Цензурасыз Kimi K2 API

«Арзан модель» бараттарынын көбү чындыгында чоң моделдин үй-бүлөлүк атын кийген кичине модель жөнүндө. Бул андай эмес. Kimi K2.6 — толук алдыңкы масштабдагы негиз: триллион параметрлик сейрек эксперттер аралашмасы, өзүнөн көрүү энкодери жана так агенттик курал колдонууга багытталган үйрөтүү программасы менен. Аны наркы деңгээли кылган нерсе — кичине мээ эмес, агрессивдүүрөөк кысуу рецепти. Ошондуктан суроо «ал жетишерлик жакшыбы?» эмес, «кайсы жумуштар мунун 5 эсе кымбат тектешинен айырмасын чындап байкайт?» болуп саналат. Бул макаланын көбү ошого жооп берет.

01Kimi K2.6 чындыгында эмне?

Kimi K2.6 — Kimi сериясынын артында турган Пекиндеги лаборатория Moonshot AI'дан чыккан ачык салмактуу модель, 2026-жылдын 20-апрелинде чыгарылган. Ал K2'ни белгилүү кылган архитектураны мураска алат: болжол менен 1 триллион жалпы жана токенге болжол менен 32 миллиард активдүү параметрлүү сейрек эксперттер аралашмасы трансформери, 61 катмар боюнча ар бир катмарда 384 эксперт, 8и маршруттолот плюс 1 жалпы, көп баштуу латенттик көңүл буруу менен. Ошол триллиондун ичинен ар бир айрым токенде кичине бөлүгү гана иштейт — дал ошондуктан мынчалык чоң модель центтер менен бааланышы мүмкүн.

Тек Moonshot эмнени оптималдаштырганы үчүн маанилүү. Баштапкы K2 болжол менен 15,5 триллион токенде Muon / MuonClip оптимизатору менен алдын ала үйрөтүлгөн; ал атайын триллион параметрлик MoE'ни ошол масштабда үйрөтүүнү туруксуздандырган көңүл буруу жарылууларынан жана жоготуу секирүүлөрүнөн сактоо үчүн курулган — Moonshot бүт айлампада үйрөтүү туруксуздугу нөл болгонун билдирген. Бул башка нерселердин баарынын башында турат: ал үйрөтүү бюджетин өрт өчүрүүгө эмес, агенттик жүрүм-турумга сарптоого мүмкүндүк берген.

K2.6 муну эки багытта кеңейтет. Биринчиден, ал өзүнөн мультимодалдуу: сүрөттөр менен видео кадрлары MoonViT аркылуу өтөт — бул ~400M параметрлик көрүү энкодери, сүрөттү 448x448 бөлүктөргө бөлүп, ар бир бөлүктү түз тил моделинин токен мейкиндигине проекциялайт; визуалдык токендер сокур моделди азыктандырган сырттагы жазуучуда эмес, башка нерселердин баары менен бирдей ырааттуулукта турат. Экинчиден, ал тереңдиктеги оркестрлөө үчүн курулган: Moonshot'тун Agent Swarm иши 300гө чейин домендик адистешкен субагентти координациялоону жана бир автономдуу айлампада 4 000ге чейин координацияланган кадамды билдирет.

Moonshot билдирген бенчмарк профили

Булар — кысылбаган K2.6 негизи үчүн Moonshot билдирген сандар, биздин өлчөөлөрүбүз эмес. Тактык үчүн эмес, форма үчүн пайдалуу:

Цифраларды эмес, форманы окуңуз. Курал колдонгон жана издөөгө негизделген упайлар жогору турат; таза татаалдык упайлары төмөнүрөөк. Бул — баарын билүүгө эмес, жакшы аракеттенүүгө үйрөтүлгөн моделдин колтамгасы: агентиңизде браузер, кабык жана файл системасы бар болсо, туура алмашуу; куралсыз бир оор суроо берип жатсаңыз, туура эмес.

02W4A16-AUTOROUND-REAP эмнени билдирет

Модель id'синдеги кошумча — жасалга эмес. Бул так кысуу рецепти, жасап жаткан алмашууңуз тууралуу ой жүгүртө алышыңыз үчүн жарыяланган.

• W4A16 — салмактар 4 битте, активациялар 16 битте эсептелет. Салмак эстутуму bf16'га каршы болжол менен 4 эсе түшөт, ал эми ката топтоочу арифметика 16 биттик тактыкта калат. Бул — өтө чоң MoE моделдерин тейлөөнүн стандарттык жогорку сапаттуу чекити.
• AUTOROUND — Intel'дин AutoRound кванттоочусу. Эң жакынга түз тегеректөө ар бир салмакты өз алдынча карап, модель таянган маалыматты ыргытат; AutoRound анын ордуна тегеректөө чечимдерин калибрлөө маалыматына каршы үйрөнөт. 4 биттик максатта бул схеманы дагы эле аткарган модель менен четтеп кеткен моделдин ортосундагы айырма.
• REAP — Cerebras Research'тен чыккан Router-weighted Expert Activation Pruning (arXiv 2510.13999, ICLR 2026). MoE'деги эксперттердин көбүнө сейрек маршруттолот. REAP ар бирин маршрутизатордун дарбаза маанилери боюнча да, активация нормалары боюнча да баалап, эң аз маанилүүлөрүн бир жолу алып салат. Жарыяланган натыйжа: триллион параметрлик моделдерден эксперттердин 50%ына чейинкиси кыскартылып, базалык сапат негизинен сакталган, ал эми жаратуучу тапшырмаларда кыскартуу эксперттерди бириктирүүдөн утат — бириктирүү адистерди аралаштырып жиберет, кыскартуу болсо колдонулбагандарын гана алып салат.

Ошол тартипте колдонулганда — адегенде кыскартуу, андан соң калганын кванттоо — ушул катыштарда эки ыкманын ар бири өзүнчө жарата турган сапаттын кулашысыз батып, тез иштеген модель чыгат. Баасын түз айталы: кысылган модель түп нускага бит-бит бирдей эмес. Рецепт сатып алган нерсе — начарлоо көрсөтмө аткарууда, курал чакыруунун форматында же схеманы сактоодо эмес, байкабай кала турган жерлерге — сейрек маршрут жолдоруна, ыктымалдыгы төмөн токен куйруктарына — түшүшү.

03Бул учта «цензурасыз» эмнени билдирет

Бул жердеги цензурасыз — маанай эмес, архитектура тууралуу билдирүү. Моделдин алдында баш тартуу катмары жок жана анын чыгуусуна мазмун чыпкасы колдонулбайт. Сурамыңыз негизге жетет, анын жообу сизге жетет; эки багытта тең эч нерсе кармабайт.

Бул айырма маанилүү, анткени «цензурасыз» бош колдонулат. Бул сөздүн астына үч башка нерсе топтолгон:

1. Киришти классификациялоо — өзүнчө модель промптуңузду окуп, аны өткөрүүнү чечет. Бул жерде жок.
2. Чыгууну чыпкалоо — сканер жаратылган текстти текшерип, кыскартат же алмаштырат. Бул жерде жок.
3. Негиздин өз бейими — базалык модель үйрөтүүдө эмнени үйрөнсө, ошол. Бул — моделдики, жана биз аны өчүрдүк деп доолабайбыз.

Өндүрүштүк системаларды бузган нерсе — биринчи экөө, жана биз так ошол экөөнү алып салабыз. Сурамдардын 0,5%ында иштеген классификатор — мүчүлүштүгүн издей албаган, даттана албаган жана алдын ала көрө албаган 0,5% бузулуу деңгээли; ал эми 200 кадамдуу агент айланымында кадамга 0,5% бузулуу ийгиликтен көбүрөөк бузулган айлампага айланат. Маектеги баш тартуу — тынчсыздануу; автономдуу айлампанын 147-кадамындагы баш тартуу айлампанын абалын жок кылып, ага чейин сарптаган нерсеңиздин баарын күйгүзөт. Агент жүктөрү үчүн баш тартуу бетин алып салуу — стилистикалык каалоо эмес, ишенимдүүлүк касиети.

Ошондон келип чыгат: жоопкерчилик сизге өтөт. Тиркемеңиз менен колдонуучуларыңыздын ортосунда коопсуздук тору жок; продуктуңузга ал керек болсо, аны көрө, тууралай жана каттай ала турган жерде куруңуз. Адегенде жоопкерчиликтүү колдонуу саясатыбызды окуп чыгыңыз.

04Kimi K2.6 же Kimi K3: 5 эсе качан арзыйт?

Окурмандардын көбү дал ушул чечим үчүн келген, ошондуктан аны айланбай айталы. Kimi-K3 · 3BIT-REAP — чоңураак, жаңыраак негиз: 2026-жылдын 16-июлунда жарыяланып, 27-июлунда ачык салмактары менен чыккан, болжол менен 2,8 триллион жалпы жана токенге болжол менен 104 миллиард активдүү параметр менен — K2.6'нын активдүү эсептөөсүнөн 3 эседен ашык. Түптө Moonshot K3'тү K2.6'нын баасынан болжол менен 5 эсе кымбат деп көрсөтөт, ал эми биздин шлюздун баасы ошол катышты кайталайт.

	Kimi-K2.6 · W4A16-AUTOROUND-REAP	Kimi-K3 · 3BIT-REAP
1M токенге кирүү	$0.78	$3.83
1M токенге чыгуу	$3.67	$19.12
Контекст терезеси	262,144	262,144
Сурамга эң чоң чыгуу	16,384	16,384
Сүрөт киргизүү	Ооба	Ооба
Өзүнөн курал чакыруу	Ооба	Ооба
Катаң json_schema	Ооба	Ооба
Цензурасыз	Ооба	Ооба
Токенге активдүү параметр	~32B	~104B

Таблица эмнени көрсөтпөгөнүнө көңүл буруңуз: K3'тө болуп, K2.6'да жок мүмкүнчүлүк бар бир да сап жок. Ошол эле терезе, ошол эле эң чоң чыгуу, ошол эле көрүү, ошол эле курал чакыруу, ошол эле структураланган чыгуу, ошол эле цензурасыз абал, ошол эле үч диалект. 5 эсе так бир нерсени сатып алат — бир өтүшкө туура келген таза жөндөм. Бул чыныгы нерсе, бирок бул бир ок, жана ал сиздин тар жериңиз эмес окторунда эч нерсе кылбайт.

Айрыкча контекст терезеси жөнүндө

Түптө K3'түн башкы өзгөчөлүгү — K2.6'нын 262K'сына каршы 1M токендик контекст. Shannon шлюзүндө эки модель тең 262 144 токенде тейленет. Эгер 5 эсе төлөө себебиңиз узун контекст болсо, ал себеп бул жерде колдонулбайт — сиз кошумча төлөп, ошол эле терезени алат элеңиз. Мындай нерсени өндүрүүчү айтпай коюуга азгырылат, дал ошондуктан ал сүзмө шрифт менен турат.

5 эсени мына качан төлөңүз

• Бир аракеттен туура келиши керек. Кайра аракет кымбат же мүмкүн эмес болгон бир оор өтүш — кайтарылгыс аракет, узун түтүктүн аягындагы чечим. Токенге активдүү параметрдин көбүрөөк болушу так эле бир өтүштүн чегин көтөрөт.
• Тапшырма курал менен эмес, билим менен чектелген. Жооп салмактардан чыгышы керек болгон терең синтез. K2.6'нын профили — агенттик; куралдарды алып салсаңыз, чоңураак негиз көрүнөт.
• Көлөм аз, тобокел жогору. Айына 500 чакырууда 5 эсе — $8'дин ордуна $40. Жөн эле жакшыраак моделди сатып алыңыз.

5 эсени мына качан төлөбөңүз

• Айлампа иштетип жатасыз. Узун агенттик айлампаларда механикалык кадамдар үстөмдүк кылат — файлды окуу, куралды чакыруу, натыйжаны текшерүү, кийинкисин тандоо — так ошого K2.6 үйрөтүлгөн. 200 кадамда 5 эсе дегени айлампага $38.29'га каршы $7.71.
• Сүрөттөрдү көлөм менен иштетип жатасыз. Көрүү жүктөрү кирүү токенине оор жана нерсе боюнча ой жүгүртүү тайыз. 05-бөлүмдү караңыз; ал жерде айырма жакын да эмес.
• Жумуш — чыгарып алуу, классификациялоо же өзгөртүү. Документтерден талааларды алуу, тикеттерди багыттоо, жазууларды нормалдаштыруу, жыйынтыктоо — чоңураак модель ошол эле JSON'ду берген чектелген тапшырмалар.
• Текшерүү кадамыңыз бар. Эгер чыгуу текшерилсе — тесттер топтому, схема текшергич, экинчи өтүш, адам — эпизоддук өтүп кетүүлөр арзан жана экономика көлөмдүн пайдасына чечкиндүү иштейт. Бул — наркы деңгээлинин пайдасына эң бааланбаган аргумент.

Атоого арзырлык бир үлгү: айлампага K2.6, өкүмгө K3. Арзан агенттик модель жүз кадам топтоо, чакыруу жана долбоорлоону аткарсын, андан соң акыркы синтезге бир кымбат чакырууну сарптаңыз. Эки модель тең ошол эле контекст терезеси менен бирдей API'де сүйлөйт, ошондуктан которулуу model талаасындагы бир саптык өзгөрүү.

05Иштиктүү баадагы көрүү

Көрүү — бул каталогдогу K2.6'нын эң курч жери. Шлюздагы он эки цензурасыз моделдин болгону төртөө сүрөт кабыл алат, ал эми K2.6 — сүрөт киргизүүнү Kimi агенттик теги менен миллион кирүү токенине бир доллардан төмөн баада жупташтырган бирден-бир модель.

Көрүү жүктөрүнүн чыгым формасы адаттан тыш. Moonshot'тун MoonViT боюнча жарыялаган сүрөттөмөсүнө ылайык, 1024x1024 сүрөт болжол менен 576 сүрөт токенине коддолот — жана булар кирүү токендери, эсептин арзан жагы. Кадимки көрүү жумушу дээрлик толугу менен $3.67 эмес, $0.78 тарифине түшөт. 10 000 сүрөттү алалы, ар биринде ~200 токен промпт (б.а. ~776 кирүү токени) жана ~150 токен структураланган чыгуу:

Жүк	Kimi-K2.6	Kimi-K3	Эселик
Бир агент кадамы (40K кирүү / 2K чыгуу)	$0.0385	$0.1914	5.0x
200 кадамдуу автономдуу айлампа	$7.71	$38.29	5.0x
10 000 сүрөт, структураланган чыгуу	$11.56	$58.40	5.1x
Топтомдук жумуш (1M кирүү / 200K чыгуу)	$1.51	$7.65	5.1x

Shannon шлюзүнүн прайс-баасынан эсептелген. Сүрөт токенинин болжолу Moonshot'тун 1024x1024 сүрөт үчүн жарыялаган ~576 токендик MoonViT санын колдонот; так токенге бөлүнүү чечилиштен жана тараптардын катышынан көз каранды өзгөрөт.

$11.56'лык сүрөт түтүгү — ойлонбой күн сайын иштетчү нерсе. $58.40'лык түтүк — пландаштырчу, актайчу жана акыры кыскартчу нерсе. Ошол ажырым — наркы деңгээлинин бүткүл аргументи.

Бир чынчыл эскертүү. Көзкарандысыз мультимодалдык жана негиздөө тапшырмаларынын лидерлер тизмесинде K2.6 болжол менен 115 моделдин 26-орду, орточосу 68,1ге жакын деп билдирилген — татыктуу, бирок класста алдыңкы эмес. Анын көрүүсү документ түшүнүү, скриншот менен интерфейс окуу жана диаграмма же схема чечмелөө боюнча чындап күчтүү; ал так мейкиндиктик негиздөөдө — так чектөө кутучаларында, ыпыр-сыпыр көрүнүштөрдө майда санап чыгууда, начарлаган скандарды тыгыз OCR кылууда — алсызыраак. Пикселге чейин так локалдаштыруу керек болсо, адегенде өз маалыматыңызда бенчмарк өткөрүңүз. Скриншотко карап, кийинки эмнени басууну чечкен модель керек болсо, бул — так туура курал.

06Баш тартпаган курал чакыруу жана агенттик айлампалар

K2.6 өзүнөн курал чакырууну колдойт: модель талданма текст жаратууга көндүрүлбөстөн, сиз берген JSON схема боюнча курал аныктамаларынан түз структураланган курал чакырууларын чыгарат. Көп кезектүү маек жана системалык промпттор менен бирге бул — агент айлампасынын толук негизи.

«Баш тартпаган курал чакыруу» кошкон нерсе угулгандан кылдатыраак. Чыпкаланган API'де агент айлампасынын ичиндеги баш тартуулар үч башка бузулуу түрүндө көрүнөт:

• Катуу баш тартуу — кадам курал чакыруунун ордуна проза кайтарат, талдоочу бузулат, айлампа үзүлөт. Жок дегенде үнү чыгат.
• Жумшак баш тартуу — чакыруу жасалат, бирок аргументтер атайын алсыратылат: тарытылган суроо, айланма параметр, кыркылган пайдалуу жүк. Айлампа үнсүз начарлаган абал менен уланат, ал эми сиз төрт кадамдан кийин билесиз.
• Алдын ала качуу — план мыйзамдуу бутактан ага жакындаганга чейин эле бурулуп кетет. Муну эч качан көрбөйсүз; жөн гана начарыраак планды жана эч кандай түшүндүрмөнү албайсыз.

Экинчиси менен үчүнчүсү — кымбаттары, анткени алар көрүнбөйт: ката жок, логдо эч нерсе жок, издей турган эч нерсе жок. Баш тартуу катмары жок уч бул бүт классты жок кылат — моделдин курал чакыруу аргументтери моделдин курал чакыруу аргументтери бойдон калат.

Бул узун автономдуу айлампаларды талап кылган жана баары бир сезгич материалга тие турган домендерде эң маанилүү: коопсуздук изилдөөсү жана red-team, зыяндуу программа менен инциденттерди талдоо, клиникалык документтерди иштетүү, укуктук материалдарды карап чыгуу жана өзү модерациялаган мазмун тууралуу ой жүгүртүшү керек болгон модерация куралдары. Модерация классификаторун куруу үчүн классификациялаган нерсесине карагысы келген модель керек; бул парадокс эмес, жөн гана жумуш.

Узун айлампалар үчүн практикалык эскертүүлөр: reasoning_effort пландоо кадамдарына көбүрөөк, механикалык кадамдарга азыраак ой жумшоого мүмкүндүк берет. Агымдуу берүү үч диалектте тең бар, ошондуктан узун кадам жүрүшүн көрсөтө же эрте токтотула алат. Ал эми 262 144 токендик контекст чыныгы жумуш абалын — файл мазмунун, мурунку курал натыйжаларын, жүрүп жаткан планды — ар бир кезекте кайра жыйынтыктабай туруп көп кадамда сактайт, ал өзү агенттин четтөөсүнүн кеңири таралган булагы.

07Структураланган чыгуу жана үч API диалекти

K2.6 json_schema'ны да (катаң схема менен чектелген жаратуу), эркинирээк response_format'ты да колдойт. Муну каталогго салып текшериңиз: бул жердеги он эки моделдин экөө катаң схема боюнча чыгууну колдобойт, ал эми түтүгүңүздүн кийинки баскычы JSON талдаса, ал тилке милдеттүү эмес нерсе эмес.

Катаң схема боюнча чыгуу — цензурасыз моделди инфраструктура катары колдонууга жараткан нерсе: эгер модель схемаңызга дал келген объектти чыгарууга милдеттүү болсо, ал башка учурда эмне айтмак болсо да, талдоо кепилдигин аласыз — кириш сөз жок, кечирим жок, JSON'уңуздун тегерегине оролгон абзац жок. Баш тартуу катмарынын жоктугу менен айкалышканда бул — документ эмне жөнүндө болбосун, ар бир документ үчүн, ар бир чакырууда объектиңизди кайтарган чыгарып алуу учу.

Бети	Kimi-K2.6 колдоосу	Эскертүүлөр
/v1/chat/completions	Ооба	OpenAI диалекти — учтагы SDK'лар үчүн түз алмаштыруу
/v1/messages	Ооба	Anthropic диалекти — ошол эле модель, ошол эле салмактар
/v1/responses	Ооба	Responses стилиндеги интерфейс
Агымдуу берүү	Ооба	Үч диалектте тең
Курал чакыруу	Ооба	Өзүнөн, JSON схема боюнча курал аныктамалары
json_schema	Ооба	Катаң структураланган чыгуу
response_format	Ооба	Эркинирээк JSON режими
reasoning_effort	Ооба	Чакырууга ой бюджетин тууралоо
Сүрөт киргизүү	Ооба	Текст менен катар сүрөттөр

Үч диалект тең бир кластердеги ошол эле салмактарга кайрылат. Учтагы OpenAI клиентин базалык URL'ге багыттап, model'ди Kimi-K2.6-W4A16-AUTOROUND-REAP кылып коюңуз — жана иштеп жатасыз. Сурам менен жооптун формалары, агымдуу берүүнүн семантикасы жана жандуу аянтча API документтеринде.

08Kimi K2.6 кайда туура эмес тандоо

Күчтүү жактарын гана санаган модель колдонмосу — жарнак. Мына, биз сизди кайда башка жакка жиберет элек.

• Бир оор өтүштө абсолюттук чек керек. Kimi-K3'кө барып, 5 эсени төлөңүз. Ал ошол үчүн бар.
• Пикселге чейин так визуалдык негиздөө керек. Чектөө кутучалары, начарлаган скандарда тыгыз OCR жана ыпыр-сыпыр көрүнүштөрдө так санап чыгуу — анын эң күчтүү жери эмес; адегенде өз маалыматыңызда сынап көрүңүз.
• Арзандан да арзан керек, көрүүсүз. Каталогдогу бир нече модель $0.50 / $2.00'де турат. K2.6'нын кошумчасы көрүү менен Kimi агенттик профилин сатып алат; экөө тең керек болбосо, арзаныраак деңгээлди алыңыз.
• Бир жоопто 16 384 чыгуу токенинен көп керек. Ал чек бүт каталогго тиешелүү — кайсы моделди тандасаңыз да, узун документтер бөлүктөп жаратууну талап кылат.
• Түптөгүдөй битке чейин так жүрүм-турум керек. Бул — кыскартылган жана кванттелген курулуш: атайын жасалган, жарыяланган алмашуу. Кайталанмалуулук изилдөөсү үчүн Moonshot'тун баштапкы салмактарында иштетиңиз.

Kimi K2.6 менен K3'түн архитектурасы, бенчмарктары жана чыгуу даталары Moonshot билдирген сандар жана биздин кысылган курулушубуз үчүн эмес, түптөгү негиз үчүн көрсөтүлгөн. Мультимодалдык рейтинг саны — көзкарандысыз үчүнчү тараптын лидерлер тизмесинен. Shannon шлюзүнүн баалары — 2026-жылдын 5-сентябрына карата прайс-баа.

09Көп берилүүчү суроолор

---

Shannon AI'ды Shannon Lab LLC (Нью-Мексико, АКШ) тейлейт. Булактар: Moonshot AI — Kimi K2 · REAP the Experts (arXiv 2510.13999) · Cerebras Research — REAP. Түптөгү Kimi бенчмарк сандары Moonshot билдирген жана көзкарандысыз текшерүүгө чейин алдын ала; алар Shannon'дун кванттелген курулушун эмес, кысылбаган негизди сүрөттөйт.