API Kimi K2 Tanpa Tapisan

Kebanyakan halaman "model murah" sebenarnya tentang model kecil yang memakai nama keluarga model besar. Ini bukan begitu. Kimi K2.6 ialah asas berskala terdepan yang penuh — satu trilion parameter Campuran Pakar yang jarang, dengan pengekod visi asli dan program latihan yang ditujukan tepat kepada penggunaan alat agentik. Yang menjadikannya tingkat nilai bukanlah otak yang lebih kecil tetapi resipi pemampatan yang lebih agresif. Jadi soalannya bukan "adakah ia cukup bagus?" tetapi "kerja mana yang benar-benar perasan beza antara ini dan adiknya yang 5x lebih mahal?" Kebanyakan artikel ini menjawabnya.

01Apa sebenarnya Kimi K2.6?

Kimi K2.6 ialah model pemberat terbuka daripada Moonshot AI, makmal Beijing di sebalik siri Kimi, dikeluarkan pada 20 April 2026. Ia mewarisi seni bina yang menjadikan K2 terkenal: transformer Campuran Pakar yang jarang dengan lebih kurang 1 trilion jumlah parameter dan kira-kira 32 bilion aktif setiap token, disusun sebagai 384 pakar, 8 dihalakan berserta 1 dikongsi setiap lapisan merentasi 61 lapisan, dengan Perhatian Laten Berbilang Kepala. Hanya sekeping kecil daripada trilion itu menyala pada mana-mana token — dan itulah tepatnya sebab model sebesar ini boleh diharga dalam sen.

Keturunannya penting kerana apa yang Moonshot optimumkan. K2 asal dipralatih pada kira-kira 15.5 trilion token menggunakan pengoptimum Muon / MuonClip, dibina khusus untuk menghalang MoE trilion parameter daripada mengalami letupan perhatian dan lonjakan kerugian yang menggoyahkan latihan pada skala itu; Moonshot melaporkan sifar ketidakstabilan latihan sepanjang larian. Itu terletak di huluan segala-galanya — ia membolehkan mereka membelanjakan belanjawan latihan pada kelakuan agentik dan bukan pada memadam api.

K2.6 melanjutkannya ke dua arah. Pertama, ia multimodal secara asli: imej dan bingkai video melalui MoonViT, pengekod visi ~400J parameter yang menjubin imej menjadi tampalan 448x448 dan mengunjurkan setiap jubin terus ke ruang token model bahasa — token visual duduk dalam jujukan yang sama seperti segala yang lain, bukan dalam pengkapsyen tambahan yang menyuap model buta. Kedua, ia dibina untuk orkestrasi secara mendalam: kerja Agent Swarm Moonshot melaporkan penyelarasan merentasi sehingga 300 sub-ejen khusus domain dan sebanyak 4,000 langkah diselaraskan dalam satu larian autonomi.

Profil penanda aras yang dilaporkan Moonshot

Ini angka yang dilaporkan Moonshot bagi asas K2.6 tanpa mampatan, bukan pengukuran kami. Berguna untuk bentuk, bukan kejituan:

Baca bentuknya, bukan digitnya. Skor yang menggunakan alat dan dipandu carian duduk tinggi; skor kesukaran tulen duduk lebih rendah. Itulah tandatangan model yang dilatih untuk bertindak dengan baik dan bukan untuk tahu segala-galanya — pertukaran yang betul jika ejen anda ada pelayar, shell dan sistem fail, yang salah jika anda bertanya satu soalan sukar tanpa sebarang alat dilekatkan.

02Apa maksud W4A16-AUTOROUND-REAP

Akhiran pada id model itu bukan hiasan. Ia resipi pemampatan yang tepat, diterbitkan supaya anda boleh menaakul tentang pertukaran yang anda buat.

• W4A16 — pemberat pada 4 bit, pengaktifan dikira pada 16. Memori pemberat jatuh kira-kira 4x berbanding bf16 sementara aritmetik yang mengumpul ralat kekal pada ketepatan 16-bit. Ini titik penyajian berkualiti tinggi yang standard untuk model MoE yang sangat besar.
• AUTOROUND — pengkuantum AutoRound daripada Intel. Pembundaran-terdekat yang naif melayan setiap pemberat secara berasingan dan membuang maklumat yang model bergantung padanya; AutoRound sebaliknya mempelajari keputusan pembundaran terhadap data penentukuran. Pada sasaran 4-bit itu beza antara model yang masih mengikut skema dan model yang hanyut.
• REAP — Router-weighted Expert Activation Pruning, daripada Cerebras Research (arXiv 2510.13999, ICLR 2026). Kebanyakan pakar dalam MoE jarang dihalakan. REAP menskorkan setiap satu pada kedua-dua nilai get penghala dan norma pengaktifannya, kemudian membuang yang paling kurang penting dalam satu tembakan. Hasil yang diterbitkan: sehingga 50% pakar dipangkas daripada model trilion parameter sambil sebahagian besarnya mengekalkan kualiti asas, dan pemangkasan mengalahkan penggabungan pakar pada tugas generatif — penggabungan mengaburkan pakar khusus menjadi satu, pemangkasan cuma menggugurkan yang tidak digunakan.

Dikenakan mengikut susunan itu — pangkas dahulu, kuantumkan yang berbaki — anda mendapat model yang muat dan berjalan pantas tanpa keruntuhan kualiti yang mana-mana teknik itu sendirian akan sebabkan pada nisbah sebegini. Untuk berterus terang tentang kosnya: model yang dimampatkan tidak sama bit demi bit dengan yang asal. Apa yang resipi itu beli ialah kemerosotan mendarat di tempat yang anda tidak mungkin perasan — laluan penghalaan yang jarang, ekor token berkebarangkalian rendah — dan bukan pada pematuhan arahan, format panggilan alat, atau kepatuhan skema.

03Apa maksud "tanpa tapisan" pada titik akhir ini

Tanpa tapisan di sini ialah kenyataan tentang seni bina, bukan sikap. Tiada lapisan penolakan di hadapan model dan tiada penapisan kandungan pada outputnya. Permintaan anda sampai kepada asas itu dan responsnya sampai kepada anda; tiada apa memintas mana-mana arah.

Perbezaan itu penting, kerana "tanpa tapisan" digunakan dengan longgar. Tiga perkara berasingan dibungkus di bawah perkataan itu:

1. Pengelasan input — model berasingan membaca gesaan anda dan memutuskan sama ada hendak membenarkannya lalu. Tidak hadir di sini.
2. Penapisan output — pengimbas memeriksa teks yang dijana lalu memangkas atau menggantikannya. Tidak hadir di sini.
3. Kecenderungan asas itu sendiri — apa jua yang model asas pelajari semasa latihan. Itu milik model, dan kami tidak mendakwa telah memadamnya.

Dua yang pertama itulah yang merosakkan sistem pengeluaran, dan itulah dua yang kami buang. Pengelas yang menyala pada 0.5% permintaan ialah kadar kegagalan 0.5% yang anda tidak boleh nyahpepijat, tidak boleh rayu, dan tidak nampak akan datang — dan merentasi gelung ejen 200 langkah, kegagalan 0.5% setiap langkah bertokok menjadi larian yang lebih kerap gagal daripada berjaya. Penolakan dalam perbualan itu menjengkelkan; penolakan pada langkah 147 dalam larian autonomi memusnahkan keadaan larian itu dan membakar segala yang anda belanjakan untuk sampai ke situ. Untuk beban kerja ejen, membuang permukaan penolakan ialah sifat kebolehpercayaan, bukan pilihan gaya.

Akibatnya ialah tanggungjawab berpindah kepada anda. Tiada jaring keselamatan antara aplikasi anda dan pengguna anda; jika produk anda perlukan satu, binalah di tempat yang anda boleh lihat, tala dan log. Sila baca dasar penggunaan bertanggungjawab kami dahulu.

04Kimi K2.6 lawan Kimi K3: bila 5x itu berbaloi?

Inilah keputusan yang kebanyakan pembaca datang untuknya, jadi ini dia tanpa berselindung. Kimi-K3 · 3BIT-REAP ialah asas yang lebih besar dan lebih baharu: diumumkan 16 Julai 2026 dengan pemberat terbuka pada 27 Julai, pada lebih kurang 2.8 trilion jumlah parameter dan kira-kira 104 bilion aktif setiap token — lebih 3x pengiraan aktif K2.6. Di huluan, Moonshot menyenaraikan K3 pada kira-kira 5x harga K2.6, dan harga get laluan kami mengikut nisbah itu.

	Kimi-K2.6 · W4A16-AUTOROUND-REAP	Kimi-K3 · 3BIT-REAP
Input / 1J token	$0.78	$3.83
Output / 1J token	$3.67	$19.12
Tetingkap konteks	262,144	262,144
Output maks / permintaan	16,384	16,384
Input visi	Ya	Ya
Panggilan alat asli	Ya	Ya
json_schema ketat	Ya	Ya
Tanpa tapisan	Ya	Ya
Parameter aktif / token	~32B	~104B

Lihat apa yang jadual itu tidak tunjukkan: tiada satu baris pun di mana K3 mempunyai ciri yang K2.6 tiada. Tetingkap sama, output maks sama, visi sama, panggilan alat sama, output berstruktur sama, pendirian tanpa tapisan sama, tiga dialek yang sama. 5x itu membeli tepat satu perkara — keupayaan mentah setiap laluan hadapan. Itu nyata, tetapi ia satu paksi sahaja, dan ia tidak buat apa-apa pada paksi yang bukan menjadi halangan anda.

Khusus tentang isu tetingkap konteks

Di huluan, ciri utama K3 ialah konteks 1J token berbanding 262K K2.6. Pada Get Laluan Shannon kedua-dua model disajikan pada 262,144 token. Jika konteks panjang ialah sebab anda membayar 5x, sebab itu tidak terpakai di sini — anda akan membayar premium dan mendapat tetingkap yang sama. Inilah jenis perkara yang pembekal tergoda untuk biarkan tidak disebut, sebab itulah ia ditebalkan.

Bayar 5x itu apabila

• Satu tembakan mesti menjadi. Satu laluan sukar di mana percubaan semula itu mahal atau mustahil — tindakan tak boleh balik, keputusan di penghujung saluran paip yang panjang. Lebih banyak parameter aktif setiap token ialah tepat apa yang menaikkan siling pada satu laluan.
• Tugas itu terikat pengetahuan, bukan terikat alat. Sintesis mendalam di mana jawapan mesti keluar daripada pemberat. Profil K2.6 bersifat agentik; ambil alatnya pergi dan asas yang lebih besar akan menonjol.
• Volum rendah dan taruhan tinggi. Pada 500 panggilan sebulan, 5x itu $40 dan bukan $8. Belilah sahaja model yang lebih baik.

Jangan bayar 5x itu apabila

• Anda menjalankan gelung. Larian agentik yang panjang dikuasai langkah mekanikal — baca fail, panggil alat, semak hasil, pilih yang seterusnya — dan itulah tepatnya K2.6 dilatih untuknya. Pada 200 langkah, 5x itu ialah $7.71 berbanding $38.29 setiap larian.
• Anda memproses imej secara pukal. Beban kerja visi berat token input dan penaakulan setiap item itu cetek. Lihat seksyen 05; jaraknya jauh.
• Kerjanya ialah pengekstrakan, pengelasan, atau penjelmaan. Mengeluarkan medan daripada dokumen, menghalakan tiket, menormalkan rekod, meringkaskan — tugas terbatas di mana model yang lebih besar menghasilkan JSON yang sama.
• Anda ada langkah pengesahan. Jika output disemak — suite ujian, pengesah skema, laluan kedua, manusia — kesilapan sekali-sekala itu murah dan ekonominya memihak volum secara tegas. Inilah hujah paling kurang dihargai untuk tingkat nilai.

Satu corak yang patut dinamakan: jalankan K2.6 untuk gelung dan K3 untuk keputusan muktamad. Biarkan model agentik yang murah buat seratus langkah pengumpulan, pemanggilan dan penderafan, kemudian belanjakan satu panggilan mahal pada sintesis akhir. Kedua-dua model bertutur API yang serupa dengan tetingkap konteks yang sama, jadi bertukar itu perubahan satu baris pada medan model.

05Visi pada harga yang munasabah

Visi ialah kelebihan paling tajam K2.6 dalam katalog ini. Daripada dua belas model tanpa tapisan pada get laluan, hanya empat menerima imej langsung, dan K2.6 satu-satunya yang menggandingkan input imej dengan keturunan agentik Kimi di bawah satu dolar sejuta token input.

Beban kerja visi ada bentuk kos yang luar biasa. Menurut penerangan MoonViT yang diterbitkan Moonshot, imej 1024x1024 mengekod menjadi lebih kurang 576 token imej — dan itu token input, sisi lejar yang murah. Kerja visi biasa mendarat hampir sepenuhnya pada kadar $0.78 dan bukan $3.67. Ambil 10,000 imej, setiap satu dengan gesaan ~200 token (jadi ~776 token input) dan output berstruktur ~150 token:

Beban kerja	Kimi-K2.6	Kimi-K3	Ganda
Satu langkah ejen (40K masuk / 2K keluar)	$0.0385	$0.1914	5.0x
Larian autonomi 200 langkah	$7.71	$38.29	5.0x
10,000 imej, output berstruktur	$11.56	$58.40	5.1x
Kerja kelompok (1J masuk / 200K keluar)	$1.51	$7.65	5.1x

Dikira daripada harga senarai Get Laluan Shannon. Anggaran token imej menggunakan angka MoonViT terbitan Moonshot iaitu ~576 token bagi imej 1024x1024; tokenisasi tepat berubah mengikut resolusi dan nisbah bidang.

Saluran paip imej $11.56 ialah sesuatu yang anda jalankan setiap hari tanpa berfikir panjang. Yang $58.40 ialah sesuatu yang anda jadualkan, justifikasikan, dan akhirnya potong. Jurang itulah keseluruhan hujah untuk tingkat nilai.

Satu amaran jujur. Pada papan pendahulu multimodal dan tugas terdasar yang bebas, K2.6 dilaporkan di sekitar #26 daripada 115 model, purata hampir 68.1 — terhormat, bukan mengetuai kelas. Visinya benar-benar kuat pada pemahaman dokumen, pembacaan tangkap layar dan UI, serta tafsiran carta atau rajah; ia lebih lemah pada pendasaran ruang yang tepat — kotak sempadan tepat, pengiraan halus dalam adegan berselerak, OCR padat bagi imbasan yang merosot. Jika anda perlukan penyetempatan setepat piksel, ujilah pada data anda sendiri dahulu. Jika anda perlukan model untuk melihat tangkap layar dan memutuskan apa yang perlu diklik seterusnya, inilah alat yang betul sekali.

06Panggilan alat tanpa penolakan dan gelung agentik

K2.6 menyokong panggilan alat asli: model mengeluarkan seruan alat berstruktur terus daripada takrifan alat skema JSON yang anda bekalkan, dan bukan dipujuk untuk menghasilkan teks yang boleh dihuraikan. Dengan perbualan berbilang pusingan dan gesaan sistem, itulah substrat penuh untuk gelung ejen.

Apa yang "panggilan alat tanpa penolakan" tambah lebih halus daripada bunyinya. Pada API yang ditapis, penolakan di dalam gelung ejen muncul dalam tiga mod kegagalan yang berbeza:

• Penolakan keras — langkah itu memulangkan prosa dan bukan panggilan alat, penghurai gagal, gelung putus. Sekurang-kurangnya kuat bunyinya.
• Penolakan lembut — panggilan dibuat tetapi argumennya diperlahankan: pertanyaan yang disempitkan, parameter yang berselindung, muatan yang dipangkas. Gelung diteruskan dengan keadaan yang senyap-senyap merosot dan anda tahu empat langkah kemudian.
• Pengelakan awalan — pelan itu menyimpang menjauhi cabang yang sah sebelum ia menghampirinya. Anda tidak pernah nampak yang ini; anda cuma dapat pelan yang lebih buruk tanpa penjelasan.

Yang kedua dan ketiga itulah yang mahal, kerana ia tidak kelihatan: tiada ralat, tiada apa dalam log, tiada apa untuk digrep. Titik akhir tanpa lapisan penolakan membuang seluruh kelas itu — argumen panggilan alat model itu ialah argumen panggilan alat model itu.

Ini paling penting dalam domain yang perlukan larian autonomi panjang dan menyentuh bahan sensitif bagaimanapun: penyelidikan keselamatan dan pasukan merah, analisis perisian hasad dan insiden, pemprosesan dokumen klinikal, penemuan undang-undang, dan perkakas penyederhanaan yang mesti menaakul tentang kandungan yang disederhanakannya. Membina pengelas penyederhanaan memerlukan model yang sanggup melihat apa yang dikelaskannya; itu bukan paradoks, itu cuma kerjanya.

Nota praktikal untuk larian panjang: reasoning_effort membolehkan anda membelanjakan lebih banyak pemikiran pada langkah perancangan dan kurang pada langkah mekanikal. Penstriman tersedia pada ketiga-tiga dialek, jadi langkah panjang boleh memaparkan kemajuan atau dibatalkan awal. Dan konteks 262,144 token mengekalkan keadaan kerja yang sebenar — kandungan fail, hasil alat terdahulu, pelan yang sedang berjalan — kekal ada merentasi banyak langkah tanpa meringkaskan semula setiap pusingan, yang itu sendiri punca lazim hanyutan ejen.

07Output berstruktur dan tiga dialek API

K2.6 menyokong kedua-dua json_schema (penjanaan terkekang skema yang ketat) dan response_format yang lebih longgar. Semak itu terhadap katalog: dua daripada dua belas model di sini tidak menyokong output skema ketat, dan jika peringkat saluran paip anda yang seterusnya menghurai JSON, lajur itu bukan pilihan.

Output skema ketat itulah yang menjadikan model tanpa tapisan boleh digunakan sebagai infrastruktur: jika model mesti mengeluarkan objek yang padan dengan skema anda, anda mendapat jaminan huraian yang bebas daripada apa jua yang ia mungkin katakan — tiada mukadimah, tiada permohonan maaf, tiada perenggan yang dibalut sekeliling JSON anda. Digabungkan dengan ketiadaan lapisan penolakan, itu titik akhir pengekstrakan yang memulangkan objek anda pada setiap panggilan, untuk setiap dokumen, apa jua isi dokumen itu.

Permukaan	Sokongan Kimi-K2.6	Nota
/v1/chat/completions	Ya	Dialek OpenAI — pasang terus untuk SDK sedia ada
/v1/messages	Ya	Dialek Anthropic — model sama, pemberat sama
/v1/responses	Ya	Antara muka bergaya Responses
Penstriman	Ya	Pada ketiga-tiga dialek
Panggilan alat	Ya	Asli, takrifan alat skema JSON
json_schema	Ya	Output berstruktur ketat
response_format	Ya	Mod JSON yang lebih longgar
reasoning_effort	Ya	Tala belanjawan pemikiran setiap panggilan
Input visi	Ya	Imej bersama teks

Ketiga-tiga dialek menuju pemberat yang sama pada kluster yang sama. Halakan klien OpenAI sedia ada ke URL asas, tetapkan model kepada Kimi-K2.6-W4A16-AUTOROUND-REAP, dan anda sudah berjalan. Bentuk permintaan dan respons, semantik penstriman dan taman permainan langsung ada dalam dokumentasi API.

08Di mana Kimi K2.6 ialah pilihan yang salah

Panduan model yang hanya menyenaraikan kekuatan ialah iklan. Inilah tempat kami akan hantar anda ke tempat lain.

• Anda perlukan siling mutlak pada satu laluan sukar. Pergi ke Kimi-K3 dan bayar 5x itu. Itulah tujuannya.
• Anda perlukan pendasaran visual setepat piksel. Kotak sempadan, OCR padat pada imbasan yang merosot dan pengiraan tepat dalam adegan berselerak bukan medan terkuatnya — uji pada data anda dahulu.
• Anda perlukan yang lebih murah daripada murah, tanpa visi. Beberapa model katalog duduk pada $0.50 / $2.00. Premium K2.6 membeli visi dan profil agentik Kimi; jika anda tidak perlukan kedua-duanya, ambil tingkat yang lebih murah.
• Anda perlukan lebih daripada 16,384 token output dalam satu respons. Siling itu terpakai merentasi seluruh katalog — dokumen panjang perlukan penjanaan berketul model mana pun yang anda pilih.
• Anda mahu kelakuan huluan yang tepat bit demi bit. Ini binaan yang dipangkas dan dikuantumkan: pertukaran yang disengajakan dan diterbitkan. Untuk kajian kebolehulangan, jalankan terhadap pemberat asal Moonshot.

Angka seni bina, penanda aras dan tarikh keluaran Kimi K2.6 dan K3 dilaporkan Moonshot dan ditunjukkan bagi asas huluan, bukan bagi binaan mampat kami. Angka kedudukan multimodal daripada papan pendahulu pihak ketiga yang bebas. Harga Get Laluan Shannon ialah harga senarai setakat 5 September 2026.

09Soalan lazim

---

Shannon AI dikendalikan oleh Shannon Lab LLC, New Mexico, USA. Sumber: Moonshot AI — Kimi K2 · REAP the Experts (arXiv 2510.13999) · Cerebras Research — REAP. Angka penanda aras Kimi huluan dilaporkan Moonshot dan bersifat sementara sementara menunggu pengesahan bebas; ia menerangkan asas tanpa mampatan, bukan binaan terkuantum Shannon.