Kimi K2.6: il secondo modello della rete Gonka

Kimi K2.6 è un modello linguistico di grandi dimensioni (LLM) della serie Kimi, sviluppato dalla società di Pechino Moonshot AI. Moonshot AI è uno dei principali laboratori AI cinesi, fondato nel 2023 da un team di ricercatori guidati da Yang Zhilin. L'azienda ha attratto finanziamenti da Alibaba, Tencent e altri grandi investitori ed è entrata nell'elenco delle “tigri AI cinesi” — aziende che dettano il ritmo dello sviluppo dell'AI in Asia.

La serie Kimi è conosciuta dal 2024. Le versioni precedenti (K1, K1.5) hanno subito attirato l'attenzione per la finestra contestuale eccezionalmente lunga — fino a 200.000 token in una singola richiesta, che al momento del rilascio era un record per i modelli disponibili pubblicamente. Il contesto lungo significa la possibilità pratica di analizzare un libro intero, una base di codice di medie dimensioni o una selezione di documenti legali in una singola richiesta. Al momento del lancio di Kimi, questa caratteristica era un forte vantaggio competitivo.

La versione K2 è apparsa nel 2025 e ha portato un salto architettonico fondamentale — il passaggio a MoE (Mixture of Experts). Questa stessa architettura è alla base di Qwen3-235B e DeepSeek-R1 — è diventata lo standard di fatto per i modelli più grandi del 2025-2026. MoE permette di avere centinaia di miliardi di parametri “in totale”, ma per ogni richiesta attivare solo un sottoinsieme (solitamente 5-10%), il che riduce radicalmente il costo computazionale dell'inferenza con una qualità comparabile.

K2.6 è l'ultima iterazione della serie K2 al momento della stesura di questo articolo. Dalle dichiarazioni pubbliche di Moonshot AI si evince che in questa versione sono state migliorate le capacità del modello nel ragionamento (logical reasoning), nella generazione di codice e nella chiamata nativa di strumenti (tool calling). Nella rete Gonka il modello è identificato come moonshotai/Kimi-K2.6 — questo è il nome da passare nel campo model della richiesta API.

Entrambi i modelli rappresentano sviluppi di punta dei principali laboratori AI cinesi ed entrambi sono accessibili tramite un'interfaccia singola compatibile con OpenAI: il JoinGonka Gateway. Tuttavia, hanno punti di forza e retaggi differenti, il che rende la scelta tra loro non una questione di «quale sia il migliore», ma di «quale sia adatto al compito».

Nei benchmark di reasoning (MATH-500, GSM8K, AIME) la serie Kimi K2 mostra storicamente risultati nella fascia alta dei modelli open-weights, competendo con i modelli DeepSeek-R1 e di tipo o1. Nei compiti di generazione di codice (HumanEval, MBPP) entrambi i modelli si mantengono su livelli simili. Il punto di forza di MiniMax M2.7 è l'efficiente (linear) attention per sequenze molto lunghe, mentre Kimi è nota per un forte reasoning e il contesto lungo della serie Kimi.

Un'importante avvertenza sui benchmark nel 2026: il divario tra i migliori modelli nei test pubblici si è ridotto a pochi punti percentuali, e questa differenza rientra spesso nel margine di errore statistico dei benchmark stessi. Per il lavoro pratico, ciò che conta non è «chi è superiore del 2% in MMLU», ma la natura dei compiti: quale contesto si trasmette al modello, quanto sono complesse le catene logiche, se è necessaria una lunga cronologia del dialogo, quali lingue vengono utilizzate. Pertanto, la tabella sopra non classifica i modelli, ma aiuta a capire rapidamente per quale profilo di compiti ciascuno è ottimizzato.

Per la scelta pratica: se il compito richiede un contesto lungo (analisi di documenti voluminosi, lettura di vaste basi di codice, lunghi dialoghi con conservazione dello storico) o compiti di reasoning complessi, vale la pena iniziare con Kimi K2.6. Se la priorità è l'elaborazione di sequenze di input molto lunghe e dati in streaming, vale la pena testare MiniMax M2.7 con la sua efficiente attention. Una buona strategia in produzione è avere entrambi i modelli nel proprio codice: il rapido cambio tramite il parametro model permette di passare dall'uno all'altro a seconda del compito senza cambiare l'architettura dell'applicazione.

Fino alla primavera del 2026, l'intera rete Gonka ha servito esattamente un modello: Qwen3-235B. Dal punto di vista dell'architettura, è stata una decisione sensata: l'inference distribuita tramite DiLoCo richiede che tutti i partecipanti alla rete mantengano lo stesso modello nella memoria video, altrimenti è impossibile garantire che qualsiasi nodo possa elaborare qualsiasi richiesta. Il Qwen3-235B completo in formato FP8 occupa circa 640 GB di VRAM, che è già di per sé un impegno enorme per ogni MLNode.

Per passare a una rete multi-modello era necessario un meccanismo che permettesse di mantenere più modelli simultaneamente, senza richiedere a ogni host di eseguirli tutti. Questo meccanismo sono diventati i DevShards — shard separati della rete, ognuno specializzato in un unico modello. I nodi all'interno dello stesso shard lavorano sullo stesso modello e il router di rete dirige la richiesta verso lo shard con il modello corretto.

L'idea non è nata dal nulla — è stata formalizzata nella Gonka Improvement Proposal #800 «Multi-Model PoC», sottoposta al voto della community nella primavera del 2026. La proposta ha ottenuto il sostegno dei partecipanti e dei validatori della rete ed è stata implementata tra aprile e maggio 2026. Kimi K2.6 è diventato il primo modello eseguito su un DevShard separato — in effetti, una implementazione di prova del nuovo approccio. Se l'esperienza si rivelerà positiva, nulla impedisce di lanciarne un terzo, un quarto e così via — ognuno sul proprio shard, con il proprio set di host, la propria economia e la propria roadmap.

Cosa significa questo per utenti e sviluppatori:

• Un'API — più modelli. Tramite JoinGonka Gateway non è necessario cambiare endpoint o chiavi: basta specificare un model diverso nel corpo della richiesta. Il formato compatibile con OpenAI rimane completamente invariato.
• Il prezzo è lo stesso. Attualmente Kimi K2.6 nella rete viene tariffato alla stessa tariffa di MiniMax M2.7 — $0.0047 per 1M di token tramite Gateway. In futuro i prezzi potrebbero variare a seconda dei modelli, ma un pricing unico al lancio è una decisione consapevole per semplificare la migrazione degli utenti.
• La stabilità dipende dal carico dello shard. In una fase iniziale, lo shard di un nuovo modello ha meno host, quindi in caso di concentrazione di richieste il modello potrebbe restituire temporaneamente 429 too many concurrent requests. È una fase normale per un nuovo modello — man mano che cresce l'interesse, gli host si connetteranno al suo shard e i limiti aumenteranno.
• Tool calling — in fase di perfezionamento. Al momento della scrittura dell'articolo, Kimi K2.6 nella rete Gonka presenta piccoli problemi con la selezione automatica degli strumenti (tool_choice: "auto"). Il team di Gonka sta lavorando per allineare il comportamento allo standard OpenAI; per scenari critici in produzione che utilizzano il tool calling, testate in anticipo il comportamento del modello con le vostre richieste.

Il percorso più diretto è tramite JoinGonka API Gateway. Il Gateway fornisce un'API compatibile con OpenAI, il che significa che lo stesso codice che funziona con GPT, Claude o altri modelli inizierà a funzionare con Kimi dopo aver cambiato il valore del campo model nel corpo della richiesta.

Esempio minimo tramite 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": "Spiega la differenza tra modelli MoE e dense"}
    ]
  }'

La stessa richiesta con Python tramite la libreria openai:

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": "Ciao, Kimi"}],
)
print(response.choices[0].message.content)

Streaming (Server-Sent Events) — per interfacce interattive e chat, dove si desidera mostrare la risposta man mano che viene generata:

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

Il costo di Kimi K2.6 è lo stesso di $0.0047 per 1 milione di token, tariffa unica di rete. È circa 800 volte più economico di GPT-5.5 e circa 500 volte più economico di Claude Sonnet 4.6. Con la registrazione al JoinGonka Gateway ricevi 1.5M di token gratuiti per testare qualsiasi modello della rete — sufficienti per provare il modello senza carta o per decine di migliaia di richieste standard.

Compatibilità con gli strumenti di sviluppo: tutto ciò che funziona con l'API OpenAI funziona anche con Kimi tramite Gateway. A livello di modello, basta cambiare il parametro model:

• Cursor: nelle impostazioni Custom Model indica moonshotai/Kimi-K2.6
• Claude Code: variabile d'ambiente ANTHROPIC_MODEL o flag --model
• OpenClaw, Cline, Continue.dev: cambia il nome del modello nella configurazione CustomChatModel
• LangChain, n8n: parametro model nell'inizializzazione del client
• Open WebUI, LibreChat: il modello appare nell'elenco a discesa dopo aver aggiunto Gonka come provider personalizzato

L'elenco dei modelli disponibili è sempre aggiornato nell'endpoint GET /v1/models della tua istanza Gateway — da lì è comodo estrarlo dinamicamente nell'UI della tua applicazione, affinché gli utenti vedano l'elenco completo e possano scegliere il modello autonomamente.

La chat demo sulla pagina /try al momento della pubblicazione utilizza uno dei modelli attivi della rete — il selettore multi-modello nel widget è nella roadmap. Per provare Kimi subito, utilizza Gateway API: i 1.5M di token gratuiti bastano per provare il modello senza carta. Se ricevi 429 too many concurrent requests, è una fase normale per un modello fresco nelle prime fasi di crescita della rete Gonka. Ripeti la richiesta dopo alcuni secondi o attendi una finestra di minor carico.

Cosa succederà per la rete Gonka: il successo di DevShards per Kimi apre la strada ad altri modelli. Nelle discussioni della community figurano DeepSeek-V3/R1, Llama 4 e modelli specializzati per il codice. Ogni nuovo modello è uno shard nuovo, nuovi host, nuove opportunità per gli utenti e una nuova fonte di reddito per i provider GPU. L'architettura multi-modello è anche strategicamente importante: una rete legata a un solo modello è fondamentalmente fragile (l'uscita di una nuova versione crea crisi di migrazione), mentre una rete in grado di mantenere più modelli contemporaneamente evolve in modo fluido e continuo.

Lo stesso Kimi K2.6 tramite OpenRouter costa $0.684/$3.42 per 1M, contro $0.0047 di JoinGonka (centinaia di volte più costoso).