Óritskoðað Kimi K2 API

Flestar síður um „ódýrt líkan“ fjalla í raun um lítið líkan sem ber fjölskyldunafn stórs líkans. Þessi gerir það ekki. Kimi K2.6 er fullgilt grunnlíkan í framlínustærð — billjón færibreytur af strjálu Mixture-of-Experts, með innbyggðum sjónkóðara og þjálfunaráætlun sem miðar beint að gerendanotkun verkfæra. Það sem gerir það að hagkvæmnisþrepinu er ekki minni heili heldur harkalegri þjöppunaruppskrift. Spurningin er því ekki „er það nógu gott?“ heldur „hvaða verk taka raunverulega eftir muninum á þessu og systkininu sem kostar 5x meira?“ Meginhluti þessarar greinar svarar því.

01Hvað er Kimi K2.6, í raun?

Kimi K2.6 er líkan með opnum þyngdum frá Moonshot AI, rannsóknarstofunni í Peking á bak við Kimi-röðina, gefið út 20. apríl 2026. Það erfir byggingarlagið sem gerði K2 eftirtektarvert: strjálan Mixture-of-Experts transformer með gróflega 1 billjón færibreyta alls og um 32 milljarða virkar á hvert tákn, skipulagðan sem 384 sérfræðinga, 8 beinda auk 1 sameiginlegs á hvert lag yfir 61 lag, með Multi-head Latent Attention. Aðeins lítil sneið af þessari billjón kviknar á hverju tákni — og það er einmitt ástæðan fyrir því að hægt er að verðleggja líkan af þessari stærð í sentum.

Ættin skiptir máli vegna þess sem Moonshot bestaði fyrir. Upphaflega K2 var forþjálfað á gróflega 15,5 billjónum tákna með Muon / MuonClip bestunaraðferðinni, smíðaðri sérstaklega til að koma í veg fyrir að MoE með billjón færibreyta yrði fyrir athyglissprengingum og taptoppum sem gera þjálfun í þeirri stærð óstöðuga; Moonshot greindi frá engum þjálfunaróstöðugleika yfir alla keyrsluna. Það liggur til grundvallar öllu öðru — það leyfði þeim að verja þjálfunarheimildinni í gerendahegðun frekar en í slökkvistarf.

K2.6 víkkar það í tvær áttir. Í fyrsta lagi er það innbyggt fjölþátta: myndir og myndbandsrammar fara í gegnum MoonViT, sjónkóðara með um 400M færibreytum sem flísar mynd í 448x448 búta og varpar hverri flís beint yfir í táknrými mállíkansins — sjóntákn sitja í sömu runu og allt annað, ekki í utanáskrúfuðum myndatextara sem matar blint líkan. Í öðru lagi er það byggt fyrir samhæfingu á dýpt: Agent Swarm vinna Moonshot greinir frá samhæfingu yfir allt að 300 sérhæfða undirgerendur og allt að 4.000 samhæfð skref í einni sjálfstæðri keyrslu.

Viðmiðasnið eins og Moonshot greinir frá því

Þetta eru tölur frá Moonshot fyrir óþjappaða K2.6 grunnlíkanið, ekki mælingar okkar. Gagnlegar fyrir lögunina, ekki nákvæmnina:

Lestu lögunina, ekki tölustafina. Einkunnir í notkun verkfæra og leitardrifnum verkum sitja hátt; einkunnir sem snúast eingöngu um erfiðleikastig sitja lægra. Það er einkenni líkans sem er þjálfað til að gera vel frekar en að vita allt — réttu skiptin ef gerandinn þinn hefur vafra, skel og skráakerfi, röngu skiptin ef þú ert að spyrja einnar erfiðrar spurningar án nokkurra verkfæra.

02Hvað W4A16-AUTOROUND-REAP þýðir

Viðskeytið á líkanaauðkenninu er ekki skraut. Það er nákvæma þjöppunaruppskriftin, birt svo þú getir rökrætt skiptin sem þú ert að gera.

• W4A16 — þyngdir á 4 bitum, virkjanir reiknaðar á 16. Minnisnotkun þyngda fellur gróflega 4x á móti bf16 á meðan reikningurinn sem safnar villu helst á 16 bita nákvæmni. Þetta er staðlaði rekstrarpunkturinn með háum gæðum fyrir mjög stór MoE-líkön.
• AUTOROUND — AutoRound þjappari Intel. Einföld námundun að næsta gildi meðhöndlar hverja þyngd sjálfstætt og hendir upplýsingum sem líkanið reiddi sig á; AutoRound lærir þess í stað námundunarákvarðanirnar á móti kvörðunargögnum. Við 4 bita markmið er það munurinn á líkani sem fylgir enn skema og líkani sem rekur.
• REAP — Router-weighted Expert Activation Pruning, frá Cerebras Research (arXiv 2510.13999, ICLR 2026). Til flestra sérfræðinga í MoE er sjaldan beint. REAP gefur hverjum þeirra einkunn bæði eftir hliðgildum beinisins og virkjunarstöðlum, og fjarlægir svo þá ómerkilegustu í einu skoti. Birta niðurstaðan: allt að 50% sérfræðinga grisjuð úr líkönum með billjón færibreyta og grunngæðum að mestu haldið, og grisjun er betri en samsteypa sérfræðinga í framleiðsluverkum — samsteypa þvælir sérfræðingum saman, grisjun hendir bara þeim ónotuðu.

Beitt í þessari röð — grisja fyrst, þjappa svo því sem eftir er — færðu líkan sem kemst fyrir og keyrir hratt án gæðahrunsins sem hvor tæknin fyrir sig myndi valda við þessi hlutföll. Til að vera afdráttarlaus um kostnaðinn: þjappað líkan er ekki bitanákvæmlega eins og upprunalega. Það sem uppskriftin kaupir er að hnignunin lendi þar sem þú tekur ólíklega eftir henni — sjaldgæfar beiningarleiðir, halar tákna með lágar líkur — frekar en í því að fylgja fyrirmælum, í sniði verkfærakalla eða í því að halda sig við skema.

03Hvað „óritskoðað“ þýðir á þessum endapunkti

Óritskoðað hér er staðhæfing um byggingarlag, ekki viðhorf. Það er ekkert neitunarlag fyrir framan líkanið og engin efnissíun á úttaki þess. Beiðnin þín nær til grunnlíkansins og svar þess nær til þín; ekkert grípur inn í hvoruga áttina.

Sá greinarmunur skiptir máli, því „óritskoðað“ er notað lauslega. Þrennt aðskilið er búntað undir orðinu:

1. Flokkun inntaks — sérstakt líkan les fyrirmælin þín og ákveður hvort það hleypi þeim í gegn. Ekki til staðar hér.
2. Síun úttaks — skanni skoðar framleiddan texta og styttir hann eða skiptir honum út. Ekki til staðar hér.
3. Tilhneigingar grunnlíkansins sjálfs — hvað sem grunnlíkanið lærði í þjálfun. Það tilheyrir líkaninu, og við höldum því ekki fram að við höfum þurrkað það út.

Fyrstu tvö eru það sem brýtur rekstrarkerfi, og það eru þau tvö sem við fjarlægjum. Flokkari sem kviknar á 0,5% beiðna er 0,5% bilanatíðni sem þú getur ekki villuleitað, ekki áfrýjað og ekki séð fyrir — og yfir 200 skrefa gerendalykkju magnast 0,5% bilun á hvert skref upp í keyrslu sem misheppnast oftar en hún tekst. Neitun í samtali er pirringur; neitun á skrefi 147 í sjálfstæðri keyrslu eyðileggur stöðu keyrslunnar og brennir öllu sem þú eyddir í að komast þangað. Fyrir gerendavinnuálag er það að fjarlægja neitunarflötinn áreiðanleikaeiginleiki, ekki stílsmekkur.

Fylgifiskurinn er sá að ábyrgðin færist til þín. Það er ekkert öryggisnet milli forritsins þíns og notenda þinna; ef varan þín þarf eitt skaltu byggja það þar sem þú sérð það, stillir það og skráir það. Vinsamlegast lestu stefnu okkar um ábyrga notkun fyrst.

04Kimi K2.6 á móti Kimi K3: hvenær eru 5x þess virði?

Þetta er ákvörðunin sem flestir lesendur komu fyrir, svo hér er hún án fyrirvara. Kimi-K3 · 3BIT-REAP er stærra og nýrra grunnlíkanið: tilkynnt 16. júlí 2026 með opnum þyngdum 27. júlí, með gróflega 2,8 billjón færibreyta alls og um 104 milljarða virkar á hvert tákn — meira en 3x virkur reikningur K2.6. Hjá framleiðanda listar Moonshot K3 á um 5x verði K2.6, og verðlagning gáttarinnar okkar fylgir því hlutfalli.

	Kimi-K2.6 · W4A16-AUTOROUND-REAP	Kimi-K3 · 3BIT-REAP
Inntak / 1M tákn	$0.78	$3.83
Úttak / 1M tákn	$3.67	$19.12
Samhengisgluggi	262,144	262,144
Hámarksúttak / beiðni	16,384	16,384
Myndinntak	Já	Já
Innbyggt verkfærakall	Já	Já
Strangt json_schema	Já	Já
Óritskoðað	Já	Já
Virkar færibreytur / tákn	~32B	~104B

Taktu eftir hvað taflan sýnir ekki: það er engin lína þar sem K3 hefur eiginleika sem K2.6 vantar. Sami gluggi, sama hámarksúttak, sama sjón, sama verkfærakall, sama skipulagða úttak, sama óritskoðaða afstaða, sömu þrjár mállýskur. Þessi 5x kaupa nákvæmlega eitt — hráa getu á hverja umferð. Það er raunverulegt, en það er einn ás, og það gerir ekkert á þeim ásum þar sem það er ekki flöskuhálsinn þinn.

Atriðið um samhengisgluggann sérstaklega

Hjá framleiðanda er aðaleiginleiki K3 milljón tákna samhengi á móti 262K hjá K2.6. Á Shannon gáttinni eru bæði líkönin keyrð með 262,144 táknum. Ef langt samhengi var ástæða þín til að borga 5x á sú ástæða ekki við hér — þú myndir borga álagið og fá sama glugga. Þetta er einmitt það sem söluaðili freistast til að láta ósagt, og þess vegna er það feitletrað.

Borgaðu þessi 5x þegar

• Eitt skot verður að hitta. Ein erfið umferð þar sem endurtekning er dýr eða ómöguleg — óafturkræf aðgerð, ákvörðun í enda langs ferlis. Fleiri virkar færibreytur á hvert tákn eru einmitt það sem hækkar þakið í einni umferð.
• Verkið er þekkingarbundið, ekki verkfærabundið. Djúp samþætting þar sem svarið verður að koma úr þyngdunum. Snið K2.6 er gerendamiðað; taktu verkfærin í burtu og stærra grunnlíkanið segir til sín.
• Magnið er lítið og mikið í húfi. Við 500 köll á mánuði eru 5x $40 í stað $8. Kauptu bara betra líkanið.

Ekki borga þessi 5x þegar

• Þú ert að keyra lykkju. Langar gerendakeyrslur einkennast af vélrænum skrefum — lesa skrá, kalla á verkfæri, athuga niðurstöðu, velja næsta — sem er einmitt það sem K2.6 var þjálfað fyrir. Við 200 skref eru þessi 5x $7.71 á móti $38.29 á hverja keyrslu.
• Þú ert að vinna úr myndum í magni. Sjónvinnuálag er þungt í inntakstáknum og rökhugsunin á hvert atriði er grunn. Sjá kafla 05; það er ekki einu sinni nálægt.
• Verkið er útdráttur, flokkun eða umbreyting. Að draga reiti út úr skjölum, beina beiðnum, staðla færslur, draga saman — afmörkuð verk þar sem stærra líkan framleiðir sama JSON.
• Þú ert með staðfestingarskref. Ef úttakið er athugað — prófunarsafn, skemavottari, önnur umferð, manneskja — eru einstaka mistök ódýr og hagfræðin hallast afgerandi að magni. Þetta er vanmetnasta röksemdin fyrir hagkvæmnisþrepinu.

Mynstur sem er þess virði að nefna: keyrðu K2.6 fyrir lykkjuna og K3 fyrir dóminn. Láttu ódýra gerendalíkanið vinna hundrað skrefin af söfnun, köllum og drögum, og eyddu svo einu dýru kalli í lokasamþættinguna. Bæði líkönin tala nákvæmlega sama API með sama samhengisglugga, svo skiptin eru einnar línu breyting á model reitnum.

05Sjón á nothæfu verði

Sjónin er beittasti kostur K2.6 í þessari skrá. Af tólf óritskoðuðu líkönunum á gáttinni taka aðeins fjögur við myndum yfirhöfuð, og K2.6 er það eina sem parar myndinntak við Kimi-gerendaættina undir einum dal á hverja milljón inntakstákna.

Sjónvinnuálag hefur óvenjulega kostnaðarlögun. Samkvæmt birtri lýsingu Moonshot á MoonViT kóðast 1024x1024 mynd í gróflega 576 myndtákn — og það eru inntakstákn, ódýra hlið bókhaldsins. Dæmigert sjónverk lendir nánast alfarið á $0.78 taxtanum frekar en $3.67 taxtanum. Tökum 10.000 myndir, hverja með um 200 táknum af fyrirmælum (svo um 776 inntakstákn) og um 150 táknum af skipulögðu úttaki:

Vinnuálag	Kimi-K2.6	Kimi-K3	Margfeldi
Eitt gerendaskref (40K inn / 2K út)	$0.0385	$0.1914	5.0x
200 skrefa sjálfstæð keyrsla	$7.71	$38.29	5.0x
10.000 myndir, skipulagt úttak	$11.56	$58.40	5.1x
Lotuverk (1M inn / 200K út)	$1.51	$7.65	5.1x

Reiknað út frá listaverðum Shannon gáttarinnar. Mat á myndtáknum notar birta MoonViT tölu Moonshot um að 1024x1024 mynd sé um 576 tákn; nákvæm táknun er breytileg eftir upplausn og myndhlutföllum.

Myndaferli upp á $11.56 er eitthvað sem þú keyrir daglega án þess að hugsa um það. Ferli upp á $58.40 er eitthvað sem þú tímasetur, réttlætir og skerð svo að lokum niður. Það bil er öll röksemdin fyrir hagkvæmnisþrepi.

Einn heiðarlegur fyrirvari. Á sjálfstæðum stigatöflum fyrir fjölþátta og jarðtengd verk hefur K2.6 verið sett í kringum 26. sæti af 115 líkönum, með meðaltal nálægt 68,1 — virðingarvert, ekki í fremstu röð. Sjónin er raunverulega sterk í skjalaskilningi, lestri skjámynda og viðmóta, og túlkun grafa og skýringarmynda; hún er veikari í nákvæmri rúmfræðilegri jarðtengingu — nákvæmum afmörkunarkössum, fínkorna talningu í flóknum senum, þéttum ljóslestri á lélegum skönnunum. Ef þú þarft nákvæma staðsetningu á punktastigi skaltu prófa á þínum eigin gögnum fyrst. Ef þú þarft líkan sem horfir á skjámynd og ákveður hvað á að smella á næst er þetta beinlínis rétta verkfærið.

06Verkfærakall án neitana og gerendalykkjur

K2.6 styður innbyggt verkfærakall: líkanið gefur frá sér skipulögð verkfærakall beint út frá JSON-skema verkfæraskilgreiningum sem þú lætur í té, frekar en að vera talið á að framleiða texta sem hægt er að þátta. Með fjölumferða samtali og kerfisfyrirmælum er það fullur grunnur fyrir gerendalykkju.

Það sem „verkfærakall án neitana“ bætir við er lúmskara en það hljómar. Á síuðu API birtast neitanir inni í gerendalykkju í þremur ólíkum bilunarhamum:

• Hörð neitun — skrefið skilar texta í stað verkfærakalls, þáttarinn bregst, lykkjan brotnar. Að minnsta kosti hávært.
• Mjúk neitun — kallið er gert en viðföngin eru dregin úr: þrengd fyrirspurn, loðin færibreyta, stytt gagnabúnt. Lykkjan heldur áfram með hljóðlega skerta stöðu og þú kemst að því fjórum skrefum síðar.
• Fyrirbyggjandi undanskot — áætlunin sveigir frá lögmætri grein áður en hún kemst nálægt henni. Þú sérð þetta aldrei; þú færð bara verri áætlun og enga skýringu.

Annað og þriðja eru þau dýru, því þau eru ósýnileg: engin villa, ekkert í annálunum, ekkert til að leita að. Endapunktur án neitunarlags fjarlægir allan flokkinn — viðföng verkfærakalla líkansins eru viðföng verkfærakalla líkansins.

Þetta skiptir mestu máli á þeim sviðum sem þurfa langar sjálfstæðar keyrslur og snerta viðkvæmt efni hvort eð er: öryggisrannsóknir og rauð teymi, greining á spilliforritum og atvikum, vinnsla klínískra skjala, gagnaöflun í dómsmálum, og ritstýringarverkfæri sem verða að rökhugsa um efnið sem þau ritstýra. Að byggja ritstýringarflokkara krefst líkans sem er tilbúið að horfa á það sem það flokkar; það er ekki þversögn, bara starfið.

Hagnýtar athugasemdir fyrir langar keyrslur: reasoning_effort lætur þig eyða meiri hugsun í skipulagsskref og minni í vélræn. Streymi er í boði á öllum þremur mállýskum, svo langt skref getur birt framvindu eða verið stöðvað snemma. Og 262,144 tákn af samhengi halda raunverulegri vinnustöðu — innihaldi skráa, fyrri verkfæraniðurstöðum, áætlun í gangi — til staðar yfir mörg skref án þess að draga allt saman í hverri umferð, sem er sjálft algeng uppspretta gerendareks.

07Skipulagt úttak og API-mállýskurnar þrjár

K2.6 styður bæði json_schema (stranga framleiðslu bundna við skema) og lausara response_format. Berðu það saman við skrána: tvö af tólf líkönum hér styðja ekki strangt skemaúttak, og ef næsta þrep í ferlinu þínu þáttar JSON er sá dálkur ekki valfrjáls.

Strangt skemaúttak er það sem gerir óritskoðað líkan nothæft sem innviði: ef líkanið verður að gefa frá sér hlut sem passar við skemað þitt færðu þáttunartryggingu óháð því hvað það hefði annars sagt — enginn inngangur, engin afsökun, engin málsgrein vafin utan um JSON-ið þitt. Ásamt engu neitunarlagi er það útdráttarendapunktur sem skilar hlutnum þínum í hverju einasta kalli, fyrir hvert einasta skjal, um hvað sem skjalið fjallar.

Flötur	Stuðningur Kimi-K2.6	Athugasemdir
/v1/chat/completions	Já	OpenAI-mállýska — beint í stað fyrirliggjandi SDK
/v1/messages	Já	Anthropic-mállýska — sama líkan, sömu þyngdir
/v1/responses	Já	Viðmót á Responses-sniði
Streymi	Já	Á öllum þremur mállýskum
Verkfærakall	Já	Innbyggt, verkfæraskilgreiningar á JSON-skema
json_schema	Já	Strangt skipulagt úttak
response_format	Já	Lausari JSON-stilling
reasoning_effort	Já	Stilltu hugsunarheimild á hvert kall
Myndinntak	Já	Myndir við hlið texta

Allar þrjár mállýskurnar ávarpa sömu þyngdir á sama klasa. Beindu fyrirliggjandi OpenAI-biðlara á grunnslóðina, settu model á Kimi-K2.6-W4A16-AUTOROUND-REAP, og þú ert kominn í gang. Form beiðna og svara, merking streymis og lifandi leikvöllur eru í API-skjölunum.

08Hvar Kimi K2.6 er rangt val

Líkanaleiðarvísir sem telur aðeins upp styrkleika er auglýsing. Hér er hvar við myndum senda þig annað.

• Þú þarft algjört þak í einni erfiðri umferð. Farðu í Kimi-K3 og borgaðu þessi 5x. Það er til fyrir það.
• Þú þarft sjónræna jarðtengingu á punktastigi. Afmörkunarkassar, þéttur ljóslestur á lélegum skönnunum og nákvæm talning í flóknum senum eru ekki sterkasti grundvöllur þess — prófaðu á þínum gögnum fyrst.
• Þú þarft ódýrara en ódýrt, án sjónar. Nokkur líkön í skránni sitja á $0.50 / $2.00. Álagið á K2.6 kaupir sjón og Kimi-gerendasniðið; ef þú þarft hvorugt skaltu taka ódýrara þrepið.
• Þú þarft meira en 16,384 úttakstákn í einu svari. Það þak gildir yfir alla skrána — löng skjöl þurfa bútaða framleiðslu sama hvaða líkan þú velur.
• Þú vilt bitanákvæmlega hegðun framleiðandans. Þetta er grisjuð og þjöppuð smíð: vísvitandi, birt skipti. Fyrir endurtekningarrannsókn skaltu keyra á upprunalegu þyngdunum frá Moonshot.

Tölur um byggingarlag, viðmið og útgáfudaga Kimi K2.6 og K3 eru frá Moonshot og eiga við grunnlíkanið hjá framleiðanda, ekki þjöppuðu smíðina okkar. Talan um röðun í fjölþátta verkum er frá sjálfstæðri stigatöflu þriðja aðila. Verð Shannon gáttarinnar eru listaverð miðað við 5. september 2026.

09Algengar spurningar

---

Shannon AI er rekið af Shannon Lab LLC, Nýju-Mexíkó, Bandaríkjunum. Heimildir: Moonshot AI — Kimi K2 · REAP the Experts (arXiv 2510.13999) · Cerebras Research — REAP. Viðmiðatölur Kimi frá framleiðanda eru frá Moonshot og til bráðabirgða þar til þær eru sannreyndar sjálfstætt; þær lýsa óþjappaða grunnlíkaninu, ekki þjöppuðu smíð Shannon.