Sensuroimaton Kimi K2 -API

Useimmat ”halpa malli” -sivut kertovat oikeasti pienestä mallista joka kantaa suuren mallin sukunimeä. Tämä ei kerro. Kimi K2.6 on täysimittainen huipputason perusta — biljoona parametria harvaa Mixture-of-Expertsiä, natiivi näköenkooderi ja koulutusohjelma joka tähtää suoraan agenttimaiseen työkalukäyttöön. Se mikä tekee siitä hinta-laatutason ei ole pienempi aivo vaan aggressiivisempi pakkausresepti. Kysymys ei siis ole ”onko se riittävän hyvä?” vaan ”mitkä työt oikeasti huomaavat eron tämän ja sen 5× kalliimman sisaruksen välillä?”. Suurin osa tästä artikkelista vastaa siihen.

01Mikä Kimi K2.6 oikeasti on?

Kimi K2.6 on avoinpainoinen malli Moonshot AI:lta, pekingiläiseltä laboratoriolta Kimi-sarjan takana, julkaistu 20. huhtikuuta 2026. Se perii arkkitehtuurin joka teki K2:sta huomionarvoisen: harva Mixture-of-Experts-transformer jossa on karkeasti biljoona parametria yhteensä ja noin 32 miljardia aktiivista tokenia kohti, järjestettynä 384 asiantuntijaan, joista 8 reititettyä plus 1 jaettu kerrosta kohti 61 kerroksen yli, sekä Multi-head Latent Attention. Vain pieni siivu tuosta biljoonasta laukeaa kunkin yksittäisen tokenin kohdalla — ja juuri siksi tämänkokoinen malli voidaan hinnoitella senteissä.

Sukulinjalla on merkitystä siksi mitä Moonshot optimoi. Alkuperäinen K2 esikoulutettiin noin 15,5 biljoonalla tokenilla Muon / MuonClip -optimoijalla, joka rakennettiin nimenomaan estämään biljoonan parametrin MoE:ta kärsimästä niistä huomioräjähdyksistä ja häviöpiikeistä jotka horjuttavat koulutusta tuossa mittakaavassa; Moonshot raportoi nollan koulutuksen epävakautta koko ajon läpi. Se on kaiken muun yläjuoksulla — se antoi heidän käyttää koulutusbudjetin agenttikäyttäytymiseen eikä tulipalojen sammuttamiseen.

K2.6 laajentaa tuota kahteen suuntaan. Ensinnäkin se on natiivisti multimodaalinen: kuvat ja videoruudut kulkevat MoonViTin läpi, joka on noin 400 miljoonan parametrin näköenkooderi joka laatoittaa kuvan 448x448-paloihin ja projisoi kunkin laatan suoraan kielimallin tokeniavaruuteen — visuaaliset tokenit istuvat samassa sekvenssissä kuin kaikki muukin, eivät päälle pultatussa kuvatekstittäjässä joka syöttää sokeaa mallia. Toiseksi se on rakennettu orkestrointiin syvyydessä: Moonshotin Agent Swarm -työ raportoi koordinointia jopa 300 alaan erikoistuneen aliagentin kesken ja jopa 4 000 koordinoitua askelta yhdessä autonomisessa ajossa.

Moonshotin raportoima vertailuprofiili

Nämä ovat Moonshotin raportoimia lukuja pakkaamattomalle K2.6-perustalle, eivät meidän mittauksiamme. Hyödyllisiä muodon eivätkä täsmällisyyden vuoksi:

Lue muoto, älä numeroita. Työkaluja käyttävät ja hakuvetoiset pisteet ovat korkealla; puhtaan vaikeuden pisteet matalammalla. Se on allekirjoitus mallille joka on koulutettu toimimaan hyvin eikä tietämään kaikkea — oikea vaihtokauppa jos agentillasi on selain, komentotulkki ja tiedostojärjestelmä, väärä jos kysyt yhtä vaikeaa kysymystä ilman työkaluja.

02Mitä W4A16-AUTOROUND-REAP tarkoittaa

Mallitunnuksen pääte ei ole koristetta. Se on täsmällinen pakkausresepti, julkaistuna jotta voit päätellä millaisen vaihtokaupan teet.

• W4A16 — painot 4 bitissä, aktivaatiot laskettuna 16 bitillä. Painomuisti putoaa karkeasti nelinkertaisesti bf16:een verrattuna, kun taas virhettä kerryttävä aritmetiikka pysyy 16-bittisessä tarkkuudessa. Tämä on vakiintunut korkealaatuinen tarjoamispiste hyvin suurille MoE-malleille.
• AUTOROUND — Intelin AutoRound-kvantisoija. Naiivi lähimpään pyöristys käsittelee jokaista painoa itsenäisesti ja heittää pois tietoa johon malli nojasi; AutoRound sen sijaan oppii pyöristyspäätökset kalibrointidataa vasten. 4-bittisessä tavoitteessa se on ero mallin joka yhä noudattaa skeemaa ja mallin joka ajautuu harhaan välillä.
• REAP — Router-weighted Expert Activation Pruning, Cerebras Researchilta (arXiv 2510.13999, ICLR 2026). Useimpiin MoE:n asiantuntijoihin reititetään harvoin. REAP pisteyttää jokaisen sekä reitittimen porttiarvojen että aktivaationormien perusteella ja poistaa sitten vähiten merkitykselliset yhdellä kertaa. Julkaistu tulos: jopa 50 % asiantuntijoista karsittuna biljoonan parametrin malleista säilyttäen suurelta osin perustason laadun, ja karsinta voittaa asiantuntijoiden yhdistämisen generatiivisissa tehtävissä — yhdistäminen sumentaa erikoistujia yhteen, karsinta vain pudottaa käyttämättömät.

Sovellettuna tuossa järjestyksessä — ensin karsitaan, sitten kvantisoidaan jäljelle jäävä — saat mallin joka mahtuu ja ajaa nopeasti ilman sitä laaturomahdusta jonka kumpikin tekniikka yksinään aiheuttaisi näillä suhteilla. Suoraan sanottuna kustannuksesta: pakattu malli ei ole bitilleen identtinen alkuperäisen kanssa. Se mitä resepti ostaa on että heikkeneminen osuu sinne missä sitä tuskin huomaat — harvoihin reitityspolkuihin, matalan todennäköisyyden tokenihäntiin — eikä ohjeiden noudattamiseen, työkalukutsujen muotoiluun tai skeeman noudattamiseen.

03Mitä ”sensuroimaton” tarkoittaa tässä päätepisteessä

Sensuroimaton on tässä väite arkkitehtuurista eikä asenteesta. Mallin edessä ei ole kieltäytymiskerrosta eikä sen tulosteessa ole sisällönsuodatusta. Pyyntösi saavuttaa perustan ja sen vastaus saavuttaa sinut; mikään ei sieppaa kumpaakaan suuntaa.

Tuolla erottelulla on merkitystä, koska ”sensuroimatonta” käytetään löyhästi. Kolme erillistä asiaa niputetaan saman sanan alle:

1. Syötteen luokittelu — erillinen malli lukee kehotteesi ja päättää päästääkö sen läpi. Ei käytössä täällä.
2. Tulosteen suodatus — skanneri tarkastaa generoidun tekstin ja katkaisee tai korvaa sen. Ei käytössä täällä.
3. Perustan omat taipumukset — mitä tahansa perusmalli oppikin koulutuksessa. Se on mallin omaa, emmekä väitä poistaneemme sitä.

Kaksi ensimmäistä rikkovat tuotantojärjestelmiä, ja juuri ne kaksi me poistamme. Luokittelija joka laukeaa 0,5 %:ssa pyynnöistä on 0,5 %:n virhetaso jota et voi debugata, josta et voi valittaa etkä nähdä sitä tulevan — ja 200 askeleen agenttisilmukassa 0,5 %:n askelkohtainen virhe kertautuu ajoksi joka epäonnistuu useammin kuin onnistuu. Kieltäytyminen keskustelussa on kiusa; kieltäytyminen autonomisen ajon askeleella 147 tuhoaa ajon tilan ja polttaa kaiken minkä käytit päästäksesi sinne. Agenttikuormille kieltäytymispinnan poistaminen on luotettavuusominaisuus eikä tyylivalinta.

Seurauksena vastuu siirtyy sinulle. Sovelluksesi ja käyttäjiesi välissä ei ole turvaverkkoa; jos tuotteesi tarvitsee sellaisen, rakenna se sinne missä näet sen, viritä sen ja lokitat sen. Lue ensin vastuullisen käytön käytäntömme.

04Kimi K2.6 vastaan Kimi K3: milloin 5× on sen arvoinen?

Tämän päätöksen vuoksi useimmat lukijat tulivat, joten tässä se on ilman varauksia. Kimi-K3 · 3BIT-REAP on suurempi, uudempi perusta: julkistettu 16. heinäkuuta 2026 ja avoimet painot 27. heinäkuuta, karkeasti 2,8 biljoonaa parametria yhteensä ja noin 104 miljardia aktiivista tokenia kohti — yli 3× K2.6:n aktiivinen laskenta. Yläjuoksulla Moonshot listaa K3:n noin 5× K2.6:n hintaan, ja yhdyskäytävämme hinnoittelu seuraa tuota suhdetta.

	Kimi-K2.6 · W4A16-AUTOROUND-REAP	Kimi-K3 · 3BIT-REAP
Syöte / 1M tokenia	$0.78	$3.83
Tuloste / 1M tokenia	$3.67	$19.12
Konteksti-ikkuna	262 144	262 144
Enimmäistuloste / pyyntö	16 384	16 384
Kuvasyöte	Kyllä	Kyllä
Natiivit työkalukutsut	Kyllä	Kyllä
Tiukka json_schema	Kyllä	Kyllä
Sensuroimaton	Kyllä	Kyllä
Aktiivisia parametreja / token	~32B	~104B

Katso mitä taulukko ei näytä: ei ole yhtään riviä jolla K3:lla olisi ominaisuus jota K2.6:lta puuttuu. Sama ikkuna, sama enimmäistuloste, sama näkö, samat työkalukutsut, sama rakenteinen tuloste, sama sensuroimaton asetelma, samat kolme murretta. Tuo 5× ostaa täsmälleen yhden asian — raakaa kyvykkyyttä eteenpäinkulkua kohti. Se on todellista, mutta se on yksi ainoa akseli, eikä se tee mitään niillä akseleilla joilla se ei ole pullonkaulasi.

Konteksti-ikkunasta erikseen

Yläjuoksulla K3:n otsikko-ominaisuus on miljoonan tokenin konteksti K2.6:n 262K:ta vastaan. Shannon-yhdyskäytävässä molemmat mallit tarjotaan 262 144 tokenilla. Jos pitkä konteksti oli syysi maksaa 5×, tuo syy ei päde täällä — maksaisit lisähinnan ja saisit saman ikkunan. Tämä on juuri sellaista mitä myyjän tekisi mieli jättää sanomatta, ja siksi se on lihavoitu.

Maksa 5× kun

• Yhden yrityksen on osuttava. Yksi vaikea kierros jossa uusintayritys on kallis tai mahdoton — peruuttamaton toimenpide, päätös pitkän putken lopussa. Enemmän aktiivisia parametreja tokenia kohti on täsmälleen se mikä nostaa yhden kierroksen kattoa.
• Tehtävä on tietosidonnainen eikä työkalusidonnainen. Syvä synteesi jossa vastauksen on tultava painoista. K2.6:n profiili on agenttinen; ota työkalut pois ja suurempi perusta näkyy.
• Volyymi on pieni ja panokset korkeat. 500 kutsulla kuukaudessa 5× on $40 eikä $8. Osta vain parempi malli.

Älä maksa 5× kun

• Ajat silmukkaa. Pitkiä agenttiajoja hallitsevat mekaaniset askeleet — lue tiedosto, kutsu työkalua, tarkista tulos, valitse seuraava — ja juuri siihen K2.6 koulutettiin. 200 askeleella 5× on $7.71 vastaan $38.29 ajoa kohti.
• Käsittelet kuvia volyymilla. Näkökuormat ovat syötetokenipainotteisia ja kohdekohtainen päättely on matalaa. Katso osio 05; ero ei ole lähelläkään.
• Työ on poimintaa, luokittelua tai muunnosta. Kenttien vetäminen dokumenteista, tikettien reititys, tietueiden normalisointi, tiivistäminen — rajattuja tehtäviä joissa suurempi malli tuottaa saman JSONin.
• Sinulla on todennusvaihe. Jos tuloste tarkistetaan — testisarja, skeemavalidoija, toinen kierros, ihminen — satunnaiset ohilyönnit ovat halpoja ja talous suosii selvästi volyymia. Tämä on aliarvostetuin argumentti hinta-laatutason puolesta.

Kaava joka kannattaa nimetä: aja K2.6 silmukkaan ja K3 tuomioon. Anna halvan agenttimallin tehdä sata askelta keräämistä, kutsumista ja luonnostelua, ja käytä sitten yksi kallis kutsu lopulliseen synteesiin. Molemmat mallit puhuvat identtistä API:a samalla konteksti-ikkunalla, joten vaihto on yhden rivin muutos model-kenttään.

05Näkö toimivaan hintaan

Näkö on K2.6:n terävin särmä tässä luettelossa. Yhdyskäytävän kahdestatoista sensuroimattomasta mallista vain neljä ottaa vastaan kuvia ollenkaan, ja K2.6 on ainoa joka yhdistää kuvasyötteen Kimin agenttisukulinjaan alle dollarin hinnalla miljoonalta syötetokenilta.

Näkökuormilla on epätavallinen kustannusmuoto. Moonshotin julkaiseman MoonViT-kuvauksen mukaan 1024x1024-kuva koodautuu karkeasti 576 kuvatokeniksi — ja ne ovat syötetokeneita, kirjanpidon halpa puoli. Tyypillinen näkötyö osuu lähes kokonaan $0.78-hintaan eikä $3.67-hintaan. Otetaan 10 000 kuvaa, kussakin noin 200 tokenia kehotetta (eli noin 776 syötetokenia) ja noin 150 tokenia rakenteista tulostetta:

Kuorma	Kimi-K2.6	Kimi-K3	Kerroin
Yksi agenttiaskel (40K sisään / 2K ulos)	$0.0385	$0.1914	5.0x
200 askeleen autonominen ajo	$7.71	$38.29	5.0x
10 000 kuvaa, rakenteinen tuloste	$11.56	$58.40	5.1x
Eräajo (1M sisään / 200K ulos)	$1.51	$7.65	5.1x

Laskettu Shannon-yhdyskäytävän listahinnoista. Kuvatokeniarvio käyttää Moonshotin julkaisemaa MoonViT-lukua noin 576 tokenia 1024x1024-kuvalle; tarkka tokenisointi vaihtelee resoluution ja kuvasuhteen mukaan.

$11.56 maksavan kuvaputken ajat päivittäin sitä ajattelematta. $58.40 maksavan aikataulutat, perustelet ja lopulta leikkaat pois. Tuo ero on koko argumentti hinta-laatutason puolesta.

Yksi rehellinen varauma. Riippumattomilla multimodaalisilla ja maadoitettujen tehtävien tulostauluilla K2.6 on raportoitu noin sijalle 26 / 115 mallista, keskiarvo lähellä 68,1 — kunnioitettava, ei luokkansa kärki. Sen näkö on aidosti vahva dokumenttien ymmärtämisessä, kuvakaappausten ja käyttöliittymien lukemisessa sekä kaavioiden tulkinnassa; se on heikompi täsmällisessä tilallisessa maadoituksessa — tarkoissa rajauslaatikoissa, hienojakoisessa laskemisessa sotkuisissa näkymissä, huonolaatuisten skannausten tiheässä OCR:ssä. Jos tarvitset pikselintarkkaa paikannusta, vertaile ensin omalla datallasi. Jos tarvitset mallin joka katsoo kuvakaappausta ja päättää mitä klikata seuraavaksi, tämä on suoraan oikea työkalu.

06Työkalukutsut ilman kieltäytymisiä ja agenttisilmukat

K2.6 tukee natiiveja työkalukutsuja: malli tuottaa rakenteisia työkalukutsuja suoraan antamistasi JSON-skeeman mukaisista työkalumäärittelyistä sen sijaan että sitä houkuteltaisiin tuottamaan jäsennettävää tekstiä. Yhdessä monikierroksisen keskustelun ja järjestelmäkehotteiden kanssa se on täysi alusta agenttisilmukalle.

Se mitä ”työkalukutsut ilman kieltäytymisiä” lisää on hienovaraisempaa kuin miltä kuulostaa. Suodatetussa API:ssa kieltäytymiset agenttisilmukan sisällä näkyvät kolmena erillisenä vikatilana:

• Kova kieltäytyminen — askel palauttaa proosaa työkalukutsun sijaan, jäsennin epäonnistuu, silmukka katkeaa. Ainakin äänekästä.
• Pehmeä kieltäytyminen — kutsu tehdään mutta argumentteja hillitään: kavennettu kysely, varovainen parametri, katkaistu hyötykuorma. Silmukka jatkuu hiljaa heikentyneellä tilalla ja saat tietää neljä askelta myöhemmin.
• Ennakoiva välttely — suunnitelma ohjautuu pois oikeutetulta haaralta ennen kuin edes lähestyy sitä. Tätä et koskaan näe; saat vain huonomman suunnitelman ja et mitään selitystä.

Toinen ja kolmas ovat kalliita, koska ne ovat näkymättömiä: ei virhettä, ei mitään lokeissa, ei mitään mitä grepata. Päätepiste ilman kieltäytymiskerrosta poistaa koko luokan — mallin työkalukutsuargumentit ovat mallin työkalukutsuargumentteja.

Tällä on eniten merkitystä niillä aloilla jotka tarvitsevat pitkiä autonomisia ajoja ja koskettavat muutenkin arkaluonteista aineistoa: tietoturvatutkimus ja red teaming, haittaohjelma- ja poikkeama-analyysi, kliinisten dokumenttien käsittely, oikeudellinen aineiston luovutus ja moderointityökalut joiden on päättelemällä käsiteltävä sitä sisältöä jota ne moderoivat. Moderointiluokittelijan rakentaminen vaatii mallin joka suostuu katsomaan sitä mitä se luokittelee; se ei ole paradoksi vaan pelkkä työ.

Käytännön huomioita pitkiin ajoihin: reasoning_effort antaa käyttää enemmän ajattelua suunnitteluaskeliin ja vähemmän mekaanisiin. Suoratoisto on käytettävissä kaikilla kolmella murteella, joten pitkä askel voi näyttää etenemistään tai se voidaan keskeyttää aikaisin. Ja 262 144 tokenin konteksti pitää todellisen työtilan — tiedostojen sisällöt, aiemmat työkalutulokset, käynnissä olevan suunnitelman — muistissa monen askeleen yli ilman että jokaista kierrosta pitää tiivistää uudelleen, mikä on itsessään yleinen agenttien ajautumisen lähde.

07Rakenteinen tuloste ja kolme API-murretta

K2.6 tukee sekä json_schema-määrittelyä (tiukasti skeemarajoitettu generointi) että löyhempää response_format-määrittelyä. Vertaa sitä luetteloon: kaksi täällä olevasta kahdestatoista mallista ei tue tiukkaa skeematulostetta, ja jos putkesi seuraava vaihe jäsentää JSONia, tuo sarake ei ole valinnainen.

Tiukka skeematuloste on se mikä tekee sensuroimattomasta mallista käyttökelpoisen infrastruktuurina: jos mallin on tuotettava skeemasi mukainen olio, saat jäsennystakuun riippumatta siitä mitä se olisi muuten sanonut — ei alkupuhetta, ei anteeksipyyntöä, ei JSONisi ympärille käärittyä kappaletta. Yhdistettynä siihen ettei kieltäytymiskerrosta ole, se on poimintapäätepiste joka palauttaa oliosi jokaisella kutsulla, jokaisesta dokumentista, oli dokumentti mistä tahansa.

Pinta	Kimi-K2.6:n tuki	Huomioita
/v1/chat/completions	Kyllä	OpenAI-murre — suoraan olemassa oleviin SDK:ihin
/v1/messages	Kyllä	Anthropic-murre — sama malli, samat painot
/v1/responses	Kyllä	Responses-tyylinen rajapinta
Suoratoisto	Kyllä	Kaikilla kolmella murteella
Työkalukutsut	Kyllä	Natiivit, JSON-skeeman mukaiset työkalumäärittelyt
json_schema	Kyllä	Tiukka rakenteinen tuloste
response_format	Kyllä	Löyhempi JSON-tila
reasoning_effort	Kyllä	Viritä ajattelubudjettia kutsukohtaisesti
Kuvasyöte	Kyllä	Kuvia tekstin rinnalla

Kaikki kolme murretta osoittavat samoihin painoihin samassa klusterissa. Osoita olemassa oleva OpenAI-asiakas perus-URL:ään, aseta model-arvoksi Kimi-K2.6-W4A16-AUTOROUND-REAP, ja olet ajossa. Pyyntöjen ja vastausten muodot, suoratoiston semantiikka ja live-leikkikenttä ovat API-dokumentaatiossa.

08Missä Kimi K2.6 on väärä valinta

Malliopas joka listaa vain vahvuuksia on mainos. Tässä on ne kohdat joissa ohjaisimme sinut muualle.

• Tarvitset absoluuttisen katon yhteen vaikeaan kierrokseen. Mene malliin Kimi-K3 ja maksa 5×. Sitä varten se on.
• Tarvitset pikselintarkkaa visuaalista maadoitusta. Rajauslaatikot, tiheä OCR huonolaatuisista skannauksista ja tarkka laskeminen sotkuisissa näkymissä eivät ole sen vahvinta maaperää — testaa ensin omalla datallasi.
• Tarvitset halvempaa kuin halpaa, ilman näköä. Useat luettelon mallit ovat hinnassa $0.50 / $2.00. K2.6:n lisähinta ostaa näön ja Kimin agenttiprofiilin; jos et tarvitse kumpaakaan, ota halvempi taso.
• Tarvitset yli 16 384 tulostetokenia yhteen vastaukseen. Tuo katto pätee koko luetteloon — pitkät dokumentit vaativat paloiteltua generointia valitsit minkä mallin tahansa.
• Haluat bitilleen tarkkaa lähdekäyttäytymistä. Tämä on karsittu ja kvantisoitu build: tarkoituksellinen, julkaistu vaihtokauppa. Toistettavuustutkimukseen aja Moonshotin alkuperäisiä painoja vasten.

Kimi K2.6:n ja K3:n arkkitehtuuri-, vertailu- ja julkaisupäiväluvut ovat Moonshotin raportoimia ja koskevat yläjuoksun perustaa eivätkä meidän pakattua buildiamme. Multimodaalinen sijoitusluku on riippumattomalta kolmannen osapuolen tulostaululta. Shannon-yhdyskäytävän hinnat ovat listahintoja 5. syyskuuta 2026 tilanteen mukaan.

09Usein kysytyt kysymykset

---

Shannon AI:ta operoi Shannon Lab LLC, New Mexico, USA. Lähteet: Moonshot AI — Kimi K2 · REAP the Experts (arXiv 2510.13999) · Cerebras Research — REAP. Yläjuoksun Kimi-vertailuluvut ovat Moonshotin raportoimia ja alustavia riippumatonta todentamista odotettaessa; ne kuvaavat pakkaamatonta perustaa eivätkä Shannonin kvantisoitua buildia.