Necenzurirani Kimi K2 API

Većina stranica o „jeftinom modelu” zapravo govori o malom modelu koji nosi porodično ime velikog. Ova ne. Kimi K2.6 je pun temelj razmjere s vrha polja — bilion parametara rijetkog Mixture-of-Expertsa, sa izvornim enkoderom za vid i programom treniranja usmjerenim ravno na agentsko korištenje alata. Nivoom vrijednosti ga ne čini manji mozak nego agresivniji recept kompresije. Pitanje, dakle, nije „je li dovoljno dobar?” nego „koji poslovi zaista primijete razliku između njega i pet puta skupljeg brata?” Najveći dio ovog članka odgovara upravo na to.

01Šta je Kimi K2.6, zapravo?

Kimi K2.6 je model otvorenih težina iz Moonshot AI-ja, pekinške laboratorije iza serije Kimi, objavljen 20. aprila 2026. Nasljeđuje arhitekturu koja je K2 učinila zapaženim: rijetki Mixture-of-Experts transformer sa otprilike bilion ukupnih parametara i oko 32 milijarde aktivnih po tokenu, organizovan kao 384 eksperta, 8 usmjeravanih plus 1 zajednički po sloju kroz 61 sloj, uz Multi-head Latent Attention. Na bilo kojem datom tokenu opali samo mali dio tog biliona — i upravo zato model ovakve veličine može imati cijenu u centima.

Loza je bitna zbog onoga za šta ju je Moonshot optimizovao. Izvorni K2 predtreniran je na otprilike 15,5 biliona tokena uz optimizator Muon / MuonClip, građen upravo da MoE od bilion parametara sačuva od eksplozija pažnje i skokova gubitka koji na toj razmjeri destabilizuju treniranje; Moonshot je prijavio nula nestabilnosti kroz cijeli tok. To stoji uzvodno od svega ostalog — omogućilo im je da budžet treniranja potroše na agentsko ponašanje umjesto na gašenje požara.

K2.6 to proširuje u dva pravca. Prvo, izvorno je multimodalan: slike i video kadrovi prolaze kroz MoonViT, enkoder za vid od oko 400 miliona parametara koji sliku dijeli na dijelove od 448x448 i svaki dio projicira ravno u prostor tokena jezičkog modela — vizuelni tokeni sjede u istoj sekvenci kao i sve ostalo, a ne u prikačenom opisivaču koji hrani slijep model. Drugo, građen je za orkestraciju u dubinu: Moonshotov rad na Agent Swarmu prijavljuje koordinaciju kroz do 300 podagenata specijalizovanih po domenu i do 4.000 koordinisanih koraka u jednom autonomnom izvršavanju.

Profil benchmarkova kako ga Moonshot prijavljuje

Ovo su brojke koje prijavljuje Moonshot za nekomprimovani temelj K2.6, a ne naša mjerenja. Korisne za oblik, ne za preciznost:

Čitajte oblik, a ne cifre. Rezultati u korištenju alata i pretrazi stoje visoko; rezultati čiste težine stoje niže. To je potpis modela treniranog da dobro djeluje, a ne da sve zna — prava razmjena ako vaš agent ima pregledač, ljusku i datotečni sistem, pogrešna ako postavljate jedno teško pitanje bez ijednog alata.

02Šta znači W4A16-AUTOROUND-REAP

Sufiks na id-u modela nije ukras. To je tačan recept kompresije, objavljen da biste mogli razmišljati o razmjeni koju pravite.

• W4A16 — težine na 4 bita, aktivacije računate na 16. Memorija za težine pada otprilike 4x u odnosu na bf16, dok aritmetika koja akumulira grešku ostaje u 16-bitnoj preciznosti. To je standardna tačka posluživanja visokog kvaliteta za vrlo velike MoE modele.
• AUTOROUND — Intelov kvantizator AutoRound. Naivno zaokruživanje na najbliže svaku težinu tretira nezavisno i odbacuje informaciju na koju se model oslanjao; AutoRound umjesto toga uči odluke o zaokruživanju prema kalibracijskim podacima. Na 4-bitnom cilju to je razlika između modela koji i dalje slijedi shemu i onog koji odlutava.
• REAP — Router-weighted Expert Activation Pruning, iz Cerebras Researcha (arXiv 2510.13999, ICLR 2026). Većini eksperata u MoE-u se rijetko usmjerava. REAP svakog ocjenjuje i po vrijednostima kapije usmjerivača i po normama aktivacije, pa najmanje značajne uklanja u jednom potezu. Objavljeni rezultat: do 50% obrezanih eksperata iz modela sa bilion parametara uz uglavnom očuvan osnovni kvalitet, i obrezivanje koje na generativnim zadacima tuče stapanje eksperata — stapanje razmazuje specijaliste jedne u druge, obrezivanje jednostavno izbacuje neiskorištene.

Primijenjeno tim redom — prvo obrezati, pa kvantizovati ono što ostane — dobijate model koji stane i radi brzo bez kolapsa kvaliteta koji bi pri ovim omjerima izazvala bilo koja tehnika sama. Da budemo izravni o trošku: komprimovani model nije bitovno identičan izvorniku. Recept kupuje to da degradacija sleti tamo gdje je vjerovatno nećete primijetiti — na rijetke putanje usmjeravanja, na repove tokena male vjerovatnoće — a ne u praćenju uputa, oblikovanju poziva alata ili poštovanju sheme.

03Šta „necenzurirano” znači na ovoj krajnjoj tački

Necenzurirano je ovdje tvrdnja o arhitekturi, a ne o stavu. Ispred modela nema sloja odbijanja, a na njegovom izlazu nema filtriranja sadržaja. Vaš zahtjev stiže do temelja, a njegov odgovor stiže do vas; ništa ne presreće nijedan smjer.

Ta razlika je bitna, jer se „necenzurirano” koristi olako. Pod tu riječ se pakuju tri odvojene stvari:

1. Klasifikacija ulaza — zaseban model čita vaš prompt i odlučuje hoće li ga propustiti. Ovdje je nema.
2. Filtriranje izlaza — skener pregleda generisani tekst pa ga skraćuje ili zamjenjuje. Ovdje ga nema.
3. Vlastite sklonosti temelja — što god je osnovni model naučio u treniranju. To je modelovo i ne tvrdimo da smo to izbrisali.

Prve dvije stvari su ono što lomi produkcijske sisteme, i njih dvije uklanjamo. Klasifikator koji opali na 0,5% zahtjeva jeste stopa kvara od 0,5% koju ne možete otkloniti, ne možete osporiti i ne možete vidjeti da dolazi — a kroz agentsku petlju od 200 koraka, kvar od 0,5% po koraku složi se u izvršavanje koje češće propadne nego što uspije. Odbijanje u razgovoru je smetnja; odbijanje na 147. koraku autonomnog izvršavanja uništava stanje tog izvršavanja i spaljuje sve što ste potrošili da biste dotle stigli. Za agentska opterećenja, uklanjanje površine odbijanja jeste svojstvo pouzdanosti, a ne stilska sklonost.

Posljedica je da odgovornost prelazi na vas. Između vaše aplikacije i vaših korisnika nema sigurnosne mreže; ako je vašem proizvodu treba, izgradite je tamo gdje je vidite, štimujete i bilježite. Prvo pročitajte našu politiku odgovornog korištenja.

04Kimi K2.6 naspram Kimija K3: kada 5x vrijedi?

Ovo je odluka zbog koje je većina čitalaca došla, pa evo je bez ograđivanja. Kimi-K3 · 3BIT-REAP je veći, noviji temelj: najavljen 16. jula 2026., sa otvorenim težinama 27. jula, na otprilike 2,8 biliona ukupnih parametara i oko 104 milijarde aktivnih po tokenu — više od 3x aktivnog računa K2.6. Uzvodno, Moonshot K3 navodi po oko 5x cijeni K2.6, a cijene našeg gatewaya prate taj omjer.

	Kimi-K2.6 · W4A16-AUTOROUND-REAP	Kimi-K3 · 3BIT-REAP
Ulaz / 1M tokena	$0.78	$3.83
Izlaz / 1M tokena	$3.67	$19.12
Kontekstni prozor	262.144	262.144
Maksimalni izlaz / zahtjev	16.384	16.384
Slika na ulazu	Da	Da
Izvorno pozivanje alata	Da	Da
Strogi json_schema	Da	Da
Necenzurirano	Da	Da
Aktivnih parametara / token	~32B	~104B

Pogledajte šta tabela ne pokazuje: nema nijednog reda u kojem K3 ima mogućnost koja K2.6 nedostaje. Isti prozor, isti maksimalni izlaz, isti vid, isto pozivanje alata, isti strukturirani izlaz, isto necenzurirano držanje, ista tri dijalekta. Tih 5x kupuje tačno jednu stvar — sirovu sposobnost po prolazu unaprijed. To je stvarno, ali je jedna jedina osa, i ne čini ništa na osama gdje vam nije usko grlo.

Konkretno o kontekstnom prozoru

Uzvodno, glavna karakteristika K3 jeste kontekst od 1M tokena naspram 262K kod K2.6. Na Shannonovom gatewayu oba modela se poslužuju na 262.144 tokena. Ako vam je dug kontekst bio razlog da platite 5x, taj razlog ovdje ne važi — platili biste premiju i dobili isti prozor. To je vrsta stvari koju je dobavljač u iskušenju prešutjeti, i zato je otisnuta masno.

Platite 5x kada

• Jedan pokušaj mora uspjeti. Jedan težak prolaz gdje je ponavljanje skupo ili nemoguće — nepovratna radnja, odluka na kraju dugog cjevovoda. Više aktivnih parametara po tokenu jeste upravo ono što podiže plafon jednog prolaza.
• Zadatak je vezan za znanje, a ne za alate. Duboka sinteza gdje odgovor mora izaći iz težina. Profil K2.6 je agentski; oduzmite alate i veći temelj se pokaže.
• Obim je mali, a ulozi visoki. Pri 500 poziva mjesečno, 5x je $40 umjesto $8. Jednostavno kupite bolji model.

Ne plaćajte 5x kada

• Vrtite petlju. Dugim agentskim izvršavanjima dominiraju mehanički koraci — pročitaj datoteku, pozovi alat, provjeri rezultat, izaberi sljedeći — a to je upravo ono za šta je K2.6 treniran. Na 200 koraka, tih 5x je $7.71 naspram $38.29 po izvršavanju.
• Obrađujete slike u obimu. Opterećenja sa vidom teška su po ulaznim tokenima, a rezonovanje po stavci je plitko. Vidite odjeljak 05; nije ni blizu.
• Posao je izvlačenje podataka, klasifikacija ili transformacija. Vađenje polja iz dokumenata, usmjeravanje tiketa, normalizacija zapisa, sažimanje — omeđeni zadaci gdje veći model proizvodi isti JSON.
• Imate korak provjere. Ako se izlaz provjerava — skupom testova, validatorom sheme, drugim prolazom, čovjekom — povremeni promašaji su jeftini, a ekonomija odlučno ide u prilog obimu. To je najpotcjenjeniji argument za nivo vrijednosti.

Obrazac vrijedan imena: vrtite K2.6 za petlju, a K3 za presudu. Pustite jeftini agentski model da odradi stotinu koraka prikupljanja, pozivanja i skiciranja, pa potrošite jedan skup poziv na konačnu sintezu. Oba modela govore identičan API sa istim kontekstnim prozorom, pa je prebacivanje promjena jednog reda u polju model.

05Vid po radnoj cijeni

Vid je najoštrija ivica K2.6 u ovom katalogu. Od dvanaest necenzuriranih modela na gatewayu samo četiri uopšte primaju slike, a K2.6 je jedini koji sliku na ulazu spaja sa agentskom lozom Kimija ispod dolara po milionu ulaznih tokena.

Opterećenja sa vidom imaju neuobičajen oblik troška. Prema Moonshotovom objavljenom opisu MoonViT-a, slika od 1024x1024 kodira se u otprilike 576 tokena slike — a to su ulazni tokeni, jeftina strana knjige. Tipičan posao sa vidom slijeće gotovo u cijelosti na stopu od $0.78, a ne na onu od $3.67. Uzmite 10.000 slika, svaku sa ~200 tokena prompta (dakle ~776 ulaznih tokena) i ~150 tokena strukturiranog izlaza:

Opterećenje	Kimi-K2.6	Kimi-K3	Višekratnik
Jedan korak agenta (40K ulaz / 2K izlaz)	$0.0385	$0.1914	5.0x
Autonomno izvršavanje od 200 koraka	$7.71	$38.29	5.0x
10.000 slika, strukturirani izlaz	$11.56	$58.40	5.1x
Grupni posao (1M ulaz / 200K izlaz)	$1.51	$7.65	5.1x

Izračunato po cjenovniku Shannonovog gatewaya. Procjena tokena slike koristi Moonshotovu objavljenu brojku za MoonViT od ~576 tokena za sliku od 1024x1024; tačna tokenizacija varira sa rezolucijom i omjerom stranica.

Cjevovod za slike od $11.56 pokrećete svakodnevno bez razmišljanja. Onaj od $58.40 zakazujete, opravdavate i na kraju ukidate. Ta razlika je cijeli argument za nivo vrijednosti.

Jedna poštena ograda. Na nezavisnim ljestvicama za multimodalne i uzemljene zadatke K2.6 je prijavljen na oko 26. mjestu od 115 modela, uz prosjek blizu 68,1 — ugledno, ali ne i na čelu klase. Njegov vid je istinski snažan u razumijevanju dokumenata, čitanju snimaka ekrana i korisničkih sučelja te tumačenju grafikona ili dijagrama; slabiji je u preciznom prostornom uzemljenju — tačnim graničnim okvirima, sitnozrnom brojanju u pretrpanim scenama, gustom OCR-u nagriženih skenova. Ako vam treba lokalizacija tačna do piksela, prvo testirajte na vlastitim podacima. Ako vam treba model koji pogleda snimak ekrana i odluči šta sljedeće kliknuti, ovo je upravo pravi alat.

06Pozivanje alata bez odbijanja i agentske petlje

K2.6 podržava izvorno pozivanje alata: model strukturirane pozive alata emituje izravno iz definicija alata po JSON shemi koje mu date, umjesto da ga nagovarate da proizvede tekst pogodan za parsiranje. Uz višekratni razgovor i sistemske upute, to je potpuna podloga za agentsku petlju.

Ono što „pozivanje alata bez odbijanja” dodaje suptilnije je nego što zvuči. Na filtriranom API-ju odbijanja unutar agentske petlje pojavljuju se u tri različita načina kvara:

• Tvrdo odbijanje — korak vraća prozu umjesto poziva alata, parser pukne, petlja se prekine. Barem je glasno.
• Meko odbijanje — poziv se izvrši, ali su argumenti prigušeni: sužen upit, ograđen parametar, skraćen teret. Petlja se nastavlja sa tiho degradiranim stanjem, a vi to saznate četiri koraka kasnije.
• Preventivno izbjegavanje — plan skreće od legitimne grane prije nego joj se približi. Ovo nikad ne vidite; samo dobijete lošiji plan i nikakvo objašnjenje.

Drugo i treće su skupi, jer su nevidljivi: nema greške, nema ničega u logovima, nema šta grepovati. Krajnja tačka bez sloja odbijanja uklanja cijelu klasu — argumenti poziva alata koje model daje jesu argumenti koje model daje.

Ovo najviše znači u domenima koji ionako traže duga autonomna izvršavanja i dodiruju osjetljiv materijal: sigurnosno istraživanje i red teaming, analiza zlonamjernog koda i incidenata, obrada kliničkih dokumenata, pravna priprema dokaza i alati za moderaciju koji moraju rezonovati o sadržaju koji moderiraju. Gradnja klasifikatora za moderaciju traži model voljan da pogleda ono što klasifikuje; to nije paradoks, nego posao.

Praktične napomene za duga izvršavanja: reasoning_effort vam dopušta da više razmišljanja potrošite na korake planiranja, a manje na mehaničke. Striming je dostupan na sva tri dijalekta, pa dug korak može iznositi napredak ili biti rano prekinut. A 262.144 tokena konteksta drži stvarno radno stanje — sadržaj datoteka, ranije rezultate alata, tekući plan — prisutnim kroz mnogo koraka bez ponovnog sažimanja u svakom potezu, što je i samo čest izvor lutanja agenata.

07Strukturirani izlaz i tri API dijalekta

K2.6 podržava i json_schema (strogu generaciju ograničenu shemom) i labaviji response_format. Provjerite to prema katalogu: dva od dvanaest modela ovdje ne podržavaju strogi izlaz po shemi, a ako sljedeća faza vašeg cjevovoda parsira JSON, ta kolona nije neobavezna.

Strogi izlaz po shemi je ono što necenzurirani model čini upotrebljivim kao infrastrukturu: ako model mora emitovati objekt koji odgovara vašoj shemi, dobijate garanciju parsiranja nezavisnu od onoga što bi inače rekao — bez uvoda, bez izvinjenja, bez pasusa omotanog oko vašeg JSON-a. U sprezi sa odsustvom sloja odbijanja, to je krajnja tačka za izvlačenje podataka koja vraća vaš objekt na svaki poziv, za svaki dokument, o čemu god dokument bio.

Površina	Podrška u Kimiju-K2.6	Napomene
/v1/chat/completions	Da	OpenAI dijalekt — ubacuje se u postojeće SDK-ove
/v1/messages	Da	Anthropicov dijalekt — isti model, iste težine
/v1/responses	Da	Sučelje u stilu Responsesa
Striming	Da	Na sva tri dijalekta
Pozivanje alata	Da	Izvorno, definicije alata po JSON shemi
json_schema	Da	Strogi strukturirani izlaz
response_format	Da	Labaviji JSON način
reasoning_effort	Da	Štimovanje budžeta razmišljanja po pozivu
Slika na ulazu	Da	Slike uz tekst

Sva tri dijalekta obraćaju se istim težinama na istom klasteru. Uperite postojećeg OpenAI klijenta na osnovni URL, postavite model na Kimi-K2.6-W4A16-AUTOROUND-REAP i radi. Oblici zahtjeva i odgovora, semantika strimovanja i živo igralište nalaze se u API dokumentaciji.

08Gdje je Kimi K2.6 pogrešan izbor

Vodič za model koji navodi samo prednosti jeste reklama. Evo gdje bismo vas poslali drugdje.

• Treba vam apsolutni plafon na jednom teškom prolazu. Idite na Kimi-K3 i platite 5x. Za to i služi.
• Treba vam vizuelno uzemljenje tačno do piksela. Granični okviri, gust OCR na nagriženim skenovima i tačno brojanje u pretrpanim scenama nisu njegov najjači teren — prvo testirajte na svojim podacima.
• Treba vam jeftinije od jeftinog, bez vida. Nekoliko modela u katalogu stoji na $0.50 / $2.00. Premija K2.6 kupuje vid i agentski profil Kimija; ako vam ne treba nijedno, uzmite jeftiniji nivo.
• Treba vam više od 16.384 izlazna tokena u jednom odgovoru. Taj plafon važi kroz cijeli katalog — dugi dokumenti traže generisanje u dijelovima koji god model izabrali.
• Želite bitovno tačno uzvodno ponašanje. Ovo je obrezano i kvantizovano izdanje: promišljena, objavljena razmjena. Za studiju ponovljivosti radite na Moonshotovim izvornim težinama.

Brojke o arhitekturi, benchmarkovima i datumima objave za Kimi K2.6 i K3 prijavio je Moonshot i prikazane su za uzvodni temelj, a ne za naše komprimovano izdanje. Brojka o multimodalnom rangiranju dolazi sa nezavisne ljestvice treće strane. Cijene Shannonovog gatewaya jesu cjenovničke na dan 5. septembra 2026.

09Često postavljana pitanja

---

Shannon AI-jem upravlja Shannon Lab LLC, Novi Meksiko, SAD. Izvori: Moonshot AI — Kimi K2 · REAP the Experts (arXiv 2510.13999) · Cerebras Research — REAP. Uzvodne brojke sa benchmarkova za Kimi prijavio je Moonshot i privremene su do nezavisne provjere; opisuju nekomprimovani temelj, a ne Shannonovo kvantizovano izdanje.