文 | 字母AI

月之暗面發(fā)布了Kimi K2.6，這也是楊植麟的第一個(gè)X.6版本。

雖然版本號上只加了0.1，但這不是一次普通的版本更新。

K2.6能在單個(gè)工程任務(wù)中持續(xù)12小時(shí)、發(fā)起4000多次工具調(diào)用；在Agent Swarm場景中，官方稱其可橫向擴(kuò)展到300個(gè)子agent、4000個(gè)協(xié)調(diào)步驟。

它開始真正“做事”了。

更有意思的是，就在K2.6發(fā)布前幾天，月之暗面開始急招推理平臺工程師，學(xué)歷要求只有“本科”。

3月份招Coding agent工程師時(shí)，更是打出“不限學(xué)歷”的旗號。

這個(gè)博士密度極高、論文產(chǎn)出如流水的頭部AI公司，為什么突然降低學(xué)歷門檻？

答案就藏在K2.6里。

0 1 K2.6到底有多能干？

官方披露了兩個(gè)工程案例。

月之暗面的工程師讓K2.6在Mac上部署Qwen3.5-0.8B模型，并用一門非常小眾的編程語言Zig，來優(yōu)化推理性能。

結(jié)果呢？K2.6跑了12個(gè)小時(shí)，發(fā)起了4000多次工具調(diào)用，迭代了14個(gè)版本，最終把推理速度從15 tokens/秒提升到193 tokens/秒，比LM Studio還快20%。

但這不是重點(diǎn)，重點(diǎn)在于，從來沒有人教過K2.6怎么用Zig。都是它自己學(xué)的。

另一個(gè)案例更夸張。

K2.6接手了exchange-core，一個(gè)有8年歷史的開源金融撮合引擎。這個(gè)引擎已經(jīng)被優(yōu)化到接近性能極限，但K2.6還是找到了突破口。

13個(gè)小時(shí)，1000多次工具調(diào)用，4000多行代碼修改。K2.6像一個(gè)經(jīng)驗(yàn)豐富的系統(tǒng)架構(gòu)師，分析CPU火焰圖、定位內(nèi)存瓶頸、重構(gòu)線程拓?fù)?。最后，它把中等吞吐量提升?85%，性能吞吐量提升了133%。

這不是在做題，這是在解決真實(shí)的工程問題。

K2.6的能力可以歸納為四個(gè)方向，但每一個(gè)方向都不是簡單的“更強(qiáng)”。

第一是長周期編碼。

以前的AI寫代碼，基本上是“一次性交付”。你給它一個(gè)需求，它寫完代碼就結(jié)束了。但K2.6不一樣，它能持續(xù)工作十幾個(gè)小時(shí)，自己讀文件、跑測試、看報(bào)錯(cuò)、改代碼、再測試，一直循環(huán)到任務(wù)完成。

它能跨語言泛化，Rust、Go、Python都沒問題。它能處理不同領(lǐng)域的任務(wù)，前端、DevOps、性能優(yōu)化都能搞定。

企業(yè)測試的反饋很直接。Blackbox.ai說：“K2.6為開源模型樹立了新標(biāo)準(zhǔn)，尤其是在長周期、agent風(fēng)格的編碼工作流中?！盕actory.ai的內(nèi)部測試顯示，K2.6比K2.5提升了15%，指令遵循更好，推理更徹底，編碼錯(cuò)誤更少。

第二是代碼驅(qū)動的設(shè)計(jì)。

你給K2.6一個(gè)簡單的提示，比如“做一個(gè)科技公司的落地頁”，它不只是生成HTML和CSS，它會給你一個(gè)完整的前端界面，包含結(jié)構(gòu)化布局、精心設(shè)計(jì)的首屏、交互組件、滾動觸發(fā)的動畫效果。

更厲害的是，K2.6已經(jīng)不滿足于做靜態(tài)前端了。它開始做簡單的全棧應(yīng)用，從用戶認(rèn)證到數(shù)據(jù)庫操作，輕量級的場景它都能搞定。

月之暗面建立了內(nèi)部的Kimi Design Bench，分為視覺輸入任務(wù)、落地頁構(gòu)建、全棧應(yīng)用開發(fā)、通用創(chuàng)意編程四個(gè)類別。K2.6在這些類別中的表現(xiàn)，已經(jīng)可以和Google AI Studio掰手腕了。

第三是agent群體協(xié)作。

這是K2.6最讓人震撼的地方。

K2.5的Agent Swarm已經(jīng)很強(qiáng)了，能協(xié)調(diào)100個(gè)子agent、執(zhí)行1500個(gè)步驟。但K2.6直接把規(guī)模擴(kuò)大到300個(gè)子agent、4000個(gè)協(xié)調(diào)步驟。

這不單純是數(shù)量上的堆疊。

K2.6能讓不同的agent發(fā)揮各自的專長：有的負(fù)責(zé)廣泛搜索，有的負(fù)責(zé)深度研究；有的分析大規(guī)模文檔，有的負(fù)責(zé)長篇寫作；有的生成文檔，有的生成網(wǎng)站，有的生成幻燈片，有的生成電子表格。

這些agent在K2.6的協(xié)調(diào)下，形成了一個(gè)整體。

舉個(gè)例子。

你給K2.6上傳一篇高質(zhì)量的天體物理學(xué)論文，它能把這篇論文轉(zhuǎn)化為一個(gè)“技能”。

提取論文的推理流程、可視化方法、寫作風(fēng)格。然后，它能基于這個(gè)技能，產(chǎn)出一篇40頁、7000字的新論文，外加一個(gè)包含20000多條記錄的數(shù)據(jù)集，以及14張?zhí)煳募増D表。

第四是主動式agent。

K2.6不再是傳統(tǒng)的那種，只有你發(fā)了指令它才會行動的工具，K2.6開始主動工作了。

月之暗面的強(qiáng)化學(xué)習(xí)基礎(chǔ)設(shè)施團(tuán)隊(duì)做了一個(gè)實(shí)驗(yàn)，讓K2.6支持的agent自主運(yùn)行5天，負(fù)責(zé)監(jiān)控、事件響應(yīng)、系統(tǒng)操作。

結(jié)果這個(gè)agent從告警到解決，全程自己搞定，不需要人工介入。

K2.6在OpenClaw和Hermes Agent這樣的持久化agent平臺上表現(xiàn)出色。它能跨多個(gè)應(yīng)用程序持續(xù)運(yùn)行，7×24小時(shí)執(zhí)行任務(wù)，主動管理日程、執(zhí)行代碼、協(xié)調(diào)跨平臺操作。

月之暗面建立了內(nèi)部的Claw Bench，覆蓋編碼任務(wù)、即時(shí)通訊生態(tài)系統(tǒng)集成、信息研究與分析、定時(shí)任務(wù)管理、內(nèi)存利用五個(gè)領(lǐng)域。在所有指標(biāo)上，K2.6的任務(wù)完成率和工具調(diào)用準(zhǔn)確性都顯著優(yōu)于K2.5。

在基準(zhǔn)測試中，K2.6的評分就足以說明一切問題。

HLE-Full（帶工具）得分54.0，超過GPT-5.4的52.1和Claude Opus 4.6的53.0。DeepSearchQA的F1分?jǐn)?shù)92.5，準(zhǔn)確率83.0。SWE-Bench Pro得分58.6， SWE-Bench Verified達(dá)到80.2。

02 月之暗面也想要一個(gè)郭達(dá)雅

就在幾天前，月之暗面開始急招Kimi Code平臺推理工程師。這個(gè)崗位的學(xué)歷要求是“本科”，補(bǔ)充一點(diǎn)，圖片中這個(gè)“7年”經(jīng)驗(yàn)是招聘發(fā)起者自己打錯(cuò)了，實(shí)則為“3年”。

在這個(gè)博士學(xué)歷云集、論文產(chǎn)出如流水的頭部AI公司里，竟然會急招一個(gè)本科學(xué)歷的推理平臺工程師。

更有意思的是，3月份月之暗面招Coding agent工程師時(shí)，更是打出“不限學(xué)歷”的旗號。

這不是HR寫錯(cuò)了要求。AI競爭的主戰(zhàn)場，正在從實(shí)驗(yàn)室的算法創(chuàng)新，轉(zhuǎn)移到代碼智能和agent這樣，生產(chǎn)環(huán)境的工程落地。

你說這不巧了嗎，3月份從DeepSeek離職，4月份加入字節(jié)的郭達(dá)雅，他最擅長的正是agent和代碼智能。

月之暗面也想要一個(gè)郭達(dá)雅嗎？

可能不止于此。月之暗面想要的，是一個(gè)完整的agent生態(tài)。

當(dāng)模型公司開始從論文、榜單、聊天框走向自動寫代碼、自動調(diào)用工具、自動完成任務(wù)時(shí)，瓶頸不再只是算法，也可能是工程師手里的網(wǎng)關(guān)、路由、限流、日志和成本表。

推理平臺工程師到底是做什么的？

這個(gè)崗位的核心業(yè)務(wù)，是為agent搭建穩(wěn)定、可觀測、成本可控的模型調(diào)用基礎(chǔ)設(shè)施。

具體來說，就是在模型和應(yīng)用之間建一套調(diào)度系統(tǒng)，讓幾十上百次的模型調(diào)用能穩(wěn)定跑起來，成本可控，出問題能查。

工作內(nèi)容包括這么幾塊。

第一是模型網(wǎng)關(guān)。

agent調(diào)用模型時(shí)不是直接訪問模型API，而是通過網(wǎng)關(guān)統(tǒng)一管理。網(wǎng)關(guān)負(fù)責(zé)請求分發(fā)、協(xié)議轉(zhuǎn)換、認(rèn)證鑒權(quán)，還要處理不同模型提供商的接口差異。月之暗面已有K系列模型，但Kimi Code這類平臺仍需要多provider適配。

第二是多模型路由。

不是所有任務(wù)都需要最強(qiáng)的模型。簡單的代碼補(bǔ)全用輕量模型就夠了，復(fù)雜的架構(gòu)設(shè)計(jì)才需要重模型。

路由系統(tǒng)要根據(jù)任務(wù)類型、上下文長度、響應(yīng)速度要求，自動選擇合適的模型，避免出現(xiàn)高射炮打蚊子這樣的情況。

這需要你得了解不同的模型，知道它們完成不同任務(wù)的成本分別是多少，也需要實(shí)時(shí)的性能監(jiān)控和動態(tài)調(diào)整。

第三是成本控制。

推理模型的token消耗是普通模型的數(shù)倍。

比如OpenAI的o1系列，它的reasoning_tokens可能是output_tokens的10多倍。這些內(nèi)部推理標(biāo)記雖然不返回給用戶，但算力也被消耗掉。

如果沒有精細(xì)的限流降級、token用量統(tǒng)計(jì)分析，成本會失控。你需要設(shè)計(jì)配額系統(tǒng)、優(yōu)先級隊(duì)列、降級策略，保證核心業(yè)務(wù)不受影響的同時(shí)控制成本。

第四是鏈路管理。

就跟快遞一樣，貨物到哪了，你得能在APP上查到。

當(dāng)一個(gè)agent任務(wù)涉及幾十次模型調(diào)用、幾十次工具調(diào)用時(shí)，就得追蹤好調(diào)用鏈路上的每一環(huán)。

用戶說“幫我修這個(gè)bug”, agent可能讀了十幾個(gè)文件、調(diào)了五次模型、跑了三次測試，最后失敗了。你需要知道是哪一步出了問題，是模型推理超時(shí)、工具調(diào)用失敗、還是上下文窗口溢出。

傳統(tǒng)的日志系統(tǒng)很難追蹤這種復(fù)雜鏈路，需要專門為agent設(shè)計(jì)的分布式追蹤、性能監(jiān)控、異常告警系統(tǒng)。

第五是狀態(tài)管理。

之前模型推理是沒有狀態(tài)這個(gè)概念的。傳統(tǒng)的對話場景很簡單，用戶輸入一句話，模型返回一段文字，一次請求就結(jié)束了。

但agent不同，它需要進(jìn)行多輪推理鏈，一個(gè)任務(wù)可能觸發(fā)幾十甚至上百次模型調(diào)用。

所以進(jìn)入了agent時(shí)代，AI需要記住狀態(tài)的不是模型本身，而是圍繞模型搭建的agent runtime。平臺要記錄任務(wù)進(jìn)度、工具調(diào)用結(jié)果、中間產(chǎn)物和失敗現(xiàn)場，并在下一次模型調(diào)用時(shí)把必要上下文重新組織進(jìn)去。

早上8點(diǎn)我給模型安排了一個(gè)任務(wù)，下午我再看這個(gè)模型的時(shí)候，它就應(yīng)該是執(zhí)行過任務(wù)的模型。那么任務(wù)執(zhí)行的結(jié)果、執(zhí)行了多少次等信息，就是模型的狀態(tài)。

那又是為什么這個(gè)技術(shù)崗位的學(xué)歷門檻只有本科呢？

楊植麟心里明白，如今的月之暗面不缺能開發(fā)算法的博士，事實(shí)上“高學(xué)歷”對于月之暗面來說不是什么稀缺玩意，相反，能把推理能力工程化、產(chǎn)品化的人才是。

招聘簡介里強(qiáng)調(diào)“能在需求還不明確的時(shí)候自己判斷該做什么”、“還在一線寫代碼”，這種人才在傳統(tǒng)互聯(lián)網(wǎng)大廠的基礎(chǔ)架構(gòu)團(tuán)隊(duì)里有，在AI公司里卻是稀缺的。

17歲的高中生陳廣宇曾以實(shí)習(xí)生身份加入Kimi，并成為《Attention Residuals》的共同一作；4月初，Kimi又推出“穿越計(jì)劃”，尚未畢業(yè)的實(shí)習(xí)生只要通過3到6個(gè)月考察，就能提前拿到正式Offer和期權(quán)。

一個(gè)博士密度極高的模型公司，開始把高中生、在校生納入核心人才池，本質(zhì)上說明AI公司的用人邏輯變了。

學(xué)歷仍是信號，但不再是門票。

真正值錢的是能不能在實(shí)際問題里證明自己的價(jià)值。

最具代表性的是月之暗面在今年3月份發(fā)布的那個(gè)“不限學(xué)歷”的Coding agent工程師崗位。

那張招聘海報(bào)上寫著：“熟悉Claude Code、Cursor、Codex、Cline等代碼輔助工具，越多越好；能源源不斷地說出Codex比Claude Code垃圾在哪里；能源源不斷地說出Claude比GPT-5垃圾在哪里?！?/p>

這些要求看起來有點(diǎn)玩笑的意味，但背后的邏輯很清晰。

月之暗面要的不是論文作者，他們要的是真正用過這些工具、知道坑在哪里、能快速迭代產(chǎn)品的工程師。

月之暗面急需這樣的人，因?yàn)樗麄兊哪Ｐ湍芰σ呀?jīng)到位。

然而要讓這些能力真正支撐起大規(guī)模agent應(yīng)用，基礎(chǔ)設(shè)施是瓶頸。當(dāng)Anthropic的Claude Code上線不到一年ARR就達(dá)到25億美元時(shí)，楊植麟看到的是一個(gè)信號。

下一個(gè)階段比的不只是誰的模型參數(shù)更多、benchmark分?jǐn)?shù)更高，比的是誰能讓這些能力穩(wěn)定、高效、低成本地服務(wù)于真實(shí)業(yè)務(wù)場景。

這是一個(gè)從0到1構(gòu)建新基礎(chǔ)設(shè)施的機(jī)會，也是推理計(jì)算時(shí)代的新職業(yè)方向。當(dāng)AI公司開始為“本科學(xué)歷”的工程師開出有競爭力的薪資和期權(quán)時(shí)，說明整個(gè)行業(yè)的重心正在轉(zhuǎn)移。

從實(shí)驗(yàn)室到生產(chǎn)環(huán)境，從論文到產(chǎn)品，從算法創(chuàng)新到工程落地，這條路上需要的不只是能發(fā)頂會論文的博士，也需要能把系統(tǒng)跑起來、讓用戶用得爽的工程師。

03 月之暗面的深層邏輯

把這些線索串起來，月之暗面的戰(zhàn)略路徑很清晰。

第一層是模型能力，K系列模型覆蓋通用、推理、代碼三個(gè)方向。

第二層是工程化，推理平臺讓模型能力可規(guī)?；{(diào)用。

第三層是生態(tài)，開放API，讓第三方基于Kimi構(gòu)建產(chǎn)品。

這條路在國外是走不通的，企業(yè)級AI和開發(fā)者工具市場已經(jīng)被Anthropic、OpenAI、Google等公司高度擠壓，后來者很難再用同樣路徑打開局面。

可是在國內(nèi)，情況剛好相反。C端產(chǎn)品的競爭已經(jīng)白熱化，豆包、元寶、千問，每家都在燒錢拉用戶。但B端市場，尤其是開發(fā)者工具市場，還有巨大空間。

于是月之暗面選擇了兩條腿走路。

一方面學(xué)Claude Code，自己做編程工具Kimi Code，這是直接面向開發(fā)者的產(chǎn)品。

另一方面又讓自己的模型適配Claude Code，通過API的方式讓第三方工具調(diào)用Kimi的能力，這也是為啥K2.6這么強(qiáng)調(diào)agent和代碼能力。

從技術(shù)演進(jìn)的角度看，這是非常合理的。

AI行業(yè)正在從“模型創(chuàng)新驅(qū)動”轉(zhuǎn)向“工程化落地驅(qū)動”。繼續(xù)卷基座模型，比誰的性能更好，可普通用戶已經(jīng)感受不到差異了。

關(guān)鍵問題從“模型夠不夠聰明”變成了“能不能幫我把事兒做成”。

這就需要agent能力，回歸到代碼智能的基本功上。

月之暗面的戰(zhàn)略選擇背后，還有一個(gè)更深層的邏輯：數(shù)據(jù)飛輪。

代碼任務(wù)和普通聊天不同，普通聊天很難判斷對錯(cuò)，但代碼有天然的verifier。

能不能編譯、單測過不過、CI是否失敗、bug是否復(fù)現(xiàn)、benchmark是否提升、diff是否合理，這些都是客觀的評價(jià)標(biāo)準(zhǔn)。

用戶每一次讓agent改代碼，都會產(chǎn)生高價(jià)值軌跡。

讀了哪些文件、用了哪些工具、哪里報(bào)錯(cuò)、怎么修復(fù)、測試結(jié)果如何。這些軌跡可以反過來做eval、SFT、RL、拒答策略、工具調(diào)用訓(xùn)練。

這就是為什么所有大廠都在搶代碼智能這個(gè)賽道，擅長agent和代碼智能的郭達(dá)雅也因此變得人人都在瘋搶。

不只是因?yàn)殚_發(fā)者市場有付費(fèi)能力，更是因?yàn)榇a任務(wù)能夠形成訓(xùn)練閉環(huán)。

在合規(guī)授權(quán)、脫敏和企業(yè)協(xié)議允許的前提下，用戶的每一次使用，都會讓這些軌跡可以反過來成為eval、SFT、RL和工具調(diào)用訓(xùn)練的材料。

這種飛輪效應(yīng)一旦啟動，會形成強(qiáng)大的競爭壁壘。先發(fā)優(yōu)勢會越來越明顯，后來者很難追趕。

月之暗面看到了這一點(diǎn)，所以他們在急招能“做過基礎(chǔ)設(shè)施”、“還在一線寫代碼”的工程師。這不只是填補(bǔ)團(tuán)隊(duì)空缺，而是在搶占一個(gè)戰(zhàn)略窗口期。

2026年是推理模型從實(shí)驗(yàn)室走向大規(guī)模應(yīng)用的轉(zhuǎn)折年，誰能先把推理能力工程化、讓開發(fā)者用得爽，誰就能占據(jù)生態(tài)位。

技術(shù)能力只是一方面，時(shí)間窗口更關(guān)鍵。

國內(nèi)市場的競爭更加激烈。

智譜的GLM-Code、阿里的通義靈碼、字節(jié)的豆包代碼助手，每家都在投入重兵。而就在這個(gè)節(jié)骨眼上，郭達(dá)雅從DeepSeek離職，加入字節(jié)跳動Seed團(tuán)隊(duì)，擔(dān)任agent方向負(fù)責(zé)人之一。

這個(gè)消息在AI圈引發(fā)震動，不只是因?yàn)樗募夹g(shù)能力，更是因?yàn)樗募夹g(shù)標(biāo)簽太精準(zhǔn)了，直接暴露了字節(jié)整個(gè)2026年的戰(zhàn)略方向。

郭達(dá)雅是代碼智能與大模型推理方向的頂尖人才。

從畢業(yè)到進(jìn)入DeepSeek，郭達(dá)雅做的是一套可以遷移、可以復(fù)用的技術(shù)體系。

代碼能力可以遷移到數(shù)學(xué)推理，數(shù)學(xué)推理的訓(xùn)練方法可以遷移到通用推理和agent，這種技術(shù)遷移能力正是字節(jié)，乃至所有國內(nèi)AI大廠都需要的。

字節(jié)在多模態(tài)領(lǐng)域全球領(lǐng)先，Seed 2.0的視頻生成能力有目共睹。

但在數(shù)學(xué)推理、代碼智能和agent能力上，字節(jié)落后于ChatGPT和Claude這樣的競品。

2026年啟動agent與Coding組織整合，梁汝波明確將AI模型能力列為戰(zhàn)略重點(diǎn)。郭達(dá)雅的加入，補(bǔ)齊了字節(jié)在代碼與推理方向上的關(guān)鍵拼圖。

此前有報(bào)道稱，郭達(dá)雅早在去年10月便已產(chǎn)生離職意向，其關(guān)注重點(diǎn)在agent方向，而當(dāng)時(shí)該方向在DeepSeek內(nèi)部優(yōu)先級相對有限。

在后續(xù)去向選擇中，阿里曾較早與其接觸，提供的崗位是后訓(xùn)練負(fù)責(zé)人，管理范圍更大，且在工作地點(diǎn)與現(xiàn)金待遇上具備一定吸引力。

不過最終促成其加入字節(jié)Seed團(tuán)隊(duì)的關(guān)鍵因素，仍然是在研究方向本身。

字節(jié)承諾郭達(dá)雅，將agent視為字節(jié)的核心方向之一，不僅在模型能力演進(jìn)中強(qiáng)化agent能力，也在產(chǎn)品側(cè)加速相關(guān)形態(tài)落地。

對于這個(gè)邏輯，月之暗面只會看得比我更透徹。

這種急迫不只是人才競爭的壓力，更是戰(zhàn)略窗口期的焦慮。2026年到2027年，可能是agent基礎(chǔ)設(shè)施格局確定的關(guān)鍵時(shí)期。

誰能在這個(gè)時(shí)間窗口建立起穩(wěn)定的推理平臺、吸引到足夠多的開發(fā)者、形成數(shù)據(jù)飛輪，誰就能在接下來的競爭中占據(jù)主動。

我承認(rèn)有些標(biāo)題黨，月之暗面可能并不需要“郭達(dá)雅”這個(gè)人，但是他的技術(shù)標(biāo)簽“代碼智能和推理能力”，絕對是月之暗面現(xiàn)在最渴望的。

在AI競爭的下半場，能把模型能力變成穩(wěn)定服務(wù)的工程師，它的作用可能和能發(fā)頂會論文的博士一樣重要。