Нецензуриран Kimi K2 API

Повечето страници за „евтин модел“ всъщност описват малък модел, носещ фамилното име на голям. Тази не е такава. Kimi K2.6 е пълноценна основа от челния ред — трилион параметъра разреден Mixture-of-Experts, с роден енкодер за зрение и програма на обучение, насочена право към агентното използване на инструменти. Това, което го прави ниво с добра цена, не е по-малък мозък, а по-агресивна рецепта за компресия. Затова въпросът не е „достатъчно добър ли е?“, а „кои задачи всъщност забелязват разликата между него и 5 пъти по-скъпия му събрат?“. По-голямата част от тази статия отговаря точно на това.

01Какво всъщност е Kimi K2.6?

Kimi K2.6 е модел с отворени тегла от Moonshot AI — пекинската лаборатория зад серията Kimi — пуснат на 20 април 2026 г. Той наследява архитектурата, която направи K2 забележителен: разреден трансформър Mixture-of-Experts с приблизително 1 трилион общи параметъра и около 32 милиарда активни на токен, организиран като 384 експерта, 8 маршрутизирани плюс 1 споделен на слой в 61 слоя, с Multi-head Latent Attention. Само малка част от този трилион се задейства при даден токен — точно затова модел с такъв размер може да се таксува в центове.

Родословието има значение заради това, за което Moonshot оптимизира. Първоначалният K2 беше предварително обучен върху приблизително 15.5 трилиона токена с оптимизатора Muon / MuonClip, създаден специално, за да предпази MoE с трилион параметъра от експлозиите на вниманието и скоковете в загубата, които дестабилизират обучението при този мащаб; Moonshot отчете нулева нестабилност при обучението през целия цикъл. Това стои преди всичко останало — позволи им да похарчат бюджета за обучение върху агентно поведение, вместо върху гасене на пожари.

K2.6 разширява това в две посоки. Първо, той е родно мултимодален: изображенията и видеокадрите минават през MoonViT, енкодер за зрение с ~400M параметъра, който разбива изображението на плочки 448x448 и проектира всяка плочка направо в токеновото пространство на езиковия модел — визуалните токени стоят в същата последователност като всичко останало, а не в прикачен описател, който храни сляп модел. Второ, той е създаден за оркестрация на дълбочина: работата на Moonshot по Agent Swarm отчита координация между до 300 специализирани по домейн подагента и цели 4000 координирани стъпки в едно автономно изпълнение.

Профилът на бенчмарковете, отчетен от Moonshot

Това са числа, отчетени от Moonshot, за некомпресираната основа K2.6, а не наши измервания. Полезни за формата, не за прецизността:

Четете формата, не цифрите. Резултатите с използване на инструменти и с търсене стоят високо; резултатите за чиста трудност стоят по-ниско. Това е подписът на модел, обучен да действа добре, а не да знае всичко — правилният компромис, ако вашият агент има браузър, обвивка и файлова система, и грешният, ако задавате един труден въпрос без никакви инструменти.

02Какво означава W4A16-AUTOROUND-REAP

Наставката в идентификатора на модела не е украса. Тя е точната рецепта за компресия, публикувана, за да можете да прецените компромиса, който правите.

• W4A16 — тегла при 4 бита, активации, изчислявани при 16. Паметта за теглата пада приблизително 4 пъти спрямо bf16, докато аритметиката, която натрупва грешка, остава при 16-битова точност. Това е стандартната точка за висококачествено обслужване на много големи MoE модели.
• AUTOROUND — квантизаторът AutoRound на Intel. Наивното закръгляне до най-близкото третира всяко тегло независимо и изхвърля информация, на която моделът е разчитал; AutoRound вместо това научава решенията за закръгляне спрямо калибрационни данни. При цел от 4 бита това е разликата между модел, който още следва схема, и модел, който се отклонява.
• REAP — Router-weighted Expert Activation Pruning от Cerebras Research (arXiv 2510.13999, ICLR 2026). Към повечето експерти в един MoE рядко се маршрутизира. REAP оценява всеки от тях едновременно по стойностите на портата на рутера и по нормите на активациите му, след което премахва най-малко значимите наведнъж. Публикуваният резултат: до 50% от експертите, отрязани от модели с трилион параметъра, при до голяма степен запазено базово качество, като отрязването побеждава сливането на експерти при генеративни задачи — сливането размазва специалистите заедно, а отрязването просто изхвърля неизползваните.

Приложено в този ред — първо отрязване, после квантизация на останалото — получавате модел, който се побира и работи бързо без срива в качеството, който всяка от техниките поотделно би причинила при тези съотношения. Да го кажем направо за цената: компресираният модел не е побитово идентичен с оригинала. Това, което рецептата купува, е влошаването да попадне там, където е малко вероятно да го забележите — редки пътища на маршрутизиране, опашки от токени с ниска вероятност — а не в следването на инструкции, форматирането на извикванията на инструменти или спазването на схемата.

03Какво означава „нецензуриран“ при тази крайна точка

Нецензуриран тук е твърдение за архитектурата, а не за нагласата. Пред модела няма слой за откази и към изхода му няма филтриране на съдържанието. Заявката ви достига основата, а отговорът ѝ достига вас; нищо не прихваща нито едната посока.

Това разграничение има значение, защото „нецензуриран“ се използва свободно. Под думата се събират три отделни неща:

1. Класификация на входа — отделен модел чете промпта ви и решава дали да го пропусне. Тук го няма.
2. Филтриране на изхода — скенер инспектира генерирания текст и го отрязва или заменя. Тук го няма.
3. Собствените нагласи на основата — каквото базовият модел е научил при обучението. Това е негово и не твърдим, че сме го изтрили.

Първите две са тези, които чупят производствените системи, и те са двете, които премахваме. Класификатор, който се задейства при 0.5% от заявките, е 0.5% процент на отказ, който не можете да дебъгвате, не можете да обжалвате и не можете да предвидите — а в агентен цикъл от 200 стъпки 0.5% отказ на стъпка се натрупва в изпълнение, което се проваля по-често, отколкото успява. Отказ в разговор е досада; отказ на стъпка 147 от автономно изпълнение унищожава състоянието на изпълнението и изгаря всичко, което сте похарчили, за да стигнете дотам. За агентни натоварвания премахването на повърхността за откази е свойство на надеждността, а не стилово предпочитание.

Следствието е, че отговорността се мести към вас. Между вашето приложение и вашите потребители няма предпазна мрежа; ако продуктът ви се нуждае от такава, изградете я там, където можете да я виждате, настройвате и записвате в лог. Моля, първо прочетете нашата политика за отговорно ползване.

04Kimi K2.6 срещу Kimi K3: кога 5 пъти си струват?

Това е решението, заради което са дошли повечето читатели, така че ето го без заобикалки. Kimi-K3 · 3BIT-REAP е по-голямата, по-нова основа: обявена на 16 юли 2026 г. с отворени тегла на 27 юли, с приблизително 2.8 трилиона общи параметъра и около 104 милиарда активни на токен — над 3 пъти активното изчисление на K2.6. Нагоре по веригата Moonshot посочва K3 на около 5 пъти цената на K2.6 и цените в нашия шлюз следват това съотношение.

	Kimi-K2.6 · W4A16-AUTOROUND-REAP	Kimi-K3 · 3BIT-REAP
Вход / 1M токена	$0.78	$3.83
Изход / 1M токена	$3.67	$19.12
Контекстен прозорец	262,144	262,144
Максимален изход / заявка	16,384	16,384
Вход с изображения	Да	Да
Родно извикване на инструменти	Да	Да
Строг json_schema	Да	Да
Нецензуриран	Да	Да
Активни параметри / токен	~32B	~104B

Вижте какво таблицата не показва: няма нито един ред, в който K3 да има функция, липсваща на K2.6. Същият прозорец, същият максимален изход, същото зрение, същото извикване на инструменти, същият структуриран изход, същата нецензурирана позиция, същите три диалекта. Тези 5 пъти купуват точно едно нещо — чиста способност на едно преминаване напред. Това е реално, но е една-единствена ос и не прави нищо по осите, където тя не е вашето тясно място.

Конкретно за контекстния прозорец

Нагоре по веригата водещата характеристика на K3 е контекст от 1M токена срещу 262K при K2.6. В шлюза на Shannon и двата модела се обслужват при 262 144 токена. Ако дългият контекст е бил вашата причина да платите 5 пъти повече, тази причина тук не важи — бихте платили надценката и бихте получили същия прозорец. Това е от нещата, които доставчикът се изкушава да премълчи, затова е с удебелен шрифт.

Платете 5 пъти повече, когато

• Един изстрел трябва да улучи. Едно трудно преминаване, при което повторният опит е скъп или невъзможен — необратимо действие, решение в края на дълъг пайплайн. Повече активни параметри на токен е точно това, което вдига тавана на едно преминаване.
• Задачата е обвързана със знание, а не с инструменти. Дълбок синтез, при който отговорът трябва да излезе от теглата. Профилът на K2.6 е агентен; махнете инструментите и по-голямата основа си проличава.
• Обемът е малък, а залогът — висок. При 500 извиквания на месец 5 пъти означава $40 вместо $8. Просто купете по-добрия модел.

Не плащайте 5 пъти повече, когато

• Пускате цикъл. Дългите агентни изпълнения са доминирани от механични стъпки — прочети файл, извикай инструмент, провери резултат, избери следващия — точно това, за което е обучен K2.6. При 200 стъпки 5-те пъти са $7.71 срещу $38.29 на изпълнение.
• Обработвате изображения в обем. Натоварванията със зрение са тежки откъм входни токени, а разсъждението за всеки елемент е плитко. Вижте раздел 05; разликата не е близка.
• Работата е извличане, класификация или преобразуване. Изваждане на полета от документи, маршрутизиране на тикети, нормализиране на записи, обобщаване — ограничени задачи, при които по-големият модел произвежда същия JSON.
• Имате стъпка за проверка. Ако изходът се проверява — тестов пакет, валидатор на схема, второ преминаване, човек — случайните пропуски са евтини и икономиката решително фаворизира обема. Това е най-подценяваният аргумент за нивото с добра цена.

Модел на употреба, който заслужава име: пуснете K2.6 за цикъла и K3 за присъдата. Оставете евтиния агентен модел да свърши стоте стъпки на събиране, извикване и чернова, а после похарчете едно скъпо извикване за окончателния синтез. И двата модела говорят идентичния API с еднакъв контекстен прозорец, така че превключването е промяна на един ред в полето model.

05Зрение на работеща цена

Зрението е най-острото предимство на K2.6 в този каталог. От дванадесетте нецензурирани модела в шлюза само четири изобщо приемат изображения, а K2.6 е единственият, който съчетава вход с изображения с агентното родословие на Kimi под един долар на милион входни токена.

Натоварванията със зрение имат необичайна структура на разходите. Според публикуваното от Moonshot описание на MoonViT изображение 1024x1024 се кодира до приблизително 576 токена за изображение — и това са входни токени, евтината страна на сметката. Типична задача със зрение попада почти изцяло върху ставката от $0.78, а не върху тази от $3.67. Вземете 10 000 изображения, всяко с ~200 токена промпт (тоест ~776 входни токена) и ~150 токена структуриран изход:

Натоварване	Kimi-K2.6	Kimi-K3	Кратност
Една стъпка на агент (40K вход / 2K изход)	$0.0385	$0.1914	5.0x
Автономно изпълнение от 200 стъпки	$7.71	$38.29	5.0x
10 000 изображения, структуриран изход	$11.56	$58.40	5.1x
Пакетна задача (1M вход / 200K изход)	$1.51	$7.65	5.1x

Изчислено по каталожните цени на шлюза Shannon. Оценката на токените за изображение използва публикуваното от Moonshot число за MoonViT от ~576 токена за изображение 1024x1024; точната токенизация варира според резолюцията и съотношението на страните.

Пайплайн за изображения за $11.56 е нещо, което пускате ежедневно, без да се замисляте. Такъв за $58.40 е нещо, което планирате, обосновавате и в крайна сметка отрязвате. Тази разлика е целият аргумент за ниво с добра цена.

Една честна уговорка. В независими класации за мултимодални и заземени задачи K2.6 е бил отчитан около 26-и от 115 модела, със средно около 68.1 — почтено, но не водещо в класа. Зрението му е наистина силно при разбиране на документи, четене на екранни снимки и потребителски интерфейси и тълкуване на графики или диаграми; по-слабо е при прецизно пространствено заземяване — точни ограждащи правоъгълници, фино броене в претрупани сцени, плътно OCR на увредени сканирания. Ако ви трябва локализация с точност до пиксел, първо направете бенчмарк върху собствените си данни. Ако ви трябва модел, който да погледне екранна снимка и да реши къде да кликне следващо, това е точно правилният инструмент.

06Извикване на инструменти без откази и агентни цикли

K2.6 поддържа родно извикване на инструменти: моделът излъчва структурирани извиквания на инструменти директно от дефинициите по JSON схема, които подавате, вместо да бъде подмамван да произведе текст, годен за парсване. С многоходов разговор и системни промптове това е пълната основа за агентен цикъл.

Това, което „извикване на инструменти без откази“ добавя, е по-фино, отколкото звучи. При филтриран API отказите вътре в агентен цикъл се проявяват в три различни режима на провал:

• Твърд отказ — стъпката връща проза вместо извикване на инструмент, парсърът се проваля, цикълът се къса. Поне е шумно.
• Мек отказ — извикването е направено, но аргументите са занижени: стеснена заявка, ограден с уговорки параметър, отрязан полезен товар. Цикълът продължава с тихо влошено състояние и разбирате четири стъпки по-късно.
• Превантивно избягване — планът се отклонява от легитимен клон, преди изобщо да се доближи до него. Това никога не го виждате; просто получавате по-лош план без обяснение.

Вторият и третият са скъпите, защото са невидими: няма грешка, няма нищо в логовете, няма за какво да се грепне. Крайна точка без слой за откази премахва целия този клас — аргументите на извикванията на инструменти от модела са аргументите на модела.

Това има най-голямо значение в областите, които и без това изискват дълги автономни изпълнения и докосват чувствителен материал: изследвания по сигурността и red teaming, анализ на зловреден софтуер и инциденти, обработка на клинични документи, правно разкриване и инструменти за модерация, които трябва да разсъждават върху съдържанието, което модерират. Изграждането на класификатор за модерация изисква модел, който е готов да погледне онова, което класифицира; това не е парадокс, а просто работата.

Практични бележки за дълги изпълнения: reasoning_effort ви позволява да харчите повече мислене за стъпките на планиране и по-малко за механичните. Поточното предаване е налично и в трите диалекта, така че дълга стъпка може да показва напредък или да бъде прекратена рано. А 262 144 токена контекст задържат реално работно състояние — съдържание на файлове, предишни резултати от инструменти, текущ план — през много стъпки, без да се обобщава наново на всеки ход, което само по себе си е чест източник на отклонение при агентите.

07Структуриран изход и трите API диалекта

K2.6 поддържа както json_schema (строго генериране, ограничено от схема), така и по-свободния response_format. Проверете това спрямо каталога: два от дванадесетте модела тук не поддържат строг изход по схема, а ако следващият етап от пайплайна ви парсва JSON, тази колона не е по избор.

Строгият изход по схема е това, което прави нецензурирания модел използваем като инфраструктура: ако моделът трябва да излъчи обект, отговарящ на вашата схема, получавате гаранция за парсване, независима от това какво иначе би казал — без увод, без извинение, без абзац, увит около вашия JSON. Съчетано с липсата на слой за откази, това е крайна точка за извличане, която връща вашия обект при всяко извикване, за всеки документ, за каквото и да се отнася той.

Повърхност	Поддръжка в Kimi-K2.6	Бележки
/v1/chat/completions	Да	Диалект на OpenAI — директна замяна за съществуващи SDK-та
/v1/messages	Да	Диалект на Anthropic — същият модел, същите тегла
/v1/responses	Да	Интерфейс от типа Responses
Поточно предаване	Да	И в трите диалекта
Извикване на инструменти	Да	Родно, дефиниции на инструменти по JSON схема
json_schema	Да	Строг структуриран изход
response_format	Да	По-свободен JSON режим
reasoning_effort	Да	Настройка на бюджета за мислене при всяко извикване
Вход с изображения	Да	Изображения наред с текста

И трите диалекта се обръщат към едни и същи тегла върху един и същ клъстер. Насочете съществуващ OpenAI клиент към базовия URL, задайте model на Kimi-K2.6-W4A16-AUTOROUND-REAP и вече работите. Формите на заявките и отговорите, семантиката на поточното предаване и жива площадка за тестове са в документацията на API.

08Къде Kimi K2.6 е грешният избор

Ръководство за модел, което изброява само силните страни, е реклама. Ето къде бихме ви насочили другаде.

• Трябва ви абсолютният таван при едно трудно преминаване. Отидете на Kimi-K3 и платете 5-те пъти. За това е.
• Трябва ви визуално заземяване с точност до пиксел. Ограждащи правоъгълници, плътно OCR на увредени сканирания и точно броене в претрупани сцени не са най-силният му терен — първо тествайте върху вашите данни.
• Трябва ви по-евтино от евтиното, без зрение. Няколко модела в каталога стоят на $0.50 / $2.00. Надценката при K2.6 купува зрение и агентния профил на Kimi; ако не ви трябва нито едното, вземете по-евтиното ниво.
• Трябват ви повече от 16 384 изходни токена в един отговор. Този таван важи за целия каталог — дългите документи изискват генериране на части, който и модел да изберете.
• Искате побитово точно поведение като нагоре по веригата. Това е отрязан и квантизиран билд: съзнателен, публикуван компромис. За изследване на възпроизводимост работете срещу оригиналните тегла на Moonshot.

Числата за архитектурата, бенчмарковете и датите на пускане на Kimi K2.6 и K3 са отчетени от Moonshot и се отнасят за основата нагоре по веригата, а не за нашия компресиран билд. Числото за мултимодалната класация е от независима класация на трета страна. Цените в шлюза на Shannon са каталожни към 5 септември 2026 г.

09Често задавани въпроси

---

Shannon AI се управлява от Shannon Lab LLC, Ню Мексико, САЩ. Източници: Moonshot AI — Kimi K2 · REAP the Experts (arXiv 2510.13999) · Cerebras Research — REAP. Числата за бенчмарковете на Kimi нагоре по веригата са отчетени от Moonshot и са предварителни до независима проверка; те описват некомпресираната основа, а не квантизирания билд на Shannon.