Kimi K2 API bez cenzury

Většina stránek o „levném modelu“ je ve skutečnosti o malém modelu, který nosí rodinné jméno velkého. Tahle ne. Kimi K2.6 je plnohodnotný základ špičkového měřítka — bilion parametrů řídkého Mixture-of-Experts, s nativním vizuálním enkodérem a tréninkovým programem mířícím přímo na agentní používání nástrojů. Hodnotovým tierem ho nedělá menší mozek, ale agresivnější kompresní recept. Otázka tedy nezní „je dost dobrý?“, ale „které úlohy si vlastně všimnou rozdílu mezi ním a jeho pětkrát dražším sourozencem?“ Většina tohohle článku na to odpovídá.

01Co je Kimi K2.6 doopravdy?

Kimi K2.6 je model s otevřenými váhami od Moonshot AI, pekingské laboratoře stojící za sérií Kimi, vydaný 20. dubna 2026. Dědí architekturu, která proslavila K2: řídký transformer Mixture-of-Experts s hrubě 1 bilionem celkových parametrů a zhruba 32 miliardami aktivních na token, uspořádaný jako 384 expertů, 8 routovaných plus 1 sdílený na vrstvu napříč 61 vrstvami, s Multi-head Latent Attention. Na kterémkoli tokenu vystřelí jen malý plátek toho bilionu — a přesně proto se dá model téhle velikosti nacenit v centech.

Na té linii záleží kvůli tomu, na co Moonshot optimalizoval. Původní K2 byl předtrénován zhruba na 15,5 bilionu tokenů optimalizátorem Muon / MuonClip, postaveným specificky na to, aby MoE s bilionem parametrů netrpěl explozemi pozornosti a špičkami ztráty, které v tomhle měřítku destabilizují trénink; Moonshot uvedl napříč celým během nulovou tréninkovou nestabilitu. To je proti proudu všeho ostatního — umožnilo jim to utratit tréninkový rozpočet za agentní chování místo za hašení požárů.

K2.6 to rozšiřuje dvěma směry. Zaprvé je nativně multimodální: obrázky a snímky z videa procházejí přes MoonViT, vizuální enkodér s ~400M parametry, který obrázek nadělí na dlaždice 448x448 a každou dlaždici promítne rovnou do tokenového prostoru jazykového modelu — vizuální tokeny sedí ve stejné sekvenci jako všechno ostatní, ne v přišroubovaném popisovači, který krmí slepý model. Zadruhé je postaven na orchestraci do hloubky: práce Moonshotu o Agent Swarm uvádí koordinaci až 300 doménově specializovaných podagentů a až 4 000 koordinovaných kroků v jediném autonomním běhu.

Benchmarkový profil, jak ho uvádí Moonshot

Tohle jsou čísla uváděná Moonshotem pro nekomprimovaný základ K2.6, ne naše měření. Užitečná pro tvar, ne pro přesnost:

Čtěte tvar, ne číslice. Skóre s používáním nástrojů a s vyhledáváním leží vysoko; skóre čisté obtížnosti leží níž. To je podpis modelu trénovaného dobře jednat spíš než všechno vědět — správný obchod, pokud má váš agent prohlížeč, shell a souborový systém, špatný, pokud pokládáte jednu těžkou otázku bez připojených nástrojů.

02Co znamená W4A16-AUTOROUND-REAP

Přípona v id modelu není ozdoba. Je to přesný kompresní recept, zveřejněný proto, abyste mohli o svém obchodu uvažovat.

• W4A16 — váhy na 4 bitech, aktivace počítané na 16. Paměť pro váhy klesne zhruba 4× oproti bf16, zatímco aritmetika, která kumuluje chybu, zůstává v 16bitové přesnosti. Tohle je standardní kvalitní servírovací bod pro velmi velké modely MoE.
• AUTOROUND — kvantizátor AutoRound od Intelu. Naivní zaokrouhlování na nejbližší nakládá s každou váhou nezávisle a zahazuje informaci, na které model závisel; AutoRound se místo toho rozhodnutí o zaokrouhlení učí proti kalibračním datům. Při 4bitovém cíli je to rozdíl mezi modelem, který ještě dodrží schéma, a modelem, který driftuje.
• REAP — Router-weighted Expert Activation Pruning od Cerebras Research (arXiv 2510.13999, ICLR 2026). K většině expertů v MoE se routuje zřídka. REAP každého boduje jak podle hodnot jeho routovací brány, tak podle norem jeho aktivací, a ty nejméně významné pak na jeden zátah odstraní. Zveřejněný výsledek: až 50 % expertů prořezaných z modelů s bilionem parametrů při do velké míry udržené výchozí kvalitě, a prořezávání porážející slučování expertů na generativních úlohách — slučování specialisty rozmaže dohromady, prořezávání jen zahodí ty nepoužívané.

Aplikováno v tomhle pořadí — nejdřív prořezat, pak kvantizovat, co zbylo — dostanete model, který se vejde a běží rychle bez propadu kvality, jaký by kterákoli z těch technik samotná při těchhle poměrech způsobila. Abychom o té ceně mluvili natvrdo: komprimovaný model není bitově identický s originálem. Co ten recept kupuje, je, že zhoršení dopadne tam, kde si ho nejspíš nevšimnete — na vzácné routovací cesty, na chvosty nízkopravděpodobných tokenů — a ne na dodržování instrukcí, formátování volání nástrojů nebo držení se schématu.

03Co na tomhle endpointu znamená „bez cenzury“

Bez cenzury je tady tvrzení o architektuře, ne o postoji. Před modelem není žádná vrstva odmítání a na jeho výstupu žádné filtrování obsahu. Váš požadavek dorazí k základu a jeho odpověď dorazí k vám; ani jeden směr nic nezachytává.

To rozlišení je důležité, protože „bez cenzury“ se používá volně. Pod tím slovem se svazují tři různé věci:

1. Klasifikace vstupu — samostatný model přečte váš prompt a rozhodne, jestli ho pustí dál. Tady není.
2. Filtrování výstupu — skener prohlíží generovaný text a zkracuje ho nebo nahrazuje. Tady není.
3. Vlastní dispozice základu — cokoli se základní model naučil při tréninku. To patří modelu a netvrdíme, že jsme to vymazali.

První dvě jsou to, co rozbíjí produkční systémy, a ty dvě odstraňujeme. Klasifikátor, který vystřelí na 0,5 % požadavků, je 0,5% míra selhání, kterou nemůžete ladit, nemůžete se proti ní odvolat a nevidíte ji přicházet — a napříč agentní smyčkou o 200 krocích se 0,5% selhání na krok složí do běhu, který selhává častěji, než uspěje. Odmítnutí v konverzaci je otrava; odmítnutí v kroku 147 autonomního běhu zničí stav toho běhu a spálí všechno, co jste na cestě k němu utratili. U agentních zátěží je odstranění odmítací plochy vlastností spolehlivosti, ne stylistickou preferencí.

Důsledkem je, že odpovědnost se přesouvá na vás. Mezi vaší aplikací a vašimi uživateli není žádná záchranná síť; pokud ji váš produkt potřebuje, postavte ji tam, kde na ni vidíte, kde ji ladíte a logujete. Přečtěte si prosím nejdřív naši politiku odpovědného užívání.

04Kimi K2.6 vs Kimi K3: kdy se 5× vyplatí?

Tohle je rozhodnutí, kvůli kterému sem většina čtenářů přišla, takže tady je bez vytáček. Kimi-K3 · 3BIT-REAP je větší a novější základ: ohlášený 16. července 2026 s otevřenými váhami 27. července, zhruba se 2,8 bilionu celkových parametrů a asi 104 miliardami aktivních na token — přes 3× víc aktivního výpočtu než K2.6. Původce Moonshot uvádí K3 zhruba za 5× cenu K2.6 a ceny naší brány ten poměr sledují.

	Kimi-K2.6 · W4A16-AUTOROUND-REAP	Kimi-K3 · 3BIT-REAP
Vstup / 1M tokenů	$0.78	$3.83
Výstup / 1M tokenů	$3.67	$19.12
Kontextové okno	262 144	262 144
Max. výstup / požadavek	16 384	16 384
Obrazový vstup	Ano	Ano
Nativní volání nástrojů	Ano	Ano
Striktní json_schema	Ano	Ano
Bez cenzury	Ano	Ano
Aktivních parametrů / token	~32B	~104B

Podívejte se, co ta tabulka neukazuje: není v ní řádek, kde by K3 měl schopnost, která K2.6 chybí. Stejné okno, stejný maximální výstup, stejné vidění, stejné volání nástrojů, stejný strukturovaný výstup, stejný postoj bez cenzury, stejné tři dialekty. Těch 5× kupuje přesně jednu věc — hrubou schopnost na jeden dopředný průchod. To je skutečné, ale je to jediná osa a na osách, kde není vaším úzkým hrdlem, nedělá nic.

Konkrétně k bodu o kontextovém okně

U původce je hlavní předností K3 kontext 1M tokenů proti 262K u K2.6. Na bráně Shannon jsou oba modely servírovány na 262 144 tokenech. Pokud byl dlouhý kontext vaším důvodem platit 5×, tenhle důvod tady neplatí — zaplatili byste příplatek a dostali stejné okno. To je věc, kterou by dodavatel rád nechal nevyslovenou, a proto je tučně.

Zaplaťte 5×, když

• Jeden zátah musí vyjít. Jediný těžký průchod, kde je opakování drahé nebo nemožné — nevratná akce, rozhodnutí na konci dlouhé pipeline. Víc aktivních parametrů na token je přesně to, co zvedá strop na jednom průchodu.
• Úloha je vázaná na znalosti, ne na nástroje. Hluboká syntéza, kde odpověď musí vylézt z vah. Profil K2.6 je agentní; vezměte mu nástroje a větší základ se ukáže.
• Objem je nízký a sázky vysoké. Při 500 voláních měsíčně je 5× rozdíl mezi $40 a $8. Prostě si kupte lepší model.

Neplaťte 5×, když

• Pouštíte smyčku. Dlouhé agentní běhy dominují mechanické kroky — přečti soubor, zavolej nástroj, zkontroluj výsledek, vyber další — což je přesně to, na co byl K2.6 trénován. Při 200 krocích je těch 5× rozdíl mezi $7.71 a $38.29 na běh.
• Zpracováváte obrázky v objemu. Obrazové zátěže jsou těžké na vstupní tokeny a uvažování nad jednou položkou je mělké. Viz sekce 05; není to ani zdaleka těsné.
• Úloha je extrakce, klasifikace nebo transformace. Tahání polí z dokumentů, routování tiketů, normalizace záznamů, sumarizace — ohraničené úlohy, kde větší model vyprodukuje tentýž JSON.
• Máte ověřovací krok. Pokud se výstup kontroluje — testovací sada, validátor schématu, druhý průchod, člověk — jsou občasné chyby levné a ekonomika rozhodně nahrává objemu. Tohle je nejvíc podceňovaný argument pro hodnotový tier.

Vzorec, který stojí za pojmenování: pusťte K2.6 na smyčku a K3 na verdikt. Nechte levný agentní model odvést sto kroků sbírání, volání a konceptů a pak utraťte jedno drahé volání za závěrečnou syntézu. Oba modely mluví shodným API se stejným kontextovým oknem, takže přepnutí je jednořádková změna pole model.

05Vidění za funkční cenu

Vidění je v téhle nabídce nejostřejší hranou K2.6. Z dvanácti modelů bez cenzury na bráně přijímají obrázky vůbec jen čtyři a K2.6 je jediný, který spojuje obrazový vstup s agentní linií Kimi pod dolar za milion vstupních tokenů.

Obrazové zátěže mají neobvyklý tvar nákladů. Podle zveřejněného popisu MoonViT od Moonshotu se obrázek 1024x1024 zakóduje zhruba na 576 obrazových tokenů — a to jsou vstupní tokeny, tedy levná strana účtu. Typická obrazová úloha padne skoro celá na sazbu $0.78, ne na $3.67. Vezměte 10 000 obrázků, každý s ~200 tokeny promptu (tedy ~776 vstupními tokeny) a ~150 tokeny strukturovaného výstupu:

Zátěž	Kimi-K2.6	Kimi-K3	Násobek
Jeden krok agenta (40K vstup / 2K výstup)	$0.0385	$0.1914	5.0x
Autonomní běh o 200 krocích	$7.71	$38.29	5.0x
10 000 obrázků, strukturovaný výstup	$11.56	$58.40	5.1x
Dávková úloha (1M vstup / 200K výstup)	$1.51	$7.65	5.1x

Spočítáno z ceníkových cen brány Shannon. Odhad obrazových tokenů vychází ze zveřejněného údaje Moonshotu o MoonViT ~576 tokenů pro obrázek 1024x1024; přesná tokenizace se liší podle rozlišení a poměru stran.

Obrazovou pipeline za $11.56 pouštíte denně, aniž byste o tom přemýšleli. Tu za $58.40 plánujete, obhajujete a nakonec zrušíte. Ten rozdíl je celým argumentem pro hodnotový tier.

Jedna poctivá výhrada. Na nezávislých multimodálních žebříčcích a v úlohách s ukotvením byl K2.6 uváděn kolem 26. místa ze 115 modelů, s průměrem poblíž 68,1 — slušné, ne třídně vedoucí. Jeho vidění je opravdu silné na porozumění dokumentům, čtení snímků obrazovky a uživatelských rozhraní a interpretaci grafů či schémat; slabší je v přesném prostorovém ukotvení — v přesných ohraničujících rámečcích, jemném počítání v přeplněných scénách, hustém OCR degradovaných skenů. Pokud potřebujete lokalizaci přesnou na pixel, nejdřív si ho nabenchmarkujte na vlastních datech. Pokud potřebujete model, který se podívá na snímek obrazovky a rozhodne, kam kliknout dál, tohle je jednoznačně správný nástroj.

06Volání nástrojů bez odmítání a agentní smyčky

K2.6 podporuje nativní volání nástrojů: model vydává strukturovaná vyvolání nástrojů přímo z definic nástrojů podle JSON schématu, které mu dodáte, místo aby se do produkce parsovatelného textu přemlouval. Spolu s vícetahovou konverzací a systémovými prompty je to úplný substrát pro agentní smyčku.

Co „volání nástrojů bez odmítání“ přidává, je jemnější, než to zní. Na filtrovaném API se odmítnutí uvnitř agentní smyčky projeví ve třech odlišných způsobech selhání:

• Tvrdé odmítnutí — krok vrátí prózu místo volání nástroje, parser selže, smyčka se rozpadne. Aspoň nahlas.
• Měkké odmítnutí — volání proběhne, ale argumenty jsou podhozené: zúžený dotaz, vyhýbavý parametr, zkrácený payload. Smyčka pokračuje s tiše zhoršeným stavem a vy to zjistíte o čtyři kroky později.
• Preventivní vyhýbání — plán se odkloní od legitimní větve dřív, než se k ní vůbec přiblíží. Tohle nikdy neuvidíte; jen dostanete horší plán a žádné vysvětlení.

Druhé a třetí jsou ta drahá, protože jsou neviditelná: žádná chyba, nic v logu, nic, na co byste mohli pustit grep. Endpoint bez vrstvy odmítání odstraňuje celou tuhle třídu — argumenty volání nástrojů od modelu jsou argumenty volání nástrojů od modelu.

Nejvíc na tom záleží v doménách, které stejně potřebují dlouhé autonomní běhy a dotýkají se citlivého materiálu: bezpečnostní výzkum a red teaming, analýza malwaru a incidentů, zpracování klinické dokumentace, právní discovery a nástroje na moderaci, které musejí uvažovat o obsahu, jejž moderují. Stavba moderačního klasifikátoru vyžaduje model ochotný podívat se na to, co klasifikuje; to není paradox, jen ta práce.

Praktické poznámky pro dlouhé běhy: reasoning_effort vám dovolí utratit víc přemýšlení na plánovací kroky a míň na ty mechanické. Streamování je dostupné ve všech třech dialektech, takže dlouhý krok může ukazovat postup nebo být brzy přerušen. A 262 144 tokenů kontextu drží skutečný pracovní stav — obsahy souborů, dřívější výsledky nástrojů, průběžný plán — rezidentní napříč mnoha kroky bez přesumarizovávání každý tah, což je samo o sobě běžný zdroj driftu agenta.

07Strukturovaný výstup a tři dialekty API

K2.6 podporuje jak json_schema (striktní generování omezené schématem), tak volnější response_format. Porovnejte to s nabídkou: dva ze dvanácti zdejších modelů striktní schémový výstup nepodporují, a pokud další stupeň vaší pipeline parsuje JSON, tenhle sloupec není volitelný.

Striktní schémový výstup je to, co dělá z modelu bez cenzury použitelnou infrastrukturu: pokud model musí vydat objekt odpovídající vašemu schématu, dostanete záruku parsování nezávisle na tom, co by jinak řekl — žádná předmluva, žádná omluva, žádný odstavec omotaný kolem vašeho JSONu. V kombinaci s absencí vrstvy odmítání je to extrakční endpoint, který vrátí váš objekt při každém volání, u každého dokumentu, ať je ten dokument o čemkoli.

Rozhraní	Podpora Kimi-K2.6	Poznámky
/v1/chat/completions	Ano	Dialekt OpenAI — zaměnitelné za stávající SDK
/v1/messages	Ano	Dialekt Anthropic — stejný model, stejné váhy
/v1/responses	Ano	Rozhraní ve stylu Responses
Streamování	Ano	Ve všech třech dialektech
Volání nástrojů	Ano	Nativní, definice nástrojů podle JSON schématu
json_schema	Ano	Striktní strukturovaný výstup
response_format	Ano	Volnější režim JSON
reasoning_effort	Ano	Ladění rozpočtu na přemýšlení pro každé volání
Obrazový vstup	Ano	Obrázky vedle textu

Všechny tři dialekty adresují tytéž váhy na tomtéž clusteru. Namiřte stávajícího klienta OpenAI na základní URL, nastavte model na Kimi-K2.6-W4A16-AUTOROUND-REAP a běžíte. Tvary požadavků a odpovědí, sémantika streamování a živé hřiště jsou v dokumentaci API.

08Kde je Kimi K2.6 špatná volba

Průvodce modelem, který uvádí jen silné stránky, je reklama. Tady je, kam bychom vás poslali jinam.

• Potřebujete absolutní strop na jediném těžkém průchodu. Jděte na Kimi-K3 a zaplaťte 5×. Přesně na to je.
• Potřebujete vizuální ukotvení přesné na pixel. Ohraničující rámečky, husté OCR degradovaných skenů a přesné počítání v přeplněných scénách nejsou jeho nejsilnější půda — nejdřív ho otestujte na svých datech.
• Potřebujete levnější než levné, bez vidění. Několik modelů v nabídce leží na $0.50 / $2.00. Příplatek K2.6 kupuje vidění a agentní profil Kimi; pokud nepotřebujete ani jedno, vezměte levnější tier.
• Potřebujete v jedné odpovědi víc než 16 384 výstupních tokenů. Tenhle strop platí napříč celou nabídkou — dlouhé dokumenty potřebují generování po částech, ať zvolíte kterýkoli model.
• Chcete bitově přesné chování původce. Tohle je prořezaný a kvantizovaný build: záměrný, zveřejněný obchod. Pro studii reprodukovatelnosti spusťte původní váhy od Moonshotu.

Údaje o architektuře, benchmarcích a datech vydání Kimi K2.6 a K3 uvádí Moonshot a jsou uvedeny pro původní základ, ne pro náš komprimovaný build. Údaj o multimodálním pořadí pochází z nezávislého žebříčku třetí strany. Ceny brány Shannon jsou ceníkové ceny k 5. září 2026.

09Nejčastější dotazy

---

Shannon AI provozuje Shannon Lab LLC, Nové Mexiko, USA. Zdroje: Moonshot AI — Kimi K2 · REAP the Experts (arXiv 2510.13999) · Cerebras Research — REAP. Převzatá benchmarková čísla Kimi uvádí Moonshot a jsou předběžná, dokud je nezávisle neověří třetí strana; popisují nekomprimovaný základ, ne kvantizovaný build Shannonu.