif | https://epoch.ai/benchmarks |
| DTBench | Raisonnement | 90,9 % | 86,6 | saturé | https://conceptualreasoning.ai/dtbench |
| SWE-bench Verified | Code | 76,7 % | 84,4 | actif | https://epoch.ai/benchmarks |
| FrontierMath, paliers 1 à 3 (version 2025) | Maths | 39 % | 84,9 | actif | https://epoch.ai/benchmarks |
| Arena, questions d'experts | Sciences | 1 502,9 Elo | 85,8 | actif | https://arena.ai/leaderboard |
| Arena, questions de maths | Maths | 1 479,4 Elo | 85,7 | actif | https://arena.ai/leaderboard |
| Code Arena, WebDev | Web | 1 508,7 Elo | 84,6 | actif | https://arena.ai/leaderboard |
| Arena, questions de code | Code | 1 516,1 Elo | 85,1 | actif | https://arena.ai/leaderboard |
| Arena, écriture créative | Écriture | 1 433,5 Elo | 84,1 | actif | https://arena.ai/leaderboard |
| Arena, texte | Usage | 1 461,0 Elo | 83,5 | actif | https://arena.ai/leaderboard |
| Arena, questions en français | Français | 1 477,5 Elo | 81,9 | actif | https://arena.ai/leaderboard |
| FrontierMath, paliers 1 à 3 (v2) | Maths | 57,2 % | 84,0 | actif | https://epoch.ai/benchmarks |
| WeirdML (v2) | Code | 55,9 % | 78,6 | actif | https://htihle.github.io/weirdml.html |
| Arena, vision | Vision | 1 264,8 Elo | 84,5 | actif | https://arena.ai/leaderboard |
| SciCode | Code | 53,5 % | 87,3 | actif | https://artificialanalysis.ai/evaluations/scicode |
| Vending-Bench 2 | Agents | 6 205 $ | 88,7 | actif | https://epoch.ai/benchmarks |
| compar:IA | Français | 1 026,0 Elo | 73,9 | actif | https://arene.comparia.beta.gouv.fr/ranking |
| LMCA | Raisonnement | 37,26 | 78,0 | actif | https://conceptualreasoning.ai/lmca |
| SimpleQA Verified | Données | 34,9 % | 77,4 | actif | https://epoch.ai/benchmarks |
| FrontierMath, palier 4 (v2) | Maths | 25,6 % | 85,7 | saturé | https://epoch.ai/benchmarks |
| FrontierMath, palier 4 (version 2025) | Maths | 14,6 % | 84,2 | actif | https://epoch.ai/benchmarks |
| Chess Puzzles | Raisonnement | 26 % | 81,7 | actif | https://epoch.ai/benchmarks |
| ExploitBench | Sécurité | 18,4 % | 81,0 | actif | https://epoch.ai/benchmarks |
| ExploitBench | Sécurité | 16,3 % | 79,6 | actif | https://epoch.ai/benchmarks |
| ProofBench | Maths | 16 % | 81,5 | saturé | https://www.vals.ai/benchmarks/proof_bench |
| GDP.pdf | Données | 12 % | 80,2 | actif | https://surgehq.ai/benchmarks/gdp-pdf |
| Mystery Game Puzzles | Raisonnement | 18 % | 80,7 | actif | https://epoch.ai/benchmarks |
| CritPt | Sciences | 8 % | 80,8 | actif | https://epoch.ai/benchmarks |
| OSWorld 2.0 | Agents | 4,6 % | 80,2 | actif | https://osworld-v2.xlang.ai/ |
| Blueprint-Bench 2 | Vision | 3,9 % | 70,8 | actif | https://andonlabs.com/evals/blueprint-bench-2 |
| Mystery Game Puzzles | Raisonnement | 12 % | 73,0 | actif | https://epoch.ai/benchmarks |
| EBR-bench (Earthborne Rangers) | Agents | 2,4 % | 75,7 | actif | https://epoch.ai/benchmarks |
| GBAEval | Code | 0,9 % | 74,4 | actif | https://gbaeval.com/model/goose-kimi-k2-6 |
| Furniture Assembly | Vision | 21,7 % | 82,4 | actif | https://epoch.ai/benchmarks |

## En bref

**Quel est le score de Kimi K2.6 ?** Kimi K2.6 obtient un score IA de 82,9, avec une marge de 81,3 à 84,5, dans l'édition du 28 septembre 2026. Il est classé 46e sur 246 modèles, à partir de 30 mesures.

**Dans quelles tâches Kimi K2.6 est-il le plus fort ?** Ses deux meilleures tâches sont web (84,5) et maths (83,7). Sa tâche la plus faible est vision (78,5).

**Kimi K2.6 peut-il tourner en local ?** Trop lourd pour les machines que suit Quelle IA : 690,0 Go en version allégée à 4 bits, plus que les 448 Go utiles de quatre DGX Spark en grappe. Il lui faut un serveur.

**Combien coûte Kimi K2.6 ?** 0,59 € par million de jetons en entrée et 2,96 € en sortie, au tarif affiché par les fournisseurs. Le coût réel d'une tâche dépend du nombre de jetons que le modèle consomme.

**Qui édite Kimi K2.6 ?** Kimi K2.6 est édité par Moonshot (Chine), et il est sorti le 20 avril 2026. Ses poids sont ouverts, sous licence Modified MIT.

Source : Quelle IA, édition du 28 septembre 2026. https://quelleia.com