API de Kimi K2 sen censura

A maioría das páxinas de "modelo barato" van en realidade dun modelo pequeno que leva o apelido dun modelo grande. Esta non. Kimi K2.6 é unha base completa a escala de fronteira — un billón de parámetros de Mestura de Expertos dispersa, cun codificador de visión nativo e un programa de adestramento apuntado de cheo ao uso de ferramentas con axentes. O que fai del o nivel de valor non é un cerebro máis pequeno, senón unha receita de compresión máis agresiva. Así que a pregunta non é "é o bastante bo?", senón "que traballos notan realmente a diferenza entre este e o seu irmán 5 veces máis caro?". Boa parte deste artigo responde iso.

01Que é realmente Kimi K2.6?

Kimi K2.6 é un modelo de pesos abertos de Moonshot AI, o laboratorio de Pequín detrás da serie Kimi, publicado o 20 de abril de 2026. Herda a arquitectura que fixo notable a K2: un transformer de Mestura de Expertos dispersa con arredor de 1 billón de parámetros totais e uns 32 mil millóns activos por token, organizado como 384 expertos, 8 enrutados máis 1 compartido por capa ao longo de 61 capas, con atención latente multicabeza. Só unha pequena porción dese billón se acende en cada token — que é exactamente por que un modelo deste tamaño se pode cobrar en céntimos.

A liñaxe importa polo que Moonshot optimizou. A K2 orixinal preadestrouse con arredor de 15.5 billóns de tokens usando o optimizador Muon / MuonClip, construído especificamente para evitar que unha MoE de billón de parámetros sufrise as explosións de atención e os picos de perda que desestabilizan o adestramento a esa escala; Moonshot informou de cero inestabilidade de adestramento ao longo da execución. Iso está augas arriba de todo o demais — permitiulles gastar o orzamento de adestramento en comportamento con axentes en vez de en apagar lumes.

K2.6 estende iso en dúas direccións. Primeiro, é nativamente multimodal: as imaxes e os fotogramas de vídeo pasan por MoonViT, un codificador de visión duns 400 millóns de parámetros que divide a imaxe en teselas de 448x448 e proxecta cada tesela directamente ao espazo de tokens do modelo de linguaxe — os tokens visuais están na mesma secuencia ca todo o demais, non nun subtitulador atornillado que alimenta un modelo cego. Segundo, está feito para a orquestración en profundidade: o traballo de Agent Swarm de Moonshot informa de coordinación de ata 300 subaxentes especializados por dominio e de ata 4,000 pasos coordinados nunha soa execución autónoma.

O perfil de benchmarks informado por Moonshot

Estas son cifras informadas por Moonshot para a base K2.6 sen comprimir, non medicións nosas. Útiles pola forma, non pola precisión:

Le a forma, non os díxitos. As puntuacións con uso de ferramentas e guiadas por busca quedan altas; as de dificultade pura quedan máis baixas. Esa é a sinatura dun modelo adestrado para actuar ben e non para sabelo todo — o intercambio correcto se o teu axente ten un navegador, unha shell e un sistema de ficheiros, e o equivocado se estás a facer unha soa pregunta difícil sen ningunha ferramenta anexada.

02Que significa W4A16-AUTOROUND-REAP

O sufixo do identificador do modelo non é decoración. É a receita exacta de compresión, publicada para que poidas razoar sobre o intercambio que estás a facer.

• W4A16 — pesos a 4 bits, activacións calculadas a 16. A memoria dos pesos cae arredor de 4 veces fronte a bf16 mentres que a aritmética que acumula erro se mantén con precisión de 16 bits. Este é o punto de servizo estándar de alta calidade para modelos MoE moi grandes.
• AUTOROUND — o cuantizador AutoRound de Intel. O redondeo inxenuo ao máis próximo trata cada peso de forma independente e descarta información da que o modelo dependía; AutoRound, en cambio, aprende as decisións de redondeo contra datos de calibración. Cun obxectivo de 4 bits esa é a diferenza entre un modelo que segue cumprindo un esquema e outro que se desvía.
• REAP — Router-weighted Expert Activation Pruning, de Cerebras Research (arXiv 2510.13999, ICLR 2026). Á maioría dos expertos dunha MoE poucas veces se lles enruta nada. REAP puntúa cada un tanto polos valores da porta do enrutador coma polas normas de activación, e despois elimina os menos salientables dunha soa vez. O resultado publicado: ata un 50% de expertos podados en modelos de billón de parámetros mantendo en boa medida a calidade de referencia, e a poda gañándolle á fusión de expertos en tarefas xerativas — a fusión desdebuxa os especialistas, a poda simplemente quita os que non se usan.

Aplicado nesa orde — podar primeiro, cuantizar o que quede — obtés un modelo que cabe e corre rápido sen o colapso de calidade que calquera das dúas técnicas por si soa causaría con estas proporcións. Para ser claros sobre o custo: un modelo comprimido non é idéntico bit a bit ao orixinal. O que compra a receita é que a degradación caia onde é improbable que a notes — camiños de enrutamento raros, colas de tokens de baixa probabilidade — e non no seguimento de instrucións, no formato das chamadas de ferramentas ou no cumprimento dos esquemas.

03Que significa "sen censura" neste endpoint

Sen censura é aquí unha afirmación sobre a arquitectura, non sobre a actitude. Non hai capa de negativas diante do modelo nin filtrado de contido na súa saída. A túa petición chega á base e a súa resposta chega a ti; nada intercepta ningunha das dúas direccións.

Esa distinción importa, porque "sen censura" úsase á lixeira. Baixo esa palabra agrúpanse tres cousas distintas:

1. Clasificación da entrada — un modelo aparte le o teu prompt e decide se o deixa pasar. Aquí non existe.
2. Filtrado da saída — un escáner inspecciona o texto xerado e trúncao ou substitúeo. Aquí non existe.
3. As disposicións propias da base — o que o modelo base aprendese no adestramento. Iso é do modelo, e non afirmamos telo borrado.

As dúas primeiras son as que rompen os sistemas en produción, e son as dúas que quitamos. Un clasificador que se dispara nun 0.5% das peticións é unha taxa de fallo do 0.5% que non podes depurar, nin recorrer, nin ver vir — e ao longo dun bucle de axente de 200 pasos, un fallo do 0.5% por paso compóñese ata dar unha execución que falla máis veces das que triunfa. Unha negativa nunha conversa é unha molestia; unha negativa no paso 147 dunha execución autónoma destrúe o estado da execución e queima todo o que gastaches para chegar ata alí. Nas cargas de traballo con axentes, quitar a superficie de negativas é unha propiedade de fiabilidade, non unha preferencia estilística.

O corolario é que a responsabilidade se move cara a ti. Non hai rede de seguridade entre a túa aplicación e os teus usuarios; se o teu produto precisa unha, constrúea onde a poidas ver, axustar e rexistrar. Le primeiro a nosa política de uso responsable.

04Kimi K2.6 fronte a Kimi K3: cando paga a pena pagar 5 veces máis?

Esta é a decisión pola que veu a maioría dos lectores, así que aquí vai sen rodeos. Kimi-K3 · 3BIT-REAP é a base maior e máis nova: anunciada o 16 de xullo de 2026 con pesos abertos o 27 de xullo, con arredor de 2.8 billóns de parámetros totais e uns 104 mil millóns activos por token — máis do triplo do cómputo activo de K2.6. Augas arriba, Moonshot lista K3 a arredor de 5 veces o prezo de K2.6, e o prezo da nosa pasarela segue esa proporción.

	Kimi-K2.6 · W4A16-AUTOROUND-REAP	Kimi-K3 · 3BIT-REAP
Entrada / 1M de tokens	$0.78	$3.83
Saída / 1M de tokens	$3.67	$19.12
Xanela de contexto	262,144	262,144
Saída máxima / petición	16,384	16,384
Entrada de imaxe	Si	Si
Chamada de ferramentas nativa	Si	Si
json_schema estrito	Si	Si
Sen censura	Si	Si
Parámetros activos / token	~32B	~104B

Mira o que a táboa non amosa: non hai ningunha fila na que K3 teña unha función que lle falte a K2.6. Mesma xanela, mesma saída máxima, mesma visión, mesma chamada de ferramentas, mesma saída estruturada, mesma postura sen censura, mesmos tres dialectos. As 5 veces compran exactamente unha cousa: capacidade bruta por pasada cara adiante. Iso é real, pero é un só eixe, e non fai nada nos eixes nos que non é o teu pescozo de botella.

O punto da xanela de contexto en concreto

Augas arriba, a función estrela de K3 é un contexto de 1M de tokens fronte aos 262K de K2.6. Na pasarela de Shannon os dous modelos sérvense con 262,144 tokens. Se o contexto longo era a túa razón para pagar 5 veces máis, esa razón non se aplica aquí — pagarías o extra e obterías a mesma xanela. Este é o tipo de cousa que un provedor está tentado de calar, e por iso vai en negra.

Paga as 5 veces cando

• Unha soa tentativa ten que acertar. Unha pasada difícil única na que reintentar é caro ou imposible — unha acción irreversible, unha decisión ao final dunha canalización longa. Máis parámetros activos por token é exactamente o que sobe o teito nunha soa pasada.
• A tarefa depende do coñecemento, non das ferramentas. Síntese profunda onde a resposta ten que saír dos pesos. O perfil de K2.6 é de axentes; quítalle as ferramentas e a base máis grande nótase.
• O volume é baixo e hai moito en xogo. Con 500 chamadas ao mes, 5 veces son $40 en vez de $8. Merca sen máis o mellor modelo.

Non pagues as 5 veces cando

• Estás a executar un bucle. As execucións longas con axentes están dominadas por pasos mecánicos — ler un ficheiro, chamar unha ferramenta, comprobar un resultado, escoller o seguinte — que é exactamente para o que se adestrou K2.6. Con 200 pasos, as 5 veces son $7.71 fronte a $38.29 por execución.
• Estás a procesar imaxes a volume. As cargas de visión son pesadas en tokens de entrada e o razoamento por elemento é superficial. Mira a sección 05; nin se achega.
• O traballo é extracción, clasificación ou transformación. Sacar campos de documentos, enrutar tickets, normalizar rexistros, resumir — tarefas acoutadas onde un modelo maior produce o mesmo JSON.
• Tes un paso de verificación. Se a saída se comproba — unha batería de probas, un validador de esquema, unha segunda pasada, unha persoa — os fallos ocasionais son baratos e a economía favorece o volume de forma decisiva. Este é o argumento máis infravalorado a favor do nivel de valor.

Un patrón que convén nomear: usa K2.6 para o bucle e K3 para o veredicto. Deixa que o modelo con axentes barato faga os cen pasos de recompilar, chamar e redactar, e gasta despois unha soa chamada cara na síntese final. Os dous modelos falan a mesma API coa mesma xanela de contexto, así que cambiar é modificar unha liña no campo model.

05Visión a prezo de traballo

A visión é a arestra máis afiada de K2.6 neste catálogo. Dos doce modelos sen censura da pasarela só catro aceptan imaxes, e K2.6 é o único que combina a entrada de imaxe coa liñaxe de axentes de Kimi por menos dun dólar por millón de tokens de entrada.

As cargas de traballo de visión teñen unha forma de custo pouco habitual. Segundo a descrición publicada por Moonshot de MoonViT, unha imaxe de 1024x1024 codifícase en arredor de 576 tokens de imaxe — e eses son tokens de entrada, o lado barato do libro. Un traballo de visión típico cae case por completo na tarifa de $0.78 e non na de $3.67. Colle 10,000 imaxes, cada unha cuns 200 tokens de prompt (uns 776 tokens de entrada) e uns 150 tokens de saída estruturada:

Carga de traballo	Kimi-K2.6	Kimi-K3	Múltiplo
Un paso de axente (40K de entrada / 2K de saída)	$0.0385	$0.1914	5.0x
Execución autónoma de 200 pasos	$7.71	$38.29	5.0x
10,000 imaxes, saída estruturada	$11.56	$58.40	5.1x
Traballo por lotes (1M de entrada / 200K de saída)	$1.51	$7.65	5.1x

Calculado cos prezos de lista da pasarela de Shannon. A estimación de tokens de imaxe usa a cifra publicada por Moonshot para MoonViT duns 576 tokens nunha imaxe de 1024x1024; a tokenización exacta varía coa resolución e a relación de aspecto.

Unha canalización de imaxes de $11.56 é algo que executas a diario sen pensalo. Unha de $58.40 é algo que planificas, xustificas e acabas por recortar. Esa distancia é todo o argumento a favor dun nivel de valor.

Unha advertencia honesta. En clasificacións independentes de tarefas multimodais e de fundamentación visual informouse de K2.6 arredor do posto 26 de 115 modelos, cunha media preto de 68.1 — respectable, non líder de categoría. A súa visión é xenuinamente forte na comprensión de documentos, na lectura de capturas de pantalla e interfaces e na interpretación de gráficas ou diagramas; é máis feble na fundamentación espacial precisa — caixas delimitadoras exactas, reconto de gran fino en escenas atafegadas, OCR denso de escaneados degradados. Se precisas localización exacta ao píxel, fai primeiro benchmarks cos teus propios datos. Se precisas un modelo que mire unha captura de pantalla e decida onde premer despois, esta é de cheo a ferramenta correcta.

06Chamada de ferramentas sen negativas e bucles con axentes

K2.6 admite chamada de ferramentas nativa: o modelo emite invocacións de ferramenta estruturadas directamente a partir das definicións de ferramenta en esquema JSON que lle deas, en vez de que haxa que convencelo para que produza texto analizable. Con conversa de varias quendas e prompts de sistema, iso é o substrato completo para un bucle de axente.

O que engade a "chamada de ferramentas sen negativas" é máis sutil do que soa. Nunha API filtrada, as negativas dentro dun bucle de axente aparecen en tres modos de fallo distintos:

• Negativa dura — o paso devolve prosa en vez dunha chamada de ferramenta, o analizador falla e o bucle rompe. Polo menos é ruidoso.
• Negativa branda — a chamada faise pero os argumentos van rebaixados: unha consulta estreitada, un parámetro con reservas, unha carga truncada. O bucle continúa cun estado degradado en silencio e enteraste catro pasos despois.
• Evitación preventiva — o plan desvíase dunha rama lexítima antes sequera de achegarse a ela. Esta non a ves nunca; simplemente obtés un plan peor e ningunha explicación.

A segunda e a terceira son as caras, porque son invisibles: sen erro, sen nada nos rexistros, sen nada que buscar. Un endpoint sen capa de negativas elimina a clase enteira — os argumentos de chamada de ferramenta do modelo son os argumentos de chamada de ferramenta do modelo.

Isto importa sobre todo nos dominios que precisan execucións autónomas longas e que de todos os xeitos tocan material sensible: investigación en seguridade e red teaming, análise de malware e de incidentes, procesamento de documentos clínicos, revelación de probas xurídicas e ferramentas de moderación que teñen que razoar sobre o contido que moderan. Construír un clasificador de moderación require un modelo disposto a mirar aquilo que clasifica; iso non é un paradoxo, é simplemente o traballo.

Notas prácticas para execucións longas: reasoning_effort permíteche gastar máis pensamento nos pasos de planificación e menos nos mecánicos. O streaming está dispoñible nos tres dialectos, así que un paso longo pode amosar progreso ou abortarse cedo. E 262,144 tokens de contexto manteñen residente o estado de traballo real — contido de ficheiros, resultados previos de ferramentas, un plan en curso — ao longo de moitos pasos sen ter que resumir en cada quenda, algo que de por si é unha fonte habitual de deriva do axente.

07Saída estruturada e os tres dialectos de API

K2.6 admite tanto json_schema (xeración estritamente restrinxida por esquema) coma o máis laxo response_format. Compárao co catálogo: dous dos doce modelos de aquí non admiten saída con esquema estrito, e se a seguinte etapa da túa canalización analiza JSON, esa columna non é opcional.

A saída con esquema estrito é o que fai utilizable como infraestrutura un modelo sen censura: se o modelo ten que emitir un obxecto que cumpra o teu esquema, tes unha garantía de análise independente do que doutro xeito tería dito — sen preámbulo, sen desculpas, sen un parágrafo envolvendo o teu JSON. Combinado coa ausencia de capa de negativas, iso é un endpoint de extracción que devolve o teu obxecto en todas as chamadas, para todos os documentos, sexa do que sexa o documento.

Superficie	Compatibilidade de Kimi-K2.6	Notas
/v1/chat/completions	Si	Dialecto de OpenAI — substitución directa para os SDK existentes
/v1/messages	Si	Dialecto de Anthropic — mesmo modelo, mesmos pesos
/v1/responses	Si	Interface ao estilo Responses
Streaming	Si	Nos tres dialectos
Chamada de ferramentas	Si	Nativa, con definicións de ferramenta en esquema JSON
json_schema	Si	Saída estruturada estrita
response_format	Si	Modo JSON máis laxo
reasoning_effort	Si	Axusta o orzamento de pensamento por chamada
Entrada de imaxe	Si	Imaxes xunto co texto

Os tres dialectos apuntan aos mesmos pesos no mesmo clúster. Apunta un cliente de OpenAI existente á URL base, pon model en Kimi-K2.6-W4A16-AUTOROUND-REAP e xa estás en marcha. As formas de petición e resposta, a semántica de streaming e un playground en vivo están na documentación da API.

08Onde Kimi K2.6 é a elección equivocada

Unha guía de modelo que só lista fortalezas é un anuncio. Aquí vai onde te mandariamos a outro sitio.

• Precisas o teito absoluto nunha soa pasada difícil. Vai a Kimi-K3 e paga as 5 veces. Para iso está.
• Precisas fundamentación visual exacta ao píxel. As caixas delimitadoras, o OCR denso de escaneados degradados e o reconto exacto en escenas atafegadas non son o seu terreo máis forte — proba primeiro cos teus datos.
• Precisas algo máis barato ca barato, sen visión. Varios modelos do catálogo están a $0.50 / $2.00. O sobreprezo de K2.6 compra visión e o perfil de axentes de Kimi; se non precisas ningunha das dúas cousas, colle o nivel máis barato.
• Precisas máis de 16,384 tokens de saída nunha soa resposta. Ese teito aplícase a todo o catálogo — os documentos longos precisan xeración por anacos escollas o modelo que escollas.
• Queres comportamento exacto bit a bit ao de augas arriba. Esta é unha compilación podada e cuantizada: un intercambio deliberado e publicado. Para un estudo de reproducibilidade, executa contra os pesos orixinais de Moonshot.

As cifras de arquitectura, de benchmark e de data de publicación de Kimi K2.6 e K3 están informadas por Moonshot e amósanse para a base de augas arriba, non para a nosa compilación comprimida. A cifra de clasificación multimodal vén dun ranking independente de terceiros. Os prezos da pasarela de Shannon son prezos de lista vixentes a 5 de setembro de 2026.

09Preguntas frecuentes

---

Shannon AI está operado por Shannon Lab LLC, Novo México, EUA. Fontes: Moonshot AI — Kimi K2 · REAP the Experts (arXiv 2510.13999) · Cerebras Research — REAP. As cifras de benchmark de Kimi de augas arriba están informadas por Moonshot e son provisionais á espera de verificación independente; describen a base sen comprimir, non a compilación cuantizada de Shannon.