Kimi K2.6 правда может сам писать код 13 часов подряд?

Вердикт: не выдумка, но и не железное доказательство

Текущие свидетельства удобно разделить на три уровня.

• Позиционирование модели подтверждается. Microsoft Foundry описывает Kimi K2.6 как агентную мультимодальную модель для long-horizon reasoning, coding и autonomous execution. SiliconFlow и Ollama тоже подают её как модель для long-horizon coding, автономной оркестрации агентов, проактивного выполнения задач и workflow на основе «роя» агентов.
• История про 12–13 часов имеет источники. В объявлении на Kimi Forum говорится о long-horizon coding, более чем 4 000 вызовах инструментов и более чем 12 часах непрерывного выполнения. Публикация DEV Community, ссылаясь на релизный блог Moonshot, пересказывает кейс, где Kimi K2.6 якобы 13 часов переписывала части exchange-core, сделала более 1 000 вызовов инструментов и изменила более 4 000 строк кода.
• Стабильная универсальная способность пока не доказана. Большая часть доступных материалов — это объявления, страницы платформ, пересказы и посты в соцсетях. Они подтверждают, что такой кейс публично заявлялся, но не заменяют полный журнал выполнения, воспроизводимый эксперимент и независимый аудит.

Если совсем коротко: кейс есть, но уровень проверки пока недостаточный.

Что действительно известно о Kimi K2.6

Kimi K2.6 не представляют просто как очередной чат-бот. Microsoft Foundry помещает модель в категорию agentic, multimodal models и пишет, что она рассчитана на долгий горизонт рассуждений, программирование и автономное выполнение задач.

SiliconFlow называет Kimi K2.6 open-source мультимодальной моделью и подчёркивает long-horizon coding, autonomous agent orchestration и coding-driven design. Там же приведены бенчмарк-цифры: 58,6 в SWE-Bench Pro и 86,3 в BrowseComp Agent Swarm. Ollama описывает Kimi K2.6 как open-source native multimodal agentic model с упором на long-horizon coding, coding-driven design, proactive autonomous execution и swarm-based task orchestration.

Этого достаточно для осторожного вывода: Kimi K2.6 действительно нацелена на роль долгоживущего coding-агента. Но продуктовая формулировка и бенчмарки сами по себе не доказывают, что модель можно без присмотра запускать на любом реальном проекте на всю ночь и ожидать готовый, качественный merge-ready код.

Откуда взялись «13 часов»

Самая прямая публичная зацепка — объявление на Kimi Forum. В разделе про long-horizon coding там указаны 4 000+ вызовов инструментов, более 12 часов непрерывного выполнения и обобщение на разные языки, включая Rust, Go и Python.

Более конкретная 13-часовая история связана с exchange-core. DEV Community пишет, что, согласно релизному блогу Moonshot, Kimi K2.6 потратила 13 часов на переписывание частей open-source matching engine exchange-core, сделала более 1 000 вызовов инструментов, изменила более 4 000 строк кода и добилась заявленного прироста пропускной способности без участия человека. The Neuron также упоминает 13-часовой прогон, в котором K2.6 переработала exchange-core и запустила более 1 000 вызовов инструментов. Пост аккаунта Kimi_Moonshot в X говорит о 13-часовом выполнении, 12 стратегиях оптимизации и более чем 1 000 tool calls.

Поэтому точная формулировка такая: «13 часов» — не случайный слух, а публично заявленный кейс. Но это ещё не инженерное доказательство, которое внешний читатель может полностью восстановить, перезапустить и проверить.

Чего не хватает для строгой проверки

Чтобы превратить демонстрационный кейс в доказанную способность, нужны артефакты, которые обычно позволяют воспроизвести результат:

• исходный prompt и полное описание задачи;
• стартовый commit, финальный diff и история промежуточных изменений;
• пошаговый лог 1 000+ или 4 000+ вызовов инструментов;
• сведения о правах инструментов, sandbox-окружении, железе, стоимости, timeout и стратегии повторов;
• команды тестирования, benchmark-скрипты и методика оценки;
• данные о том, были ли ручные вмешательства, паузы, перезапуски, неудачные прогоны или отброшенные попытки;
• независимый повтор в тех же или сопоставимых условиях.

Пока в открытом доступе видны в основном краткие числа и описания: длительность выполнения, количество tool calls, объём правок и сюжет вокруг exchange-core. Это помогает понять, откуда взялось утверждение, но не доказывает устойчивость, переносимость на другие проекты и надёжность автономной работы без человека.

Почему «13 часов» — это не только про модель

Даже если сама модель лучше планирует и вызывает инструменты, долгоживущий coding-agent — это не только LLM. Это ещё инфраструктура: агентный фреймворк, интерфейсы инструментов, состояние между шагами, восстановление после ошибок, тестирование, мониторинг и ограничения окружения.

VentureBeat, обсуждая Kimi K2.6 и долгоживущих агентов, отмечает, что многие orchestration frameworks изначально проектировались для агентов, работающих секунды или минуты; длительные агенты вскрывают ограничения enterprise orchestration и управления состоянием.

Иначе говоря, вопрос «может ли Kimi K2.6 работать 13 часов» нельзя свести только к весам модели. Важны обвязка, права доступа, тестовый контур и то, как система переживает ошибки. Cloudflare сообщает, что Moonshot AI Kimi K2.6 доступна в Workers AI; Microsoft Foundry, SiliconFlow и Ollama также имеют страницы или точки доступа для K2.6. Это показывает, что модель становится доступнее разработчикам, но размещение на платформах не равно независимой проверке 13-часовой автономной разработки.

Как говорить об этом без хайпа

Более корректные формулировки:

• Kimi K2.6 описывают как модель для long-horizon coding, agentic execution и многоагентных рабочих процессов.
• В публичных материалах действительно есть заявления о 12+ или 13-часовых autonomous coding runs.
• Один из ключевых кейсов связан с exchange-core: в пересказах фигурируют 13 часов, более 1 000 вызовов инструментов и более 4 000 изменённых строк кода.

А вот так лучше не писать:

• «Kimi K2.6 уже доказанно может стабильно и без человека писать код 13 часов подряд».
• «Если один демонстрационный кейс сработал, модель справится с любым большим репозиторием».
• «Бенчмарки, страница на платформе или релизный пост — это полноценная инженерная валидация».

Итог

Kimi K2.6 и утверждение про «13 часов кода» не стоит сразу объявлять фейком. Публичные источники действительно указывают на 12–13-часовой long-horizon coding-кейс, а сама модель явно продвигается как инструмент для агентного программирования и автономного выполнения задач.

Но более сильное утверждение — что Kimi K2.6 уже независимо доказала способность стабильно и без присмотра работать 13 часов в обычных реальных проектах — пока не подтверждено. Практичный вывод: можно воспринимать K2.6 как серьёзную заявку на долгоживущего coding-агента, но нельзя превращать «13 часов» в гарантированное обещание продуктивности.