Kimi K2 API bez cenzure

Većina stranica o „jeftinom modelu” zapravo govori o malom modelu koji nosi ime velike obitelji. Ova ne. Kimi K2.6 potpun je temelj vrhunske veličine — bilijun parametara rijetkog Mixture-of-Expertsa, s izvornim koderom za vid i programom treniranja usmjerenim ravno na agentsku uporabu alata. Vrijednosnom razinom ne čini ga manji mozak, nego agresivniji recept kompresije. Pitanje stoga nije „je li dovoljno dobar?” nego „koji poslovi doista primijete razliku između njega i pet puta skupljeg srodnika?”. Najveći dio ovog članka odgovara upravo na to.

01Što je Kimi K2.6 zapravo?

Kimi K2.6 model je otvorenih težina tvrtke Moonshot AI, pekinškog laboratorija koji stoji iza Kimi serije, objavljen 20. travnja 2026. Nasljeđuje arhitekturu koja je K2 učinila zanimljivim: rijetki Mixture-of-Experts transformer s otprilike bilijun ukupnih parametara i oko 32 milijarde aktivnih po tokenu, organiziran kao 384 stručnjaka, 8 usmjerenih plus 1 dijeljeni po sloju kroz 61 sloj, uz višeglavu latentnu pažnju. Na svakom se tokenu aktivira samo mali dio tog bilijuna — upravo zato model ove veličine može biti naplaćen u centima.

Podrijetlo je važno zbog onoga za što je Moonshot optimizirao. Izvorni K2 predtreniran je na otprilike 15,5 bilijuna tokena optimizatorom Muon / MuonClip, izgrađenim upravo zato da MoE s bilijun parametara sačuva od eksplozija pažnje i skokova gubitka koji destabiliziraju treniranje na toj skali; Moonshot je izvijestio o nula nestabilnosti kroz cijelo izvođenje. To je uzvodno od svega ostaloga — omogućilo im je da proračun treniranja potroše na agentsko ponašanje umjesto na gašenje požara.

K2.6 to proširuje u dva smjera. Prvo, izvorno je multimodalan: slike i videookviri prolaze kroz MoonViT, koder za vid s oko 400 milijuna parametara koji sliku dijeli na pločice od 448 × 448 i svaku pločicu projicira ravno u prostor tokena jezičnog modela — vizualni tokeni sjede u istom nizu kao i sve ostalo, a ne u naknadno prikvačenom opisivaču koji hrani slijep model. Drugo, građen je za orkestraciju u dubinu: Moonshotov rad na Agent Swarmu izvještava o koordinaciji do 300 domenski specijaliziranih podagenata i do 4.000 usklađenih koraka u jednom autonomnom izvođenju.

Moonshotov prijavljeni profil na mjerilima

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

Čitajte oblik, ne znamenke. Rezultati koji uključuju alate i pretraživanje stoje visoko; rezultati čiste težine stoje niže. To je potpis modela treniranog da dobro djeluje, a ne da sve zna — pravi kompromis ako vaš agent ima preglednik, ljusku i datotečni sustav, a pogrešan ako postavljate jedno teško pitanje bez ijednog alata.

02Što znači W4A16-AUTOROUND-REAP

Sufiks u id-u modela nije ukras. To je točan recept kompresije, objavljen kako biste mogli promisliti o kompromisu koji sklapate.

• W4A16 — težine na 4 bita, aktivacije računane na 16. Memorija za težine pada otprilike četverostruko u odnosu na bf16, dok aritmetika koja akumulira pogrešku ostaje u 16-bitnoj preciznosti. To je standardna točka posluživanja visoke kakvoće za vrlo velike MoE modele.
• AUTOROUND — Intelov kvantizator AutoRound. Naivno zaokruživanje na najbliže tretira svaku težinu zasebno i odbacuje informaciju o kojoj je model ovisio; AutoRound umjesto toga uči odluke o zaokruživanju na kalibracijskim podacima. Pri cilju od 4 bita to je razlika između modela koji i dalje slijedi shemu i modela koji odlutava.
• REAP — Router-weighted Expert Activation Pruning, iz Cerebras Researcha (arXiv 2510.13999, ICLR 2026). Do većine stručnjaka u MoE modelu usmjerivač rijetko poseže. REAP svakoga ocjenjuje i po vrijednostima usmjerivačevih vrata i po normama aktivacija, a zatim najmanje istaknute uklanja u jednom potezu. Objavljeni rezultat: do 50 % stručnjaka obrezano iz modela s bilijun parametara uz uglavnom očuvanu osnovnu kakvoću, pri čemu obrezivanje na generativnim zadacima pobjeđuje stapanje stručnjaka — stapanje specijaliste zamućuje jedne u druge, a obrezivanje jednostavno ispušta one nekorištene.

Primijenjeno tim redoslijedom — prvo obrezati, pa kvantizirati ostatak — dobivate model koji stane i radi brzo bez sloma kakvoće koji bi svaka tehnika zasebno na ovim omjerima izazvala. Da budemo izravni o cijeni: komprimirani model nije bitovno identičan izvorniku. Recept kupuje to da degradacija sleti tamo gdje je vjerojatno nećete primijetiti — na rijetke putove usmjeravanja i repove tokena male vjerojatnosti — a ne u praćenje uputa, oblikovanje poziva alata ili pridržavanje sheme.

03Što „bez cenzure” znači na ovoj krajnjoj točki

„Bez cenzure” ovdje je tvrdnja o arhitekturi, a ne o stavu. Pred modelom nema sloja odbijanja i na njegovu izlazu nema filtriranja sadržaja. Vaš zahtjev stiže do temelja, a njegov odgovor stiže do vas; ništa ne presreće nijedan smjer.

Ta je razlika važna jer se „bez cenzure” koristi olako. Pod tim se pojmom pakiraju tri odvojene stvari:

1. Klasifikacija ulaza — zaseban model čita vaš upit i odlučuje hoće li ga propustiti. Ovdje je nema.
2. Filtriranje izlaza — skener pregledava generirani tekst te ga krati ili zamjenjuje. Ovdje ga nema.
3. Vlastite sklonosti temelja — sve što je osnovni model naučio u treniranju. To pripada modelu i ne tvrdimo da smo to izbrisali.

Prve dvije stvari razbijaju produkcijske sustave i upravo te dvije uklanjamo. Klasifikator koji se okine na 0,5 % zahtjeva stopa je pogreške od 0,5 % koju ne možete otkloniti, ne možete osporiti i ne možete predvidjeti — a kroz agentsku petlju od 200 koraka pogreška od 0,5 % po koraku složi se u izvođenje koje češće propada nego uspijeva. Odbijanje u razgovoru je smetnja; odbijanje na 147. koraku autonomnog izvođenja uništava stanje izvođenja i spaljuje sve što ste potrošili da biste dotle stigli. Za agentska opterećenja uklanjanje površine odbijanja svojstvo je pouzdanosti, a ne stilska sklonost.

Posljedica je da odgovornost prelazi na vas. Između vaše aplikacije i vaših korisnika nema sigurnosne mreže; ako je vaš proizvod treba, izgradite je ondje gdje je vidite, možete je ugoditi i zabilježiti. Molimo, prvo pročitajte našu politiku odgovorne uporabe.

04Kimi K2.6 naspram Kimi K3: kada se peterostruka cijena isplati?

Ovo je odluka zbog koje je većina čitatelja došla, pa evo je bez ograđivanja. Kimi-K3 · 3BIT-REAP veći je i noviji temelj: najavljen 16. srpnja 2026., s otvorenim težinama 27. srpnja, s otprilike 2,8 bilijuna ukupnih parametara i oko 104 milijarde aktivnih po tokenu — više od trostruko K2.6-ova aktivnog računanja. Uzvodno Moonshot navodi K3 po otprilike peterostrukoj cijeni K2.6, a cjenik našeg pristupnika prati 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
Prozor konteksta	262,144	262,144
Najveći izlaz / zahtjev	16,384	16,384
Ulaz sa slikama	Da	Da
Izvorno pozivanje alata	Da	Da
Strogi json_schema	Da	Da
Bez cenzure	Da	Da
Aktivnih parametara / token	~32B	~104B

Pogledajte što tablica ne pokazuje: nema retka u kojem K3 ima mogućnost koja K2.6 nedostaje. Isti prozor, isti najveći izlaz, isti vid, isto pozivanje alata, isti strukturirani izlaz, isti stav bez cenzure, ista tri dijalekta. Peterostruka cijena kupuje točno jednu stvar — sirovu sposobnost po prolazu unaprijed. To je stvarno, ali je jedna jedina os i ne čini ništa na osima na kojima vam ona nije usko grlo.

Napose o prozoru konteksta

Uzvodno je K3-ova naslovna značajka kontekst od milijun tokena naspram K2.6-ovih 262K. Na Shannonovu pristupniku oba se modela poslužuju s 262.144 tokena. Ako vam je dug kontekst bio razlog za peterostruko plaćanje, taj razlog ovdje ne vrijedi — platili biste premiju i dobili isti prozor. Ovo je stvar koju je dobavljač u napasti prešutjeti, zbog čega je otisnuta podebljano.

Platite pet puta više 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 upravo je ono što podiže strop jednog prolaza.
• Zadatak je vezan uz znanje, a ne uz alate. Duboka sinteza gdje odgovor mora izaći iz težina. K2.6-ov profil je agentski; oduzmite mu alate i veći se temelj pokaže.
• Obujam je nizak, a ulozi visoki. Pri 500 poziva mjesečno peterostruka cijena znači 40 $ umjesto 8 $. Jednostavno kupite bolji model.

Nemojte platiti pet puta više kada

• Pokrećete petlju. Dugim agentskim izvođenjima dominiraju mehanički koraci — pročitaj datoteku, pozovi alat, provjeri rezultat, odaberi sljedeći — a to je upravo ono za što je K2.6 treniran. Pri 200 koraka peterostruka razlika iznosi 7,71 $ naspram 38,29 $ po izvođenju.
• Obrađujete slike u velikom obujmu. Slikovna opterećenja teška su na ulaznim tokenima, a promišljanje po stavci je plitko. Vidjeti odjeljak 05; nije ni blizu.
• Posao je izlučivanje, klasifikacija ili preoblikovanje. Vađenje polja iz dokumenata, usmjeravanje prijava, normalizacija zapisa, sažimanje — omeđeni zadaci na kojima veći model proizvodi isti JSON.
• Imate korak provjere. Ako se izlaz provjerava — skup testova, validator sheme, drugi prolaz, čovjek — povremeni promašaji su jeftini i ekonomika odlučno ide u prilog obujmu. Ovo je najpodcjenjeniji argument za vrijednosnu razinu.

Obrazac vrijedan imena: pokrenite K2.6 za petlju i K3 za presudu. Neka jeftin agentski model odradi stotinu koraka prikupljanja, pozivanja i skiciranja, a zatim potrošite jedan skup poziv na završnu sintezu. Oba modela govore identičan API s istim prozorom konteksta, pa je prijelaz izmjena polja model u jednom retku.

05Vid po isplativoj cijeni

Vid je K2.6-ova najoštrija prednost u ovom katalogu. Od dvanaest modela bez cenzure na pristupniku samo ih četiri uopće primaju slike, a K2.6 je jedini koji ulaz sa slikama spaja s Kimi agentskim podrijetlom ispod jednog dolara po milijunu ulaznih tokena.

Slikovna opterećenja imaju neobičan oblik troška. Prema Moonshotovu objavljenom opisu MoonViT-a, slika od 1024 × 1024 kodira se u otprilike 576 tokena slike — a to su ulazni tokeni, jeftina strana knjige. Tipičan slikovni posao gotovo cijeli pada na stopu od 0,78 $, a ne na onu od 3,67 $. Uzmite 10.000 slika, svaku s oko 200 tokena upita (dakle oko 776 ulaznih tokena) i oko 150 tokena strukturiranog izlaza:

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

Izračunano iz cjenika Shannonova pristupnika. Procjena tokena slike koristi Moonshotovu objavljenu brojku za MoonViT od oko 576 tokena za sliku 1024 × 1024; točna tokenizacija varira s razlučivosti i omjerom stranica.

Slikovni cjevovod od 11,56 $ pokrećete svakodnevno bez razmišljanja. Onaj od 58,40 $ zakazujete, opravdavate i na kraju ukidate. Taj je jaz cijeli argument za vrijednosnu razinu.

Jedna poštena ograda. Na nezavisnim ljestvicama za multimodalne i utemeljene zadatke K2.6 je prijavljen na otprilike 26. mjestu od 115 modela, s prosjekom blizu 68,1 — respektabilno, ali ne u vrhu razreda. Njegov je vid uistinu jak na razumijevanju dokumenata, čitanju snimki zaslona i sučelja te tumačenju grafikona i dijagrama; slabiji je u preciznom prostornom utemeljenju — točnim graničnim okvirima, sitnozrnatom brojanju u pretrpanim prizorima, gustom OCR-u oštećenih skenova. Ako trebate lokalizaciju točnu do piksela, prvo ga izmjerite na vlastitim podacima. Ako trebate model koji pogleda snimku zaslona i odluči što sljedeće kliknuti, ovo je posve pravi alat.

06Pozivanje alata bez odbijanja i agentske petlje

K2.6 podržava izvorno pozivanje alata: model strukturirane pozive alata odašilje izravno iz definicija alata po JSON shemi koje mu dajete, umjesto da ga nagovarate na proizvodnju teksta koji se da raščlaniti. Uz višekratni razgovor i sustavske 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 pokazuju se u tri različita načina otkazivanja:

• Tvrdo odbijanje — korak vraća prozu umjesto poziva alata, raščlanjivač zakaže, petlja pukne. Barem je glasno.
• Meko odbijanje — poziv se izvrši, ali su argumenti prigušeni: sužen upit, ograđen parametar, skraćen sadržaj. Petlja se nastavlja s tiho pogoršanim stanjem, a vi to doznate četiri koraka kasnije.
• Preventivno izbjegavanje — plan skreće s legitimne grane prije nego što joj se približi. Ovo nikad ne vidite; samo dobijete lošiji plan bez ikakva objašnjenja.

Druga i treća su skupe jer su nevidljive: nema pogreške, nema ničega u zapisima, nema ničega za pretražiti. Krajnja točka bez sloja odbijanja uklanja cijelu tu klasu — argumenti poziva alata modela su argumenti poziva alata modela.

To je najvažnije u domenama kojima ionako trebaju duga autonomna izvođenja i koje dodiruju osjetljiv materijal: sigurnosna istraživanja i red teaming, analiza zloćudnog koda i incidenata, obrada kliničkih dokumenata, pravni discovery i alati za moderaciju koji moraju promišljati o sadržaju koji moderiraju. Za izgradnju klasifikatora za moderaciju treba model voljan pogledati ono što klasificira; to nije paradoks, nego samo posao.

Praktične napomene za duga izvođenja: reasoning_effort dopušta da na korake planiranja potrošite više promišljanja, a na mehaničke manje. Streaming je dostupan na sva tri dijalekta, pa dug korak može iskazati napredak ili biti rano prekinut. A 262.144 tokena konteksta drži stvarno radno stanje — sadržaj datoteka, prethodne rezultate alata, tekući plan — prisutnim kroz mnogo koraka bez ponovnog sažimanja u svakom potezu, što je samo po sebi čest izvor agentskog odlutavanja.

07Strukturirani izlaz i tri API dijalekta

K2.6 podržava i json_schema (strogo generiranje ograničeno shemom) i slobodniji response_format. Usporedite to s katalogom: dva od dvanaest modela ovdje ne podržavaju strogi izlaz po shemi, a ako sljedeći stupanj vašeg cjevovoda raščlanjuje JSON, taj stupac nije neobavezan.

Strogi izlaz po shemi ono je što model bez cenzure čini upotrebljivim kao infrastrukturu: ako model mora odaslati objekt koji odgovara vašoj shemi, dobivate jamstvo raščlanjivanja neovisno o tome što bi inače rekao — bez uvoda, bez isprike, bez odlomka omotanog oko vašeg JSON-a. U spoju s nepostojanjem sloja odbijanja to je krajnja točka za izlučivanje koja vraća vaš objekt na svaki poziv, za svaki dokument, o čemu god dokument govorio.

Površina	Podrška u Kimi-K2.6	Napomene
/v1/chat/completions	Da	OpenAI dijalekt — izravna zamjena za postojeće SDK-ove
/v1/messages	Da	Anthropic dijalekt — isti model, iste težine
/v1/responses	Da	Sučelje u stilu Responsesa
Streaming	Da	Na sva tri dijalekta
Pozivanje alata	Da	Izvorno, definicije alata po JSON shemi
json_schema	Da	Strogi strukturirani izlaz
response_format	Da	Slobodniji JSON način
reasoning_effort	Da	Ugađanje proračuna promišljanja po pozivu
Ulaz sa slikama	Da	Slike uz tekst

Sva tri dijalekta obraćaju se istim težinama na istom klasteru. Usmjerite postojećeg OpenAI klijenta na osnovni URL, postavite model na Kimi-K2.6-W4A16-AUTOROUND-REAP i radite. Oblici zahtjeva i odgovora, semantika streaminga i živi playground nalaze se u dokumentaciji API-ja.

08Gdje je Kimi K2.6 pogrešan izbor

Vodič za model koji nabraja samo prednosti je oglas. Evo gdje bismo vas poslali drugamo.

• Trebate apsolutni strop na jednom teškom prolazu. Idite na Kimi-K3 i platite pet puta više. Za to i služi.
• Trebate vizualno utemeljenje točno do piksela. Granični okviri, gust OCR na oštećenim skenovima i točno brojanje u pretrpanim prizorima nisu njegov najjači teren — prvo ga isprobajte na svojim podacima.
• Trebate jeftinije od jeftinog, bez vida. Nekoliko modela iz kataloga stoji 0,50 $ / 2,00 $. K2.6-ova premija kupuje vid i Kimi agentski profil; ako vam ne treba ni jedno ni drugo, uzmite jeftiniju razinu.
• Trebate više od 16.384 izlazna tokena u jednom odgovoru. To ograničenje vrijedi kroz cijeli katalog — dugi dokumenti traže generiranje u dijelovima, koji god model odabrali.
• Želite bitovno točno uzvodno ponašanje. Ovo je obrezana i kvantizirana izvedba: namjeran, objavljen kompromis. Za studiju ponovljivosti pokrenite izvorne Moonshotove težine.

Brojke o arhitekturi, mjerilima i datumima objave za Kimi K2.6 i K3 prijavljuje Moonshot i prikazane su za uzvodni temelj, a ne za našu komprimiranu izvedbu. Brojka o multimodalnom poretku dolazi s nezavisne ljestvice treće strane. Cijene Shannonova pristupnika službene su cijene na dan 5. rujna 2026.

09Često postavljana pitanja

---

Shannon AI vodi Shannon Lab LLC, New Mexico, SAD. Izvori: Moonshot AI — Kimi K2 · REAP the Experts (arXiv 2510.13999) · Cerebras Research — REAP. Uzvodne brojke s Kimi mjerila prijavljuje Moonshot i privremene su do nezavisne provjere; opisuju nekomprimirani temelj, a ne Shannonovu kvantiziranu izvedbu.