Нецензурирано Kimi K2 API

Повеќето страници за „евтин модел“ всушност зборуваат за мал модел облечен во семејното име на голем модел. Оваа не. Kimi K2.6 е целосен фундамент од врвна големина — трилион параметри редок MoE, со роден енкодер за вид и програма за тренирање насочена право кон агентската употреба на алатки. Она што го прави ниво по вредност не е помал мозок, туку поагресивен рецепт за компресија. Значи прашањето не е „дали е доволно добар?“, туку „кои работи навистина ја забележуваат разликата меѓу овој и неговиот роднина што чини 5 пати повеќе?“ Најголемиот дел од оваа статија одговара на тоа.

01Што е всушност Kimi K2.6?

Kimi K2.6 е модел со отворени тежини од Moonshot AI, пекиншката лабораторија зад серијата Kimi, објавен на 20 април 2026 година. Ја наследува архитектурата што го направи K2 забележлив: редок трансформер со мешавина од експерти со приближно 1 трилион вкупни параметри и околу 32 милијарди активни по токен, организиран како 384 експерти, 8 рутирани плус 1 заеднички по слој низ 61 слој, со латентно внимание со повеќе глави. Само мал дел од тој трилион се пали на кој било даден токен — токму затоа модел со ваква големина може да се цени во центи.

Лозата е важна поради тоа што Moonshot го оптимизирал. Оригиналниот K2 беше претрениран на приближно 15,5 трилиони токени со оптимизаторот Muon / MuonClip, направен специјално за да спречи MoE со трилион параметри да страда од експлозиите во вниманието и скоковите во загубата што ја дестабилизираат обуката на таа скала; Moonshot пријави нула нестабилност при тренирањето низ целото извршување. Тоа е погоре од сè друго — им дозволи да го потрошат буџетот за тренирање на агентско однесување наместо на гаснење пожари.

K2.6 го проширува тоа во две насоки. Прво, тој е родно мултимодален: сликите и кадрите од видео минуваат низ MoonViT, енкодер за вид со околу 400 милиони параметри што ја плочи сликата на парчиња од 448x448 и го проектира секое парче право во токенскиот простор на јазичниот модел — визуелните токени седат во истата низа како и сè друго, а не во прикачен описувач што храни слеп модел. Второ, граден е за оркестрација во длабочина: работата на Moonshot за Agent Swarm пријавува координација низ до 300 под-агенти специјализирани по домен и дури 4.000 координирани чекори во едно автономно извршување.

Профилот на реперите објавен од Moonshot

Ова се бројки објавени од Moonshot за некомпресираниот фундамент K2.6, а не наши мерења. Корисни се за обликот, не за прецизноста:

Читај го обликот, а не цифрите. Резултатите со употреба на алатки и водени од пребарување седат високо; резултатите на чиста тежина седат пониско. Тоа е потписот на модел трениран добро да дејствува, а не сè да знае — вистинската размена ако твојот агент има прелистувач, обвивка и датотечен систем, а погрешната ако поставуваш едно тешко прашање без ниту една алатка закачена.

02Што значи W4A16-AUTOROUND-REAP

Наставката на идентификаторот на моделот не е украс. Таа е точниот рецепт за компресија, објавен за да можеш да расудуваш за размената што ја правиш.

• W4A16 — тежини на 4 бита, активации пресметани на 16. Меморијата за тежини паѓа приближно 4 пати наспроти bf16, додека аритметиката што ја натрупува грешката останува на прецизност од 16 бита. Ова е стандардната работна точка со висок квалитет за послужување многу големи MoE модели.
• AUTOROUND — квантизаторот AutoRound на Intel. Наивното заокружување на најблиску ја третира секоја тежина независно и отфрла информација на која моделот се потпирал; AutoRound наместо тоа ги учи одлуките за заокружување наспроти калибрациски податоци. При цел од 4 бита тоа е разликата меѓу модел што сè уште следи шема и модел што дрејфа.
• REAP — поткастрување на активацијата на експертите пондерирано по рутерот, од Cerebras Research (arXiv 2510.13999, ICLR 2026). Кон повеќето експерти во еден MoE ретко се рутира. REAP го оценува секој по вредностите на портите на рутерот и по нормите на активација, па потоа во еден потег ги отстранува најмалку истакнатите. Објавениот резултат: до 50% од експертите поткастрени кај модели со трилион параметри со главно задржан почетен квалитет, и поткаструвањето го надминува спојувањето на експерти при генеративни задачи — спојувањето ги размачкува специјалистите заедно, а поткаструвањето само ги отфрла неупотребените.

Применето во тој редослед — прво поткастри, потоа квантизирај го тоа што останало — добиваш модел што собира и работи брзо без колапсот во квалитетот што секоја од техниките сама по себе би го предизвикала при овие односи. Да бидеме отворени за цената: компресираниот модел не е идентичен бит по бит со оригиналот. Она што го носи рецептот е дека влошувањето паѓа таму каде веројатно нема да го забележиш — ретки патишта на рутирање, опашки со ниска веројатност на токени — а не во следењето инструкции, обликувањето на повиците на алатки или почитувањето на шемата.

03Што значи „нецензурирано“ на оваа крајна точка

Нецензурирано овде е изјава за архитектурата, а не за ставот. Нема слој за одбивање пред моделот и нема филтрирање на содржината врз неговиот излез. Твоето барање стигнува до фундаментот, а неговиот одговор стигнува до тебе; ништо не пресретнува во ниту една насока.

Таа разлика е важна, зашто „нецензурирано“ се употребува лабаво. Три одделни работи се спакувани под тој збор:

1. Класификација на влезот — одделен модел го чита твојот промпт и одлучува дали да го пропушти. Тука ја нема.
2. Филтрирање на излезот — скенер го прегледува генерираниот текст и го крати или заменува. Тука го нема.
3. Сопствените склоности на фундаментот — што и да научил основниот модел при тренирање. Тоа е негово, и ние не тврдиме дека сме го избришале.

Првите две се тие што ги кршат продукциските системи, и тие се двете што ги отстрануваме. Класификатор што се пали на 0,5% од барањата е стапка на откажување од 0,5% што не можеш да ја дебагираш, не можеш да ја обжалиш и не можеш да ја видиш како доаѓа — а низ агентски циклус од 200 чекори, откажување од 0,5% по чекор се натрупува во извршување што почесто пропаѓа отколку што успева. Одбивање во разговор е нервирање; одбивање на чекор 147 од автономно извршување ја уништува состојбата на извршувањето и го запалува сето она што си го потрошил до таму. За агентски оптоварувања, отстранувањето на површината за одбивање е својство на доверливост, а не стилска склоност.

Последицата е дека одговорноста се преместува кај тебе. Нема заштитна мрежа меѓу твојата апликација и твоите корисници; ако на твојот производ му треба, изгради ја таму каде можеш да ја видиш, да ја нагодиш и да ја запишуваш. Те молиме прочитај ја прво нашата политика за одговорна употреба.

04Kimi K2.6 наспроти Kimi K3: кога вредат 5 пати повеќе?

Ова е одлуката поради која дошле повеќето читатели, па еве ја без вртење. Kimi-K3 · 3BIT-REAP е поголемиот, поновиот фундамент: најавен на 16 јули 2026 година со отворени тежини на 27 јули, со приближно 2,8 трилиони вкупни параметри и околу 104 милијарди активни по токен — повеќе од 3 пати од активната пресметка на K2.6. Кај изворот, Moonshot го наведува K3 по околу 5 пати од цената на K2.6, а цената на нашата порта го следи тој однос.

	Kimi-K2.6 · W4A16-AUTOROUND-REAP	Kimi-K3 · 3BIT-REAP
Влез / 1M токени	$0.78	$3.83
Излез / 1M токени	$3.67	$19.12
Контекстен прозорец	262,144	262,144
Максимален излез / барање	16,384	16,384
Влез со слика	Да	Да
Родно повикување алатки	Да	Да
Строг json_schema	Да	Да
Нецензурирано	Да	Да
Активни параметри / токен	~32B	~104B

Погледни што табелата не покажува: нема ниту еден ред каде K3 има можност што ѝ недостасува на K2.6. Ист прозорец, ист максимален излез, ист вид, исто повикување алатки, ист структуриран излез, ист нецензуриран став, исти три дијалекти. Тие 5 пати купуваат точно едно нешто — сурова способност по еден премин напред. Тоа е вистинско, но е една единствена оска, и не прави ништо на оските каде таа не е твоето тесно грло.

Конкретно за контекстниот прозорец

Кај изворот, главната одлика на K3 е контекст од 1M токени наспроти 262K кај K2.6. На портата Shannon и двата модела се послужуваат на 262.144 токени. Ако долгиот контекст ти беше причината да платиш 5 пати повеќе, таа причина овде не важи — би ја платил премијата и би го добил истиот прозорец. Ова е вид работа што добавувачот е во искушение да ја премолчи, и токму затоа е со задебелени букви.

Плати ги 5-те пати кога

• Еден потег мора да успее. Единствен тежок премин каде повторувањето е скапо или невозможно — неповратно дејство, одлука на крајот од долг процес. Повеќе активни параметри по токен е токму тоа што го подига таванот на еден премин.
• Задачата е врзана за знаење, а не за алатки. Длабока синтеза каде одговорот мора да излезе од тежините. Профилот на K2.6 е агентски; тргни ги алатките и поголемиот фундамент се покажува.
• Обемот е мал, а влоговите високи. При 500 повици месечно, 5 пати повеќе е 40 долари наместо 8. Едноставно купи го подобриот модел.

Не плаќај ги 5-те пати кога

• Пушташ циклус. Долгите агентски извршувања се доминирани од механички чекори — прочитај датотека, повикај алатка, провери резултат, избери го следниот — а токму за тоа беше трениран K2.6. При 200 чекори тие 5 пати се 7,71 наспроти 38,29 долари по извршување.
• Обработуваш слики во обем. Оптоварувањата со вид се тешки во влезни токени, а расудувањето по ставка е плитко. Види го делот 05; не е ни близу.
• Работата е извлекување, класификација или трансформација. Вадење полиња од документи, рутирање тикети, нормализирање записи, сумирање — ограничени задачи каде поголемиот модел го произведува истиот JSON.
• Имаш чекор за проверка. Ако излезот се проверува — сет тестови, потврдувач на шема, втор премин, човек — повремените промашувања се евтини, а економијата решително ѝ оди во прилог на количината. Ова е најпотценетиот аргумент за нивото по вредност.

Образец вреден да се именува: пушти K2.6 за циклусот и K3 за пресудата. Остави го евтиниот агентски модел да ги направи стоте чекори на собирање, повикување и составување нацрт, па потроши еден скап повик на конечната синтеза. Двата модела го зборуваат идентичното API со ист контекстен прозорец, па менувањето е промена од еден ред во полето model.

05Вид по работна цена

Видот е најострата предност на K2.6 во овој каталог. Од дванаесетте нецензурирани модели на портата само четири воопшто примаат слики, а K2.6 е единствениот што го спојува влезот со слика со агентската лоза на Kimi под еден долар на милион влезни токени.

Оптоварувањата со вид имаат необичен облик на трошок. Според објавениот опис на MoonViT од Moonshot, слика од 1024x1024 се кодира во приближно 576 токени за слика — а тоа се влезни токени, евтината страна од сметководството. Типична задача со вид паѓа речиси целосно на стапката од 0,78, а не на онаа од 3,67. Земи 10.000 слики, секоја со околу 200 токени промпт (значи околу 776 влезни токени) и околу 150 токени структуриран излез:

Оптоварување	Kimi-K2.6	Kimi-K3	Множител
Еден чекор на агент (40K навнатре / 2K нанадвор)	$0.0385	$0.1914	5.0x
Автономно извршување од 200 чекори	$7.71	$38.29	5.0x
10.000 слики, структуриран излез	$11.56	$58.40	5.1x
Масовна задача (1M навнатре / 200K нанадвор)	$1.51	$7.65	5.1x

Пресметано од каталошките цени на портата Shannon. Проценката за токени од слика ја користи објавената бројка на Moonshot за MoonViT од околу 576 токени за слика од 1024x1024; точното токенизирање варира со резолуцијата и односот на страните.

Процес со слики од 11,56 долари е нешто што го пушташ дневно без да размислуваш. Оној од 58,40 долари е нешто што го закажуваш, го оправдуваш и на крајот го сечеш. Тој јаз е целиот аргумент за едно ниво по вредност.

Едно чесно ограничување. На независни ранг-листи за мултимодални и заземјени задачи K2.6 е пријавен околу 26-то место од 115 модели, со просек близу 68,1 — пристојно, но не водечко во класата. Неговиот вид е навистина силен во разбирањето документи, читањето снимки од екран и кориснички интерфејси и толкувањето графикони или дијаграми; послаб е во прецизното просторно заземјување — точни гранични правоаголници, ситнозрнесто броење во претрупани сцени, густ OCR на оштетени скенови. Ако ти треба локализација точна до пиксел, прво измери на сопствени податоци. Ако ти треба модел што ќе погледне снимка од екран и ќе одлучи каде да кликне следно, ова е сосема вистинската алатка.

06Повикување алатки без одбивање и агентски циклуси

K2.6 поддржува родно повикување алатки: моделот испушта структурирани повици на алатки директно од дефинициите на алатки по JSON шема што ги даваш ти, наместо да биде наговаран да произведе текст што може да се парсира. Со разговор во повеќе кругови и системски промпти, тоа е целосната подлога за агентски циклус.

Она што го додава „повикување алатки без одбивање“ е посуптилно отколку што звучи. На филтрирано API, одбивањата во агентски циклус се појавуваат во три различни начини на откажување:

• Тврдо одбивање — чекорот враќа проза наместо повик на алатка, парсерот пропаѓа, циклусот се крши. Барем е гласно.
• Меко одбивање — повикот е направен, но аргументите се потценети: стеснето прашање, параметар со резерва, скратен товар. Циклусот продолжува со тивко влошена состојба, а ти дознаваш четири чекори подоцна.
• Превентивно избегнување — планот скршнува од легитимна гранка пред воопшто да ѝ се приближи. Ова никогаш не го гледаш; едноставно добиваш полош план и никакво објаснување.

Второто и третото се скапите, зашто се невидливи: нема грешка, нема ништо во дневниците, нема што да се пребарува. Крајна точка без слој за одбивање ја отстранува целата класа — аргументите на повиците на алатки од моделот се аргументи на повиците на алатки од моделот.

Ова е најважно во домените што бараат долги автономни извршувања и онака допираат чувствителен материјал: безбедносно истражување и црвени тимови, анализа на злонамерен софтвер и инциденти, обработка на клинички документи, правна претходна постапка и алатки за модерација што мора да расудуваат за содржината што ја модерираат. Изградбата на класификатор за модерација бара модел спремен да го гледа тоа што го класифицира; тоа не е парадокс, туку самата работа.

Практични белешки за долги извршувања: reasoning_effort ти дозволува да трошиш повеќе размислување на чекорите за планирање, а помалку на механичките. Стримингот е достапен на сите три дијалекти, па долг чекор може да покажува напредок или да биде прекинат рано. А контекстот од 262.144 токени држи вистинска работна состојба — содржина на датотеки, претходни резултати од алатки, тековен план — присутна низ многу чекори без повторно сумирање на секој круг, што само по себе е чест извор на агентски дрејф.

07Структуриран излез и трите API дијалекти

K2.6 поддржува и json_schema (строго генерирање ограничено со шема) и полабавиот response_format. Провери го тоа наспроти каталогот: два од дванаесетте модели овде не поддржуваат строг излез по шема, а ако твојата следна фаза во процесот парсира JSON, таа колона не е изборна.

Строгиот излез по шема е тоа што прави еден нецензуриран модел да биде употреблив како инфраструктура: ако моделот мора да испушти објект што одговара на твојата шема, добиваш гаранција за парсирање независна од тоа што инаку би кажал — без вовед, без извинување, без пасус завиткан околу твојот JSON. Во комбинација со отсуство на слој за одбивање, тоа е крајна точка за извлекување што го враќа твојот објект на секој повик, за секој документ, за што и да е тој документ.

Површина	Поддршка кај Kimi-K2.6	Белешки
/v1/chat/completions	Да	Дијалект на OpenAI — директна замена за постоечки SDK-и
/v1/messages	Да	Дијалект на Anthropic — ист модел, исти тежини
/v1/responses	Да	Интерфејс во стил на Responses
Стриминг	Да	На сите три дијалекти
Повикување алатки	Да	Родно, со дефиниции на алатки по JSON шема
json_schema	Да	Строг структуриран излез
response_format	Да	Полабав JSON режим
reasoning_effort	Да	Нагодување на буџетот за размислување по повик
Влез со слика	Да	Слики заедно со текст

Сите три дијалекти се обраќаат до истите тежини на истиот кластер. Насочи постоечки клиент за OpenAI кон основниот URL, постави model на Kimi-K2.6-W4A16-AUTOROUND-REAP и работиш. Обликот на барањата и одговорите, семантиката на стримингот и живо игралиште има во API документацијата.

08Каде Kimi K2.6 е погрешниот избор

Водич за модел што ги наведува само силните страни е реклама. Еве каде би те пратиле на друго место.

• Ти треба апсолутниот таван на еден тежок премин. Оди на Kimi-K3 и плати ги 5-те пати. Токму за тоа е.
• Ти треба визуелно заземјување точно до пиксел. Граничните правоаголници, густиот OCR на оштетени скенови и точното броење во претрупани сцени не се неговиот најсилен терен — тестирај прво на своите податоци.
• Ти треба поевтино од евтино, без вид. Неколку модели од каталогот седат на 0,50 / 2,00. Премијата на K2.6 купува вид и агентскиот профил на Kimi; ако не ти треба ниту едното, земи го поевтиното ниво.
• Ти требаат повеќе од 16.384 излезни токени во еден одговор. Тој таван важи низ целиот каталог — долгите документи бараат генерирање на парчиња кој и да е моделот што ќе го избереш.
• Сакаш однесување идентично бит по бит со изворот. Ова е поткастрена и квантизирана верзија: намерна, објавена размена. За студија за повторливост, работи наспроти оригиналните тежини на Moonshot.

Бројките за архитектурата, реперите и датумите на објава за Kimi K2.6 и K3 се објавени од Moonshot и се прикажани за изворниот фундамент, а не за нашата компресирана верзија. Бројката за мултимодалното рангирање е од независна ранг-листа на трето лице. Цените на портата Shannon се каталошки цени заклучно со 5 септември 2026 година.

09Често поставувани прашања

---

Со Shannon AI управува Shannon Lab LLC, Ново Мексико, САД. Извори: Moonshot AI — Kimi K2 · REAP the Experts (arXiv 2510.13999) · Cerebras Research — REAP. Изворните бројки од реперите за Kimi се објавени од Moonshot и се привремени додека не се потврдат независно; тие го опишуваат некомпресираниот фундамент, а не квантизираната верзија на Shannon.