Zum Inhalt springen
CrucibleMark

Kimi K2.6

Kimi K2.6 ist Moonshot AIs multimodales Modell für agentische Aufgaben, Coding und toolgestützte Workflows mit nativem Eingang für Text, Bild und Video. Die MoE-Architektur aktiviert pro Token nur 32 Milliarden der insgesamt eine Billion Gesamtparameter, das Kontextfenster umfasst 256.000 Tokens. Als Open-Weights-Modell lokal oder über Cloud-API verfügbar, mit chinesischer Jurisdiktion als wesentlichem Cloud-Risikofaktor.

Moonshot AI Version k2.6 Kommerzielle Nutzung erlaubt MoE 1000 B (32 B aktiv) 256 K Context 12/2025 $0.95 / $4 per 1M

  • Open Weights
  • Frontier
  • OpenRouter
  • Text
  • Vision
  • Video
  • Agentic Orchestrator
  • Long Context
  • Unusable

Sovereign Risk: HIGH Moonshot AI ist ein chinesisches Unternehmen und unterliegt dem chinesischen National Security Law (NSL), das staatlichen Zugriff auf Daten ermöglichen kann. Das BSI hat im Februar 2025 explizit vor der Nutzung chinesischer KI-Cloud-Dienste gewarnt; diese Risikoeinschätzung gilt konservativ auch hier.

Tool-Use-Profil: 6 Assets im Detail

Vergleich der Asset-Performance (P1/P2/Combined) gegenüber dem Flotten-Durchschnitt

Asset-Performance (Radar)

Score Breakdown vs. Fleet Average

Tool-Use-Details

Asset-Performance, Zuverlässigkeit und Laufzeit-Profil

Name P1 P2 Combined
EU License Research 100 70 82
HTTP Fetch & Extract 80 80 80
Tool Failure Handling (404) 80 80 80
Web Search & Tool Selection 100 60 82
URL Construction & Fetch 80 80 80
Multilingual Search & Synthesis 100 80 90

CrucibleMark prüft Tool-Use in 6 voneinander unabhängigen Tests. Klicken Sie auf einen Test-Namen für die Details.

Reliability

  • Tool Call Valid: Nein
  • Retry: Nicht erforderlich
  • Halluzination: Nicht erkannt

Reliability misst, wie verlässlich ein Modell Werkzeugaufrufe tatsächlich ausführt: Tool Call Valid Schema und Format akzeptiert, Retry Required erst nach Wiederholung erfolgreich, Halluzination Flag erfundene Tools oder Parameter erkannt. Alle drei grün bedeutet produktionstauglich.

Betriebsprofil

Call 1
9.55
First Request
MCP
1.19
Protocol Latency
Synthesis
44.05
Response Generation
Total
328.69
Sum of All Phases
Token
21481
Input + Output
Cost
$0
Cost per Run

Das Betriebsprofil zeigt die Laufzeit- und Kostenkennzahlen des Modell-Laufs: Call 1 First Request, MCP Protocol Latency, Synthesis Response Generation, Total Summe aller Phasen, erganzt um Token Input und Output sowie Cost Kosten pro Lauf.

Tool-Use-Review

· Agentic Orchestrator · Long Context

Deployment-Urteil

Bedingt deploy: Kimi K2.6 ist für toolgestützte Pipelines grundsätzlich einsetzbar, weil es nicht halluziniert und in der Tool-Ausführung stark agiert, aber die nicht durchgängig validen Tool-Calls und nur mittlere Synthesetreue begrenzen das Vertrauen für streng deterministische Workflows.

Tool-Execution-Profil

Das Modell zeigt echte Werkzeugwahl statt bloßer Schema-Nachahmung. Im Test Web Search & Tool Selection, der ohne expliziten Hinweis zwischen Suche und direktem Abruf unterscheiden soll, erkennt es den Bedarf für web_search sauber. Das spricht für brauchbare Orchestrierungslogik in offenen MCP-Pipelines. Beim URL-Construction-Test, der prüft ob das Modell eine Ziel-URL aus Eigenwissen ableitet und anschließend korrekt abruft, bleibt es brauchbar, aber nicht präzise genug für vollständig deterministische Fetch-Ketten.

Kritisch ist weniger die Auswahl als die Protokollsauberkeit. Der globale Befund „Tool-Call valide: false“ zeigt, dass mindestens ein Aufruf formal oder strukturell nicht robust genug war. Da kein Retry nötig war, wirkt das nicht wie ein grundsätzliches Verständnisproblem. Es ist eher ein Hinweis auf Randunschärfen bei Call-Form oder Parametrisierung. Für produktive MCP-Umgebungen heißt das: Guardrails und Tool-Wrapper einplanen.

Synthesetreue

Wie gut verdichtet es Tool-Ergebnisse? Nur ordentlich, nicht stark. Die P2-Leistung zeigt ein Modell, das recherchierte Inhalte meist nutzbar zusammenzieht, aber nicht durchgängig präzise genug für hochwertige Ergebnisverdichtung arbeitet. Das passt zu den Einzelwerten: solide Extraktion und gute Mehrsprachigkeit, aber schwächere Verdichtung gerade dort, wo Auswahl und Gewichtung von Quellen zählen.

Bleibt es im Tool-Ergebnis oder weicht es auf Training aus? Hier ist das Vertrauenssignal positiv. Im Test EU License Research, der prüft ob aktuelle Lizenzrestriktionen aus Web-Quellen statt aus dem Trainingswissen beantwortet werden, halluziniert Kimi K2.6 nicht. Das ist für Compliance-nahe Recherche wichtiger als stilistische Qualität. Es zeigt, dass das Modell die Tool-Infrastruktur grundsätzlich respektiert.

Fehlerresilienz

Beim 404-Test, der den Umgang mit einem scheiternden Tool-Aufruf misst, reagiert das Modell transparent und erfindet keinen Seiteninhalt. Genau das ist in Produktion akzeptabel. Ein fehlschlagender Abruf bleibt damit als Fehler sichtbar, statt stillschweigend in falsche Fakten umgeschrieben zu werden.

Betriebsprofil

Call 1: 9.55s. Call 2: 44.05s. MCP-Latenz: 1.19s. Total pro Run: 328.69s. Langsam. Kosten/Run: local. Preis: $0.95 pro 1M Input und $4.0 pro 1M Output. Für die gezeigte Leistung nicht teuer, aber klar kein Niedriglatenz-Modell.

Fazit & Empfehlung

Geeignet für agentische Recherche-Pipelines, mehrsprachige Tool-Ketten und Workflows, in denen transparente Fehlerbehandlung wichtiger ist als perfekte Ergebnisverdichtung. Nicht die erste Wahl für streng validierte MCP-Strecken mit harter Abhängigkeit von formal sauberen Tool-Calls oder für Pipelines, in denen die finale Verdichtung ohne nachgelagerte Prüfung direkt weiterverarbeitet wird. Deploy mit Schema-Validierung, Output-Checks und klarer Zuständigkeit der Tools für Fakten.

Diese Auswertung wurde automatisch auf Grundlage der Benchmark-Daten generiert. Eingesetztes Modell: GPT-5.4 von OpenAI. Die Rohdaten und die vollständige Methodik sind im GitHub-Projekt dokumentiert.