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 di AI cinesi ed entrambi sono accessibili tramite l'interfaccia singola e compatibile con OpenAI JoinGonka Gateway. Tuttavia, presentano punti di forza ed eredità differenti, il che rende la scelta tra loro non una questione di "quale sia migliore", ma di "quale sia adatta al compito".

Nei benchmark di reasoning (MATH-500, GSM8K, AIME), la serie Kimi K2 mostra storicamente risultati nel gruppo superiore dei modelli open-weights, competendo con DeepSeek-R1 e i modelli in stile o1. Nelle attività di generazione di codice (HumanEval, MBPP), entrambi i modelli mantengono livelli simili. Il punto di forza di MiniMax M2.7 è l'effective (linear) attention per sequenze molto lunghe, mentre Kimi è noto per il forte reasoning e il lungo contesto della serie Kimi.

Nota importante 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 più alto del 2% in MMLU", ma il carattere delle attività: quale contesto si invia al modello, quanto sono complesse le catene logiche, se è necessaria una lunga cronologia di conversazione, quali lingue vengono utilizzate. Pertanto, la tabella sopra non classifica i modelli, ma aiuta a capire rapidamente per quale profilo di attività ciascuno è ottimizzato.

Per la scelta pratica: se l'attività richiede un contesto lungo (analisi di documenti di grandi dimensioni, lettura di intere basi di codice, lunghe conversazioni con mantenimento della cronologia) o compiti di reasoning complessi, è bene 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 effective attention. Una buona strategia in produzione è avere entrambi i modelli nel proprio codice: un rapido cambio tramite il parametro model consente di passare da uno all'altro a seconda dell'attività senza modificare l'architettura dell'applicazione.

Fino alla primavera del 2026, l'intera rete Gonka ha gestito un unico modello: Qwen3-235B. Dal punto di vista dell'architettura si è trattato di una decisione sensata: l'inference distribuita tramite DiLoCo richiede che tutti i partecipanti alla rete mantengano lo stesso modello nella VRAM, 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 i DevShards — shard separati della rete, ognuno specializzato in un solo modello. I nodi all'interno dello stesso shard lavorano sullo stesso modello e il router di rete indirizza la richiesta allo shard con il modello necessario.

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

Cosa significa questo per utenti e sviluppatori:

• Un'unica API — più modelli. Tramite il JoinGonka Gateway non è necessario cambiare endpoint o chiavi: basta specificare un altro model nel corpo della richiesta. Il formato compatibile con OpenAI viene mantenuto integralmente.
• Il prezzo è lo stesso. Attualmente Kimi K2.6 nella rete è tariffato allo stesso tasso del MiniMax M2.7 — $0.003 per 1M di token tramite il Gateway. In futuro i prezzi potrebbero variare a seconda del modello, ma un pricing unico all'avvio è una decisione consapevole per semplificare la migrazione degli utenti.
• La stabilità dipende dal carico dello shard. Nella 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: con l'aumentare dell'interesse, gli host si collegheranno al suo shard e i limiti aumenteranno.
• Tool calling — in fase di perfezionamento. Al momento della stesura di questo 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, testare in anticipo il comportamento del modello con le proprie richieste.

Il percorso più diretto è tramite il 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 modificato 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 in cui 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 modelli 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 $0.003 per 1 milione di token, tariffa unica di rete. Questo è circa 1.700 volte più economico di GPT-5.5 e circa 1.000 volte più economico di Claude Sonnet 4.6. Con la registrazione al JoinGonka Gateway, riceverai 10 milioni di token gratuiti per testare qualsiasi modello della rete: sufficienti per diverse ore di lavoro intenso o decine di migliaia di richieste normali.

Compatibilità con gli strumenti di sviluppo: tutto ciò che funziona con l'OpenAI API, funziona anche con Kimi tramite Gateway. A livello di modello, è sufficiente modificare 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: modifica il nome del modello nel file di 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: è comodo da richiamare dinamicamente nell'interfaccia utente dell'applicazione, in modo che gli utenti possano vedere l'elenco completo e scegliere personalmente il modello.

La demo chat sulla pagina /try al momento della pubblicazione utilizza uno dei modelli attivi della rete: un selettore multi-modello nel widget è nella roadmap. Per provare Kimi subito, usa la Gateway API: 10M di token gratuiti bastano per diverse ore di esperimenti. Se in risposta ricevi 429 too many concurrent requests, è una fase normale per un modello fresco nelle prime fasi di crescita della rete Gonka. Ripeti semplicemente la richiesta dopo alcuni secondi o attendi una finestra di carico inferiore.

Cosa succederà dopo 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 fornitori di GPU. L'architettura multi-modello è importante anche strategicamente: una rete legata a un unico modello è fondamentalmente fragile (l'uscita di una nuova versione crea una crisi di migrazione), mentre una rete in grado di gestire più modelli contemporaneamente evolve in modo fluido e continuo.

La stessa Kimi K2.6 tramite OpenRouter — $0.684/$3.42 per 1M, contro $0.003 di JoinGonka (centinaia di volte più costoso).