Kimi K2.6: Das zweite Modell des Gonka-Netzwerks

Kimi K2.6 ist ein großes Sprachmodell (LLM) der Kimi-Serie, entwickelt vom Pekinger Unternehmen Moonshot AI. Moonshot AI ist eines der führenden KI-Labore Chinas, gegründet 2023 von einem Team von Forschern unter der Leitung von Yang Zhilin. Das Unternehmen hat Finanzmittel von Alibaba, Tencent und anderen großen Investoren erhalten und wurde in die Liste der „chinesischen KI-Tiger“ aufgenommen – Unternehmen, die das Tempo der KI-Entwicklung in Asien vorgeben.

Die Kimi-Serie ist seit 2024 bekannt. Frühe Versionen (K1, K1.5) erregten sofort Aufmerksamkeit durch ihr außergewöhnlich langes Kontextfenster – bis zu 200.000 Token in einer einzigen Anfrage, was zum Zeitpunkt der Veröffentlichung ein Rekord für öffentlich zugängliche Modelle war. Ein langer Kontext bedeutet die praktische Möglichkeit, mit einer einzigen Anfrage ein ganzes Buch, eine mittelgroße Codebasis oder eine Sammlung von Rechtsdokumenten zu analysieren. Zum Zeitpunkt der Veröffentlichung von Kimi war dieses Merkmal ein starkes Wettbewerbsvorteil.

Die Version K2 erschien 2025 und brachte einen grundlegenden architektonischen Sprung – den Übergang zu MoE (Mixture of Experts). Dieselbe Architektur liegt Qwen3-235B und DeepSeek-R1 zugrunde – sie ist zum De-facto-Standard für die größten Modelle der Jahre 2025–2026 geworden. MoE ermöglicht Hunderte Milliarden Parameter „insgesamt“, aber bei jeder Anfrage wird nur eine Untergruppe (normalerweise 5–10 %) aktiviert, was die Rechenkosten für Inferenzen bei vergleichbarer Qualität radikal senkt.

K2.6 ist die neueste Iteration der K2-Serie zum Zeitpunkt der Verfassung dieses Artikels. Aus öffentlichen Erklärungen von Moonshot AI geht hervor, dass in dieser Version die Fähigkeiten des Modells in Bezug auf Reasoning (logisches Denken), Code-Generierung und nativen Tool-Calling verbessert wurden. Im Gonka-Netzwerk wird das Modell als moonshotai/Kimi-K2.6 identifiziert – genau dieser Name muss im Feld model der API-Anfrage übergeben werden.

Beide Modelle repräsentieren Flaggschiff-Entwicklungen der größten chinesischen KI-Labore und beide sind über die einheitliche OpenAI-kompatible Schnittstelle JoinGonka Gateway verfügbar. Dabei haben sie unterschiedliche Stärken und unterschiedliche Hintergründe, was die Wahl zwischen ihnen nicht zu einer Frage „welches ist besser“ macht, sondern zu einer Frage „welches passt zur Aufgabe“.

Bei Reasoning-Benchmarks (MATH-500, GSM8K, AIME) zeigt die Kimi K2-Serie historisch Ergebnisse in der Spitzengruppe der open-weights Modelle und konkurriert mit DeepSeek-R1 und o1-style Modellen. Bei Aufgaben der Code-Generierung (HumanEval, MBPP) bewegen sich beide Modelle auf ähnlichem Niveau. Die Stärke von MiniMax M2.7 ist der effiziente (lineare) attention für sehr lange Sequenzen, während Kimi für starkes Reasoning und den langen Kontext der Kimi-Serie bekannt ist.

Ein wichtiger Vorbehalt zu Benchmarks im Jahr 2026: Die Lücke zwischen Top-Modellen in öffentlichen Tests ist auf wenige Prozent geschrumpft, und dieser Unterschied liegt oft innerhalb der statistischen Fehlerquote der Benchmarks selbst. Für die praktische Arbeit ist nicht entscheidend, „wer bei MMLU um 2% besser ist“, sondern die Art der Aufgaben: welchen Kontext übergeben Sie dem Modell, wie komplex sind die logischen Ketten, wird eine lange Dialoghistorie benötigt, welche Sprachen werden verwendet. Daher stuft die obige Tabelle die Modelle nicht ein – sie hilft dabei, schnell zu verstehen, für welches Aufgabenprofil jedes von ihnen optimiert ist.

Für die praktische Wahl: Wenn die Aufgabe einen langen Kontext (Analyse großer Dokumente, Lesen umfangreicher Codebasen, lange Dialoge mit Historien-Erhalt) oder komplexe Reasoning-Aufgaben erfordert, sollte man mit Kimi K2.6 beginnen. Wenn die Verarbeitung sehr langer Eingabesequenzen und Streaming-Daten Priorität hat, sollte man MiniMax M2.7 mit seinem effizienten attention testen. Eine gute Strategie in der Produktion ist es, beide Modelle im Code zu haben: Der schnelle Wechsel über den Parameter model ermöglicht es, je nach Aufgabe zwischen ihnen zu wechseln, ohne die Anwendungsarchitektur zu ändern.

Bis zum Frühjahr 2026 bediente das gesamte Gonka-Netzwerk genau ein Modell — Qwen3-235B. Aus architektonischer Sicht war dies eine sinnvolle Entscheidung: Distributed Inference über DiLoCo erfordert, dass alle Netzwerkteilnehmer dasselbe Modell im Videospeicher halten, da es sonst unmöglich ist zu garantieren, dass jeder Knoten jeden Request verarbeiten kann. Ein vollständiges Qwen3-235B im FP8-Format belegt etwa 640 GB VRAM, was bereits eine enorme Verpflichtung für jeden MLNode darstellt.

Für den Übergang zu einem Multi-Modell-Netzwerk war ein Mechanismus erforderlich, der es ermöglichte, mehrere Modelle gleichzeitig zu halten, ohne dass jeder Host sie alle ausführen musste. Dieser Mechanismus wurde zu DevShards — separate Shards des Netzwerks, von denen sich jeder auf ein Modell spezialisiert. Knoten innerhalb eines Shards arbeiten an demselben Modell, und der Netzwerk-Router leitet den Request an den Shard mit dem benötigten Modell weiter.

Die Idee kam nicht aus dem Nichts — sie wurde formalisiert im Gonka Improvement Proposal #800 „Multi-Model PoC“, das im Frühjahr 2026 zur Abstimmung durch die Community gestellt wurde. Der Vorschlag erhielt Unterstützung von den Teilnehmern und Validatoren des Netzwerks und wurde im April/Mai 2026 umgesetzt. Kimi K2.6 wurde das erste Modell, das auf einem separaten DevShard gestartet wurde — also effektiv eine Testimplementierung des neuen Ansatzes. Wenn sich die Erfahrung als erfolgreich erweist, steht dem Start eines dritten, vierten Modells und so weiter nichts im Wege — jedes auf seinem eigenen Shard, mit eigenem Host-Set, eigener Ökonomie und eigener Roadmap.

Was bedeutet das für Nutzer und Entwickler:

• Ein API — mehrere Modelle. Über das JoinGonka Gateway muss der Endpoint oder die Keys nicht geändert werden: Es reicht aus, im Body des Requests ein anderes model anzugeben. Das OpenAI-kompatible Format bleibt vollständig erhalten.
• Der Preis bleibt gleich. Derzeit wird Kimi K2.6 im Netzwerk zum gleichen Satz wie MiniMax M2.7 tarifiert — $0.0047 pro 1M Token über das Gateway. In Zukunft können die Preise je nach Modell variieren, aber eine einheitliche Preisgestaltung zum Start ist eine bewusste Entscheidung, um die Migration der Nutzer zu vereinfachen.
• Stabilität hängt von der Shard-Auslastung ab. In einer frühen Phase hat der Shard eines neuen Modells weniger Hosts, daher kann das Modell bei einer Konzentration von Requests vorübergehend 429 too many concurrent requests zurückgeben. Dies ist eine normale Phase für ein neues Modell — mit wachsendem Interesse werden sich Hosts seinem Shard anschließen, und die Limits werden steigen.
• Tool calling — in der Feinabstimmungsphase. Zum Zeitpunkt des Schreibens dieses Artikels treten bei Kimi K2.6 im Gonka-Netzwerk kleinere Probleme bei der automatischen Auswahl von Tools auf (tool_choice: "auto"). Das Gonka-Team arbeitet daran, das Verhalten an den OpenAI-Standard anzupassen; für kritische produktive Szenarien mit Tool calling testen Sie das Verhalten des Modells bitte vorab mit Ihren Requests.

Der direkteste Weg führt über das JoinGonka API Gateway. Das Gateway bietet eine OpenAI-kompatible API, was bedeutet: Der gleiche Code, der mit GPT, Claude oder anderen Modellen funktioniert, funktioniert auch mit Kimi, sobald der Wert im Feld model im Request-Body angepasst wurde.

Ein minimales Beispiel per curl:

curl https://gate.joingonka.ai/v1/chat/completions \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "moonshotai/Kimi-K2.6",
    "messages": [
      {"role": "user", "content": "Erkläre den Unterschied zwischen MoE und dense Modellen"}
    ]
  }'

Derselbe Request mit Python über die openai-Bibliothek:

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://gate.joingonka.ai/v1",
)

response = client.chat.completions.create(
    model="moonshotai/Kimi-K2.6",
    messages=[{"role": "user", "content": "Hallo, Kimi"}],
)
print(response.choices[0].message.content)

Streaming (Server-Sent Events) — für interaktive Oberflächen und Chats, bei denen die Antwort während der Generierung angezeigt werden soll:

stream = client.chat.completions.create(
    model="moonshotai/Kimi-K2.6",
    messages=[{"role": "user", "content": "Schreibe einen Essay über MoE"}],
    stream=True,
)
for chunk in stream:
    delta = chunk.choices[0].delta.content
    if delta:
        print(delta, end="", flush=True)

Die Kosten für Kimi K2.6 betragen die gleichen $0.0047 pro 1 Million Token, der einheitliche Tarif des Netzwerks. Das ist ~800-mal günstiger als GPT-5.5 und ~500-mal günstiger als Claude Sonnet 4.6. Bei der Registrierung im JoinGonka Gateway erhalten Sie kostenlose 1.5M Token zum Testen beliebiger Netzwerkmodelle — das reicht aus, um das Modell ohne Kreditkarte oder für zehntausende normale Anfragen zu testen.

Kompatibilität mit Entwicklungstools: Alles, was mit der OpenAI API funktioniert, funktioniert auch mit Kimi über das Gateway. Auf Modell-Ebene muss lediglich der Parameter model geändert werden:

• Cursor: Geben Sie in den Custom Model Einstellungen moonshotai/Kimi-K2.6 an
• Claude Code: Umgebungsvariable ANTHROPIC_MODEL oder das Flag --model
• OpenClaw, Cline, Continue.dev: Ändern Sie den Modellnamen in der CustomChatModel-Konfiguration
• LangChain, n8n: Parameter model bei der Client-Initialisierung
• Open WebUI, LibreChat: Das Modell erscheint nach dem Hinzufügen von Gonka als benutzerdefiniertem Anbieter in der Dropdown-Liste

Die Liste der verfügbaren Modelle ist immer aktuell unter dem Endpoint GET /v1/models Ihrer Gateway-Instanz — von dort aus lässt sie sich bequem dynamisch in die UI Ihrer Anwendung einbinden, damit Benutzer die vollständige Liste sehen und das Modell selbst auswählen können.

Der Demo-Chat auf der Seite /try nutzt zum Zeitpunkt der Veröffentlichung eines der aktiven Netzwerkmodelle — ein Multi-Modell-Selektor im Widget steht auf der Roadmap. Um Kimi sofort auszuprobieren, nutzen Sie das Gateway API: Die kostenlosen 1.5M Token reichen aus, um das Modell ohne Kreditkarte zu testen. Falls als Antwort 429 too many concurrent requests zurückkommt, ist das eine normale Phase für ein neues Modell in den frühen Wachstumsphasen des Gonka-Netzwerks. Wiederholen Sie den Request einfach nach einigen Sekunden oder warten Sie auf ein Fenster mit geringerer Auslastung.

Was kommt als nächstes für das Gonka-Netzwerk: Der Erfolg von DevShards für Kimi ebnet den Weg für andere Modelle. In der Community werden DeepSeek-V3/R1, Llama 4 und spezialisierte Code-Modelle diskutiert. Jedes neue Modell bedeutet ein neues Shard, neue Hosts, neue Möglichkeiten für Benutzer und eine neue Einnahmequelle für GPU-Anbieter. Die Multi-Modell-Architektur ist auch strategisch wichtig: Ein Netzwerk, das an ein einziges Modell gebunden ist, ist fundamental fragil (die Veröffentlichung einer neuen Version führt zur Migrationskrise), während ein Netzwerk, das mehrere Modelle gleichzeitig halten kann, sich sanft und kontinuierlich weiterentwickelt.

Dasselbe Kimi K2.6 über OpenRouter kostet $0.684/$3.42 pro 1M, im Vergleich zu $0.0047 bei JoinGonka (hundertmal teurer).