API بدون سانسور Kimi K2
بینایی، فراخوانی بومی ابزار و پنجره ۲۶۲ هزار توکنی روی بنیان عاملی تریلیون‌پارامتری Moonshot — بدون سانسور، با ۰٫۷۸ دلار ورودی / ۳٫۶۷ دلار خروجی به ازای هر میلیون توکن.
خلاصه
Kimi-K2.6 · W4A16-AUTOROUND-REAP رده ارزش‌محور خانواده Kimi روی گیت‌وی Shannon است. این همان MoE عاملی یک‌تریلیون پارامتری Moonshot AI است — مدلی که برای حلقه‌های بلند کاربرد ابزار ساخته شده — که بدون سانسور با ورودی بینایی، فراخوانی بومی ابزار، خروجی سخت‌گیرانه با اسکیمای JSON و کانتکست ۲۶۲٬۱۴۴ توکنی سرو می‌شود، با ۰٫۷۸ / ۳٫۶۷ دلار به ازای هر میلیون توکن. خواهرش Kimi-K3 تقریباً ۵ برابر هزینه دارد. بخش 04 یک روایت صادقانه است از اینکه کِی آن ۵ برابر چیزی برایتان می‌خرد و کِی هیچ.
بیشتر صفحه‌های «مدل ارزان» در واقع درباره یک مدل کوچک‌اند که نام خانوادگی یک مدل بزرگ را به تن کرده. این یکی چنین نیست. Kimi K2.6 یک بنیان کامل در مقیاس مرزی است — یک تریلیون پارامتر Mixture-of-Experts تُنُک، با یک رمزگذار بینایی بومی و برنامه‌ای آموزشی که مستقیم نشانه کاربرد عاملی ابزار رفته است. آنچه آن را رده ارزش‌محور می‌کند مغزی کوچک‌تر نیست، بلکه دستور فشرده‌سازی تهاجمی‌تری است. پس پرسش این نیست که «آیا به‌اندازه کافی خوب است؟» بلکه این است که «کدام کارها واقعاً تفاوت میان این و خواهرِ پنج‌برابر گران‌ترش را حس می‌کنند؟» بیشتر این مقاله همان را پاسخ می‌دهد.
01Kimi K2.6 واقعاً چیست؟
Kimi K2.6 یک مدل وزن‌باز از Moonshot AI است، آزمایشگاهی در پکن که پشت سری Kimi ایستاده، و در ۲۰ آوریل ۲۰۲۶ منتشر شد. معماری‌ای را به ارث برده که K2 را برجسته کرد: یک ترنسفورمر Mixture-of-Experts تُنُک با حدود ۱ تریلیون پارامتر کل و حدود ۳۲ میلیارد فعال به ازای هر توکن، سازمان‌یافته به‌صورت ۳۸۴ متخصص، ۸ مسیریابی‌شده به‌علاوه ۱ مشترک در هر لایه، در ۶۱ لایه، با Multi-head Latent Attention. تنها برشی کوچک از آن تریلیون روی هر توکن مشخص شلیک می‌کند — و دقیقاً به همین دلیل است که مدلی به این اندازه می‌تواند در حد چند سنت قیمت‌گذاری شود.
این تبار به‌خاطر آنچه Moonshot بهینه کرده اهمیت دارد. K2 اصلی روی حدود ۱۵٫۵ تریلیون توکن با بهینه‌ساز Muon / MuonClip پیش‌آموزش دید، که مشخصاً ساخته شده بود تا نگذارد یک MoE تریلیون‌پارامتری دچار همان انفجارهای توجه و جهش‌های زیانی شود که آموزش را در آن مقیاس بی‌ثبات می‌کنند؛ Moonshot گزارش کرد در سرتاسر اجرا هیچ ناپایداری آموزشی رخ نداد. این بالادستِ همه‌چیز است — به آنها اجازه داد بودجه آموزش را به‌جای آتش‌نشانی، صرف رفتار عاملی کنند.
K2.6 این را در دو جهت گسترش می‌دهد. نخست، بومی‌چندوجهی است: تصاویر و فریم‌های ویدیویی از MoonViT عبور می‌کنند، یک رمزگذار بینایی حدوداً ۴۰۰ میلیون پارامتری که تصویر را به وصله‌های ۴۴۸×۴۴۸ کاشی‌بندی می‌کند و هر کاشی را مستقیم به فضای توکن مدل زبانی تصویر می‌کند — توکن‌های بصری در همان دنباله‌ای می‌نشینند که بقیه چیزها، نه در یک زیرنویس‌نویسِ الحاقی که به یک مدل نابینا خوراک بدهد. دوم، برای ارکستراسیون در عمق ساخته شده: کار Agent Swarm از Moonshot، هماهنگی میان تا ۳۰۰ زیرعامل تخصصی‌شده در حوزه‌ها و تا ۴٬۰۰۰ گام هماهنگ در یک اجرای خودگردان تکی را گزارش می‌کند.
نیم‌رخ بنچمارک گزارش‌شده از سوی Moonshot
اینها اعداد گزارش‌شده از سوی Moonshot برای بنیان فشرده‌نشده K2.6 هستند، نه اندازه‌گیری‌های ما. برای دیدن شکل کلی مفیدند، نه برای دقت:
شکل را بخوانید، نه رقم‌ها را. امتیازهای ابزارمحور و جست‌وجومحور بالا می‌نشینند؛ امتیازهای صرفاً دشواری‌محور پایین‌تر. این امضای مدلی است که آموزش دیده تا خوب عمل کند نه اینکه همه‌چیز را بداند — بده‌بستان درست اگر عامل شما یک مرورگر، یک شل و یک سیستم فایل دارد، و بده‌بستان غلط اگر دارید یک پرسش سخت تکی بدون هیچ ابزار متصلی می‌پرسید.
02پسوند W4A16-AUTOROUND-REAP یعنی چه
پسوند روی شناسه مدل تزئین نیست. دستور دقیق فشرده‌سازی است، منتشرشده تا بتوانید درباره بده‌بستانی که می‌کنید استدلال کنید.
- W4A16 — وزن‌ها در ۴ بیت، فعال‌سازی‌ها محاسبه‌شده در ۱۶ بیت. حافظه وزن حدود ۴ برابر نسبت به bf16 کاهش می‌یابد در حالی که حسابی که خطا را انباشت می‌کند روی دقت ۱۶ بیتی می‌ماند. این نقطه استاندارد سرویس‌دهی با کیفیت بالا برای مدل‌های MoE بسیار بزرگ است.
- AUTOROUND — کوانتیزه‌کننده AutoRound از اینتل. گِردکردن ساده به نزدیک‌ترین، هر وزن را مستقل می‌بیند و اطلاعاتی را دور می‌ریزد که مدل به آن تکیه داشت؛ AutoRound در عوض تصمیم‌های گِردکردن را در برابر داده کالیبراسیون یاد می‌گیرد. در هدف ۴ بیتی، این همان تفاوت میان مدلی است که هنوز از یک اسکیما پیروی می‌کند و مدلی که منحرف می‌شود.
- REAP — سرنام Router-weighted Expert Activation Pruning، از Cerebras Research (arXiv 2510.13999، ICLR 2026). بیشتر متخصص‌ها در یک MoE به‌ندرت مسیریابی می‌شوند. REAP به هر کدام هم بر پایه مقادیر گیت روتر و هم نُرم فعال‌سازی‌اش امتیاز می‌دهد، و بعد کم‌برجسته‌ترین‌ها را در یک مرحله حذف می‌کند. نتیجه منتشرشده: تا ۵۰٪ متخصص‌ها از مدل‌های تریلیون‌پارامتری هرس شدند در حالی که کیفیت پایه عمدتاً حفظ شد، و هرس روی وظایف مولد بر ادغام متخصص‌ها چربید — ادغام متخصص‌ها را در هم محو می‌کند، هرس فقط بلااستفاده‌ها را حذف می‌کند.
اعمال‌شده به همان ترتیب — اول هرس، بعد کوانتیزه‌کردن آنچه می‌ماند — مدلی به دست می‌آورید که جا می‌شود و سریع کار می‌کند بدون آن فروپاشی کیفی که هر یک از این دو تکنیک به‌تنهایی در این نسبت‌ها ایجاد می‌کرد. رک باشیم درباره هزینه‌اش: یک مدل فشرده از نظر بیتی با نسخه اصلی یکسان نیست. آنچه این دستور می‌خرد این است که افت جایی بنشیند که احتمالاً متوجهش نمی‌شوید — مسیرهای مسیریابی نادر، دنباله‌های توکنیِ کم‌احتمال — نه در پیروی از دستور، قالب‌بندی فراخوانی ابزار، یا پایبندی به اسکیما.
03«بدون سانسور» روی این اندپوینت یعنی چه
بدون سانسور اینجا گزاره‌ای درباره معماری است، نه درباره نگرش. هیچ لایه رد درخواستی جلوی مدل نیست و هیچ فیلترینگ محتوایی روی خروجی‌اش نیست. درخواست شما به بنیان می‌رسد و پاسخش به شما؛ هیچ‌چیز هیچ‌کدام از دو جهت را رهگیری نمی‌کند.
این تمایز مهم است، چون «بدون سانسور» شل و ول به کار می‌رود. سه چیز جداگانه ذیل این واژه بسته‌بندی می‌شوند:
- دسته‌بندی ورودی — یک مدل جداگانه پرامپت شما را می‌خواند و تصمیم می‌گیرد بگذارد رد شود یا نه. اینجا وجود ندارد.
- فیلترینگ خروجی — یک اسکنر متن تولیدشده را بازرسی می‌کند و آن را می‌بُرد یا جایگزین می‌کند. اینجا وجود ندارد.
- گرایش‌های خودِ بنیان — هر چه مدل پایه در آموزش یاد گرفته. آن مالِ مدل است، و ما ادعا نمی‌کنیم پاکش کرده‌ایم.
دو مورد اول همان‌هایی هستند که سامانه‌های عملیاتی را می‌شکنند، و همان دوتایی‌اند که ما برمی‌داریم. دسته‌بندی‌کننده‌ای که روی ۰٫۵٪ درخواست‌ها شلیک می‌کند یعنی نرخ شکست ۰٫۵٪ که نه می‌توانید اشکال‌زدایی‌اش کنید، نه به آن اعتراض کنید، و نه آمدنش را ببینید — و در یک حلقه عاملی ۲۰۰ گامی، شکست ۰٫۵٪ در هر گام روی هم انباشته می‌شود و به اجرایی می‌رسد که بیشتر شکست می‌خورد تا موفق شود. یک رد درخواست در یک گفت‌وگو آزاردهنده است؛ یک رد درخواست در گام ۱۴۷ یک اجرای خودگردان، وضعیت کل اجرا را نابود می‌کند و هر چه برای رسیدن به آنجا خرج کرده‌اید می‌سوزاند. برای بارهای کاری عاملی، برداشتن سطح رد درخواست یک ویژگی قابلیت‌اطمینان است، نه یک ترجیح سبکی.
نتیجه ضمنی‌اش این است که مسئولیت به شما منتقل می‌شود. هیچ تور ایمنی میان اپلیکیشن شما و کاربرانتان وجود ندارد؛ اگر محصولتان به یکی نیاز دارد، آن را جایی بسازید که ببینیدش، تنظیمش کنید و لاگش بگیرید. لطفاً نخست سیاست استفاده مسئولانه ما را بخوانید.
04Kimi K2.6 در برابر Kimi K3: کِی ۵ برابر می‌ارزد؟
این همان تصمیمی است که بیشتر خوانندگان برایش آمده‌اند، پس بدون طفره‌رفتن: Kimi-K3 · 3BIT-REAP بنیان بزرگ‌تر و تازه‌تر است: در ۱۶ ژوئیه ۲۰۲۶ اعلام شد و وزن‌های بازش در ۲۷ ژوئیه آمد، با حدود ۲٫۸ تریلیون پارامتر کل و حدود ۱۰۴ میلیارد فعال به ازای هر توکن — بیش از ۳ برابر محاسبات فعال K2.6. در بالادست، Moonshot قیمت K3 را حدود ۵ برابر K2.6 فهرست می‌کند، و قیمت‌گذاری گیت‌وی ما همین نسبت را دنبال می‌کند.
| Kimi-K2.6 · W4A16-AUTOROUND-REAP | Kimi-K3 · 3BIT-REAP | |
|---|---|---|
| ورودی / 1M توکن | $0.78 | $3.83 |
| خروجی / 1M توکن | $3.67 | $19.12 |
| پنجره کانتکست | 262,144 | 262,144 |
| بیشینه خروجی / هر درخواست | 16,384 | 16,384 |
| ورودی بینایی | بله | بله |
| فراخوانی بومی ابزار | بله | بله |
| json_schema سخت‌گیرانه | بله | بله |
| بدون سانسور | بله | بله |
| پارامترهای فعال / هر توکن | ~32B | ~104B |
به چیزی نگاه کنید که جدول نشان نمی‌دهد: هیچ سطری نیست که K3 در آن قابلیتی داشته باشد که K2.6 ندارد. همان پنجره، همان بیشینه خروجی، همان بینایی، همان فراخوانی ابزار، همان خروجی ساختاریافته، همان موضع بدون سانسور، همان سه گویش. آن ۵ برابر دقیقاً یک چیز می‌خرد — توانایی خام به ازای هر گذر رو به جلو. این واقعی است، اما یک محور تکی است، و روی محورهایی که گلوگاه شما نیستند هیچ کاری نمی‌کند.
مشخصاً درباره نکته پنجره کانتکست
در بالادست، ویژگی تیتروار K3 کانتکست یک‌میلیون توکنی در برابر ۲۶۲ هزار توکنی K2.6 است. روی گیت‌وی Shannon هر دو مدل با ۲۶۲٬۱۴۴ توکن سرو می‌شوند. اگر کانتکست بلند دلیل شما برای پرداخت ۵ برابر بود، آن دلیل اینجا مصداق ندارد — اضافه‌بها را می‌پرداختید و همان پنجره را می‌گرفتید. این از آن چیزهایی است که یک فروشنده وسوسه می‌شود ناگفته بگذاردش، و به همین دلیل با حروف پررنگ آمده.
آن ۵ برابر را بپردازید وقتی
- یک شات باید بنشیند. یک گذر سخت تکی که تلاش مجدد در آن گران یا ناممکن است — یک اقدام برگشت‌ناپذیر، یک تصمیم در انتهای یک خط لوله بلند. پارامترهای فعال بیشتر به ازای هر توکن دقیقاً همان چیزی است که سقف یک گذر را بالا می‌برد.
- وظیفه دانش‌محور است، نه ابزارمحور. ترکیب و تألیف عمیق که پاسخ باید از دل وزن‌ها بیرون بیاید. نیم‌رخ K2.6 عاملی است؛ ابزارها را که بگیرید، بنیان بزرگ‌تر خودش را نشان می‌دهد.
- حجم پایین و مخاطره بالاست. در ۵۰۰ فراخوانی در ماه، ۵ برابر یعنی ۴۰ دلار به‌جای ۸ دلار. همان مدل بهتر را بخرید.
آن ۵ برابر را نپردازید وقتی
- دارید یک حلقه اجرا می‌کنید. اجراهای بلند عاملی را گام‌های مکانیکی تسخیر می‌کنند — خواندن یک فایل، فراخوانی یک ابزار، بررسی یک نتیجه، انتخاب بعدی — که دقیقاً همان چیزی است که K2.6 برایش آموزش دیده. در ۲۰۰ گام، آن ۵ برابر یعنی ۷٫۷۱ دلار در برابر ۳۸٫۲۹ دلار به ازای هر اجرا.
- دارید تصاویر را در حجم بالا پردازش می‌کنید. بارهای کاری بینایی ورودی-توکن-سنگین‌اند و استدلال به ازای هر آیتم کم‌عمق است. بخش 05 را ببینید؛ اصلاً نزدیک هم نیست.
- کار، استخراج، دسته‌بندی یا تبدیل است. بیرون کشیدن فیلد از اسناد، مسیریابی تیکت، نرمال‌سازی رکورد، خلاصه‌سازی — وظایف کران‌داری که یک مدل بزرگ‌تر همان JSON را تولید می‌کند.
- یک گام راستی‌آزمایی دارید. اگر خروجی بررسی می‌شود — یک مجموعه تست، یک اعتبارسنج اسکیما، یک گذر دوم، یک انسان — خطاهای گاه‌به‌گاه ارزان‌اند و اقتصاد کار قاطعانه به سود حجم است. این کم‌ارج‌ترین استدلال به سود رده ارزش‌محور است.
یک الگو که ارزش نام‌گذاری دارد: K2.6 را برای حلقه و K3 را برای حکم اجرا کنید. بگذارید مدل عاملی ارزان صد گام گردآوری، فراخوانی و پیش‌نویسی را انجام دهد، و بعد یک فراخوانی گران را روی ترکیب و تألیف نهایی خرج کنید. هر دو مدل دقیقاً همان API را با همان پنجره کانتکست حرف می‌زنند، پس جابه‌جایی یک تغییر تک‌خطی در فیلد model است.
05بینایی با قیمتی کارآمد
بینایی تیزترین لبه K2.6 در این کاتالوگ است. از دوازده مدل بدون سانسور روی گیت‌وی تنها چهارتا اصلاً تصویر می‌پذیرند، و K2.6 تنها مدلی است که ورودی تصویر را با تبار عاملی Kimi زیر یک دلار به ازای هر میلیون توکن ورودی جفت می‌کند.
بارهای کاری بینایی شکل هزینه‌ای غیرمعمولی دارند. بنا بر توصیف منتشرشده Moonshot از MoonViT، یک تصویر ۱۰۲۴×۱۰۲۴ به حدود ۵۷۶ توکن تصویری رمزگذاری می‌شود — و اینها توکن‌های ورودیاند، یعنی سمت ارزان دفتر. یک کار بینایی معمول تقریباً تماماً روی نرخ ۰٫۷۸ دلاری می‌نشیند نه روی نرخ ۳٫۶۷ دلاری. ۱۰٬۰۰۰ تصویر را در نظر بگیرید، هرکدام با حدود ۲۰۰ توکن پرامپت (یعنی حدود ۷۷۶ توکن ورودی) و حدود ۱۵۰ توکن خروجی ساختاریافته:
| بارِ کاری | Kimi-K2.6 | Kimi-K3 | ضریب |
|---|---|---|---|
| یک گام عاملی (۴۰ هزار ورودی / ۲ هزار خروجی) | $0.0385 | $0.1914 | 5.0x |
| اجرای خودگردان ۲۰۰ گامی | $7.71 | $38.29 | 5.0x |
| ۱۰٬۰۰۰ تصویر، خروجی ساختاریافته | $11.56 | $58.40 | 5.1x |
| کار دسته‌ای (۱M ورودی / ۲۰۰ هزار خروجی) | $1.51 | $7.65 | 5.1x |
محاسبه‌شده از قیمت‌های فهرست گیت‌وی Shannon. برآورد توکن تصویری از عدد منتشرشده MoonViT از سوی Moonshot یعنی حدود ۵۷۶ توکن برای یک تصویر ۱۰۲۴×۱۰۲۴ استفاده می‌کند؛ توکن‌سازی دقیق با وضوح و نسبت ابعاد تغییر می‌کند.
یک خط لوله تصویری ۱۱٫۵۶ دلاری چیزی است که هر روز بدون فکر کردن به آن اجرا می‌کنید. یک خط لوله ۵۸٫۴۰ دلاری چیزی است که زمان‌بندی می‌کنید، توجیهش می‌کنید، و در نهایت حذفش می‌کنید. همین شکاف، تمام استدلال برای وجود یک رده ارزش‌محور است.
یک هشدار صادقانه. در جدول‌های رده‌بندی مستقل چندوجهی و وظایف مبتنی بر زمینه، K2.6 حدود رتبه ۲۶ از ۱۱۵ مدل با میانگین نزدیک ۶۸٫۱ گزارش شده — آبرومند، اما نه پیشتاز رده. بینایی‌اش در درک سند، خواندن اسکرین‌شات و رابط کاربری، و تفسیر چارت یا نمودار واقعاً قوی است؛ در تثبیت مکانی دقیق ضعیف‌تر است — کادرهای محصورکننده دقیق، شمارش ریزدانه در صحنه‌های شلوغ، OCR متراکم روی اسکن‌های خراب. اگر به مکان‌یابی با دقت پیکسلی نیاز دارید، اول روی داده خودتان بنچمارک بگیرید. اگر مدلی می‌خواهید که به یک اسکرین‌شات نگاه کند و تصمیم بگیرد بعد روی چه چیزی کلیک کند، این کاملاً ابزار درست است.
06فراخوانی ابزار بدون رد درخواست و حلقه‌های عاملی
K2.6 از فراخوانی بومی ابزار پشتیبانی می‌کند: مدل فراخوانی‌های ساختاریافته ابزار را مستقیماً از تعریف‌های ابزار با اسکیمای JSON که شما می‌دهید بیرون می‌دهد، به‌جای آنکه با ترفند وادار به تولید متن قابل‌پارس شود. با گفت‌وگوی چندنوبتی و پرامپت‌های سیستمی، این بستر کامل یک حلقه عاملی است.
آنچه «فراخوانی ابزار بدون رد درخواست» اضافه می‌کند ظریف‌تر از چیزی است که به گوش می‌آید. روی یک API فیلترشده، رد درخواست‌ها درون یک حلقه عاملی در سه حالت شکست متمایز ظاهر می‌شوند:
- رد سخت — گام به‌جای یک فراخوانی ابزار، نثر برمی‌گرداند، پارسر شکست می‌خورد، حلقه می‌شکند. دست‌کم پرسروصداست.
- رد نرم — فراخوانی انجام می‌شود اما آرگومان‌ها عمداً ضعیف‌اند: یک پرس‌وجوی باریک‌شده، یک پارامتر محافظه‌کارانه، یک بار داده بریده‌شده. حلقه با وضعیتی بی‌سروصدا افت‌کرده ادامه می‌یابد و چهار گام بعد متوجه می‌شوید.
- اجتناب پیشگیرانه — نقشه پیش از آنکه به یک شاخه مشروع نزدیک شود از آن دور می‌زند. این یکی را هرگز نمی‌بینید؛ فقط نقشه‌ای بدتر می‌گیرید و هیچ توضیحی نه.
دومی و سومی گران‌ترها هستند، چون نامرئی‌اند: نه خطایی، نه چیزی در لاگ‌ها، نه چیزی برای grep زدن. یک اندپوینت بدون لایه رد درخواست کل این طبقه را برمی‌دارد — آرگومان‌های فراخوانی ابزار مدل، همان آرگومان‌های فراخوانی ابزار مدل‌اند.
این بیش از همه در حوزه‌هایی اهمیت دارد که به اجراهای بلند خودگردان نیاز دارند و به‌هرحال با مواد حساس سروکار دارند: پژوهش امنیتی و تیم قرمز، تحلیل بدافزار و حادثه، پردازش اسناد بالینی، افشای حقوقی، و ابزار نظارت محتوایی که باید درباره محتوایی که نظارت می‌کند استدلال کند. ساختن یک دسته‌بندی‌کننده نظارت محتوا مدلی می‌خواهد که حاضر باشد به آنچه دسته‌بندی می‌کند نگاه کند؛ این پارادوکس نیست، فقط شرح شغل است.
نکته‌های عملی برای اجراهای بلند: reasoning_effort می‌گذارد اندیشیدن بیشتری را روی گام‌های برنامه‌ریزی و کمتری را روی گام‌های مکانیکی خرج کنید. استریمینگ روی هر سه گویش در دسترس است، پس یک گام طولانی می‌تواند پیشرفتش را نشان دهد یا زودتر لغو شود. و ۲۶۲٬۱۴۴ توکن کانتکست، وضعیت کاری واقعی را — محتوای فایل‌ها، نتایج پیشین ابزارها، یک نقشه جاری — در طول گام‌های پرشمار مقیم نگه می‌دارد بدون آنکه هر نوبت از نو خلاصه شود، که خودش منبع رایج انحراف عامل است.
07خروجی ساختاریافته و سه گویش API
K2.6 هم از json_schema (تولید سخت‌گیرانه مقیدشده به اسکیما) و هم از response_format شل‌تر پشتیبانی می‌کند. این را در برابر کاتالوگ بسنجید: دو مدل از دوازده مدل اینجا از خروجی سخت‌گیرانه اسکیما پشتیبانی نمی‌کنند، و اگر مرحله بعدی خط لوله شما JSON پارس می‌کند، آن ستون اختیاری نیست.
خروجی سخت‌گیرانه اسکیما همان چیزی است که یک مدل بدون سانسور را به‌عنوان زیرساخت قابل‌استفاده می‌کند: اگر مدل مجبور باشد شیئی مطابق اسکیمای شما بیرون بدهد، یک تضمین پارس می‌گیرید مستقل از آنچه در غیر این صورت می‌گفت — بدون مقدمه، بدون عذرخواهی، بدون پاراگرافی که دور JSON شما پیچیده باشد. همراه با نبود لایه رد درخواست، این یک اندپوینت استخراج است که شیء شما را در هر فراخوانی، برای هر سند، صرف‌نظر از اینکه سند درباره چیست، برمی‌گرداند.
| سطح | پشتیبانی Kimi-K2.6 | یادداشت |
|---|---|---|
| /v1/chat/completions | بله | گویش OpenAI — جایگزین مستقیم برای SDKهای موجود |
| /v1/messages | بله | گویش Anthropic — همان مدل، همان وزن‌ها |
| /v1/responses | بله | رابط به سبک Responses |
| استریمینگ | بله | روی هر سه گویش |
| فراخوانی ابزار | بله | بومی، با تعریف ابزار به اسکیمای JSON |
| json_schema | بله | خروجی ساختاریافته سخت‌گیرانه |
| response_format | بله | حالت JSON شل‌تر |
| reasoning_effort | بله | تنظیم بودجه اندیشیدن در هر فراخوانی |
| ورودی بینایی | بله | تصویر در کنار متن |
هر سه گویش به همان وزن‌ها روی همان خوشه آدرس می‌دهند. یک کلاینت OpenAI موجود را به base URL نشانه بروید، model را روی Kimi-K2.6-W4A16-AUTOROUND-REAP بگذارید، و در حال اجرا هستید. شکل درخواست و پاسخ، معناشناسی استریمینگ و یک پلی‌گراند زنده در مستندات API هستند.
08کجا Kimi K2.6 انتخاب اشتباهی است
راهنمای مدلی که فقط نقاط قوت را فهرست کند یک آگهی است. اینجا می‌گوییم کجا شما را جای دیگری می‌فرستیم.
- به سقف مطلق روی یک گذر سخت تکی نیاز دارید. بروید سراغ Kimi-K3 و آن ۵ برابر را بپردازید. برای همین هست.
- به تثبیت بصری با دقت پیکسلی نیاز دارید. کادرهای محصورکننده، OCR متراکم روی اسکن‌های خراب و شمارش دقیق در صحنه‌های شلوغ زمین قوی‌اش نیست — اول روی داده خودتان تست بگیرید.
- ارزان‌تر از ارزان می‌خواهید، بدون بینایی. چند مدل کاتالوگ روی ۰٫۵۰ / ۲٫۰۰ دلار می‌نشینند. اضافه‌بهای K2.6 بینایی و نیم‌رخ عاملی Kimi را می‌خرد؛ اگر به هیچ‌کدام نیاز ندارید، رده ارزان‌تر را بردارید.
- به بیش از ۱۶٬۳۸۴ توکن خروجی در یک پاسخ نیاز دارید. این سقف روی کل کاتالوگ اعمال می‌شود — اسناد بلند هر مدلی هم که انتخاب کنید به تولید تکه‌تکه نیاز دارند.
- رفتار بالادستی بیت‌به‌بیت دقیق می‌خواهید. این یک بیلد هرس‌شده و کوانتیزه است: یک بده‌بستان عمدی و منتشرشده. برای یک مطالعه بازتولیدپذیری، روی وزن‌های اصلی Moonshot اجرا کنید.
هر عدد بالادستی اینجا را Moonshot AI یا پژوهشگران مستقل منتشر کرده‌اند. اعداد خودمان — قیمت، کانتکست، بیشینه خروجی، پرچم‌های قابلیت — مستقیماً از اندپوینت زنده /v1/models می‌آیند که خودتان می‌توانید پرس‌وجویش کنید. هر دو را بررسی کنید.
اعداد معماری، بنچمارک و تاریخ انتشار Kimi K2.6 و K3 از سوی Moonshot گزارش شده‌اند و برای بنیان بالادست نشان داده می‌شوند، نه برای بیلد فشرده ما. عدد رتبه‌بندی چندوجهی از یک جدول رده‌بندی مستقل شخص ثالث است. قیمت‌های گیت‌وی Shannon قیمت‌های فهرست تا ۵ سپتامبر ۲۰۲۶ هستند.
09پرسش‌های پرتکرار
آیا API بدون سانسور Kimi K2 وجود دارد؟
بله. Shannon AI مدل Kimi-K2.6 را به‌عنوان یک اندپوینت بدون سانسور روی خوشه GPU خودش سرو می‌کند: هیچ لایه رد درخواستی جلوی مدل نیست و هیچ فیلترینگ محتوایی روی خروجی‌اش اعمال نمی‌شود. رفتار خودِ بنیان را می‌گیرید، با پنجره کانتکست ۲۶۲٬۱۴۴ توکنی، ورودی بینایی، و فراخوانی بومی ابزار.
هزینه API بدون سانسور Kimi K2.6 چقدر است؟
Kimi-K2.6 قیمتش ۰٫۷۸ دلار به ازای هر میلیون توکن ورودی و ۳٫۶۷ دلار به ازای هر میلیون توکن خروجی است. یک گام عاملی معمول با ۴۰ هزار توکن ورودی و ۲ هزار توکن خروجی حدود ۳٫۹ سنت هزینه دارد؛ یک اجرای خودگردان ۲۰۰ گامی تقریباً ۷٫۷۱ دلار.
آیا Kimi K2.6 روی Shannon AI از بینایی پشتیبانی می‌کند؟
بله. Kimi-K2.6 ورودی تصویر را در کنار متن می‌پذیرد. یکی از تنها چهار مدل دارای بینایی در کاتالوگ Shannon است، و تنها مدلی است که بینایی را با تبار عاملی Kimi زیر یک دلار به ازای هر میلیون توکن ورودی جفت می‌کند.
از Kimi K2.6 استفاده کنم یا Kimi K3؟
Kimi K3 برای یک بنیان بزرگ‌تر حدود ۵ برابر بیشتر هزینه دارد (۳٫۸۳ / ۱۹٫۱۲ دلار در برابر ۰٫۷۸ / ۳٫۶۷ دلار). K3 را وقتی انتخاب کنید که یک گذر استدلالی سخت باید بار اول درست بنشیند و تلاش مجدد گران است. K2.6 را برای حجم انتخاب کنید: حلقه‌های بلند عاملی، خط لوله‌های تصویری، استخراج، و هر چیزی که هزاران بار اجرا می‌کنید، جایی که ۵ برابر همان تفاوت میان شدنی و ناشدنی است.
آیا API بدون سانسور Kimi K2 از فراخوانی ابزار و اسکیمای JSON پشتیبانی می‌کند؟
بله برای هر دو. Kimi-K2.6 از فراخوانی بومی ابزار، خروجی ساختاریافته سخت‌گیرانه json_schema و response_format در هر سه گویش API پشتیبانی می‌کند: /v1/chat/completions و /v1/messages و /v1/responses. استریمینگ و reasoning_effort روی هر سه پشتیبانی می‌شوند.
Kimi-K2.6 را بدون سانسور اجرا کنید
بینایی، فراخوانی ابزار، کانتکست ۲۶۲ هزار توکنی. ۰٫۷۸ دلار ورودی / ۳٫۶۷ دلار خروجی به ازای هر میلیون توکن.
مطالعه مستندات API مرور همه مدلهاشناسه مدل: Kimi-K2.6-W4A16-AUTOROUND-REAP · سرو‌شده روی خوشه GPU خودمان
Shannon AI را Shannon Lab LLC در نیومکزیکوی ایالات متحده اداره می‌کند. منابع: Moonshot AI — Kimi K2 · REAP the Experts (arXiv 2510.13999) · Cerebras Research — REAP. اعداد بنچمارک بالادستی Kimi از سوی Moonshot گزارش شده‌اند و تا راستی‌آزمایی مستقل موقتی‌اند؛ آنها بنیان فشرده‌نشده را توصیف می‌کنند، نه بیلد کوانتیزه Shannon را.