Ongecensureerde Kimi K2-API

De meeste pagina's over een "goedkoop model" gaan in werkelijkheid over een klein model dat de familienaam van een groot model draagt. Deze niet. Kimi K2.6 is een volwaardig basismodel op frontier-schaal — een biljoen parameters spaarzame Mixture-of-Experts, met een native vision-encoder en een trainingsprogramma dat recht op agentisch toolgebruik mikt. Wat het tot het prijs-kwaliteitsniveau maakt, is geen kleiner brein maar een agressiever compressierecept. De vraag is dus niet "is het goed genoeg?" maar "welke taken merken werkelijk het verschil met de vijf keer duurdere verwant?" Het grootste deel van dit artikel beantwoordt dat.

01Wat is Kimi K2.6 werkelijk?

Kimi K2.6 is een open-weights-model van Moonshot AI, het lab in Peking achter de Kimi-serie, uitgebracht op 20 april 2026. Het erft de architectuur die K2 opmerkelijk maakte: een spaarzame Mixture-of-Experts-transformer met ruwweg 1 biljoen totale parameters en ongeveer 32 miljard actief per token, georganiseerd als 384 experts, 8 gerouteerd plus 1 gedeeld per laag over 61 lagen, met Multi-head Latent Attention. Slechts een klein deel van dat biljoen vuurt bij een willekeurig token — en precies daarom kan een model van dit formaat in centen worden geprijsd.

De afstamming doet ertoe vanwege waar Moonshot op optimaliseerde. De oorspronkelijke K2 werd voorgetraind op ruwweg 15.5 biljoen tokens met de optimizer Muon / MuonClip, speciaal gebouwd om een MoE van een biljoen parameters te behoeden voor de attentie-explosies en verliespieken die het trainen op die schaal destabiliseren; Moonshot rapporteerde nul trainingsinstabiliteit over de hele run. Dat ligt bovenstrooms van al het andere — het stelde hen in staat het trainingsbudget aan agentisch gedrag te besteden in plaats van aan brandjes blussen.

K2.6 breidt dat in twee richtingen uit. Ten eerste is het native multimodaal: afbeeldingen en videoframes gaan door MoonViT, een vision-encoder van ~400M parameters die een afbeelding in tegels van 448x448 verdeelt en elke tegel rechtstreeks in de tokenruimte van het taalmodel projecteert — visuele tokens zitten in dezelfde sequentie als al het andere, niet in een aangebouwde bijschriftgenerator die een blind model voedt. Ten tweede is het gebouwd voor orkestratie op diepte: het Agent Swarm-werk van Moonshot rapporteert coördinatie over maximaal 300 domeingespecialiseerde subagents en tot wel 4,000 gecoördineerde stappen in één autonome run.

Het door Moonshot gerapporteerde benchmarkprofiel

Dit zijn door Moonshot gerapporteerde cijfers voor het ongecomprimeerde K2.6-basismodel, geen metingen van ons. Nuttig voor de vorm, niet voor de precisie:

Lees de vorm, niet de cijfers. Scores met toolgebruik en zoekgedreven scores liggen hoog; scores op pure moeilijkheid liggen lager. Dat is de signatuur van een model dat is getraind om goed te handelen in plaats van alles te weten — de juiste afweging als uw agent een browser, een shell en een bestandssysteem heeft, de verkeerde als u één moeilijke vraag stelt zonder tools erbij.

02Wat W4A16-AUTOROUND-REAP betekent

Het achtervoegsel op de model-id is geen versiering. Het is het exacte compressierecept, gepubliceerd zodat u kunt beredeneren welke afweging u maakt.

• W4A16 — gewichten op 4 bits, activaties berekend op 16. Het geheugen voor gewichten daalt ruwweg 4x ten opzichte van bf16, terwijl het rekenwerk waarin de fout zich ophoopt op een precisie van 16 bits blijft. Dit is het standaard serveerpunt met hoge kwaliteit voor zeer grote MoE-modellen.
• AUTOROUND — de AutoRound-kwantiseerder van Intel. Naïef afronden op de dichtstbijzijnde waarde behandelt elk gewicht afzonderlijk en gooit informatie weg waarop het model steunde; AutoRound leert de afrondingsbeslissingen in plaats daarvan tegen kalibratiedata. Op een doel van 4 bits is dat het verschil tussen een model dat nog steeds een schema volgt en een model dat afdrijft.
• REAP — Router-weighted Expert Activation Pruning, van Cerebras Research (arXiv 2510.13999, ICLR 2026). Naar de meeste experts in een MoE wordt zelden gerouteerd. REAP geeft elke expert een score op zowel de gate-waarden van de router als de activatienormen, en verwijdert de minst saillante in één stap. Het gepubliceerde resultaat: tot 50% van de experts gesnoeid uit modellen met een biljoen parameters met grotendeels behoud van de basiskwaliteit, en snoeien dat het samenvoegen van experts verslaat op generatieve taken — samenvoegen vervaagt specialisten tot één geheel, snoeien laat gewoon de ongebruikte vallen.

In die volgorde toegepast — eerst snoeien, dan kwantiseren wat overblijft — krijgt u een model dat past en snel draait zonder de kwaliteitsinstorting die elk van beide technieken op zichzelf bij deze verhoudingen zou veroorzaken. Om onomwonden over de prijs te zijn: een gecomprimeerd model is niet bit-identiek aan het origineel. Wat het recept oplevert, is dat de verslechtering landt waar u haar waarschijnlijk niet merkt — zeldzame routeringspaden, staarten met lage kans — en niet in het volgen van instructies, de opmaak van tool-aanroepen of het naleven van een schema.

03Wat "ongecensureerd" op dit endpoint betekent

Ongecensureerd is hier een uitspraak over architectuur, niet over houding. Er is geen weigeringslaag vóór het model en geen contentfiltering op de uitvoer. Uw verzoek bereikt het basismodel en het antwoord bereikt u; niets onderschept een van beide richtingen.

Dat onderscheid doet ertoe, want "ongecensureerd" wordt losjes gebruikt. Er zitten drie afzonderlijke zaken onder dat woord gebundeld:

1. Invoerclassificatie — een apart model leest uw prompt en beslist of het hem doorlaat. Hier niet aanwezig.
2. Uitvoerfiltering — een scanner inspecteert gegenereerde tekst en kapt haar af of vervangt haar. Hier niet aanwezig.
3. De eigen neigingen van het basismodel — wat het basismodel ook maar in de training heeft geleerd. Dat is van het model, en wij beweren niet dat te hebben uitgewist.

De eerste twee zijn wat productiesystemen breekt, en dat zijn de twee die wij verwijderen. Een classifier die op 0.5% van de verzoeken afgaat, is een foutpercentage van 0.5% dat u niet kunt debuggen, niet kunt aanvechten en niet kunt zien aankomen — en over een agentlus van 200 stappen groeit een faalkans van 0.5% per stap uit tot een run die vaker mislukt dan slaagt. Een weigering in een gesprek is een ergernis; een weigering bij stap 147 van een autonome run vernietigt de toestand van de run en verbrandt alles wat u eraan besteed hebt om daar te komen. Voor agentwerklasten is het wegnemen van het weigeringsoppervlak een betrouwbaarheidseigenschap, geen stilistische voorkeur.

Het gevolg is dat de verantwoordelijkheid naar u verschuift. Er zit geen vangnet tussen uw applicatie en uw gebruikers; heeft uw product er een nodig, bouw het dan waar u het kunt zien, afstellen en loggen. Lees eerst ons beleid voor verantwoord gebruik.

04Kimi K2.6 tegenover Kimi K3: wanneer is 5x het waard?

Dit is de beslissing waarvoor de meeste lezers kwamen, dus hier is ze zonder omhaal. Kimi-K3 · 3BIT-REAP is het grotere, nieuwere basismodel: aangekondigd op 16 juli 2026 met open gewichten op 27 juli, met ruwweg 2.8 biljoen totale parameters en ongeveer 104 miljard actief per token — meer dan 3x het actieve rekenwerk van K2.6. Bovenstrooms noteert Moonshot K3 op ongeveer 5x de prijs van K2.6, en de prijzen op onze gateway volgen die verhouding.

	Kimi-K2.6 · W4A16-AUTOROUND-REAP	Kimi-K3 · 3BIT-REAP
Invoer / 1M tokens	$0.78	$3.83
Uitvoer / 1M tokens	$3.67	$19.12
Contextvenster	262,144	262,144
Max. uitvoer / verzoek	16,384	16,384
Beeldinvoer	Ja	Ja
Native tool calling	Ja	Ja
Strikt json_schema	Ja	Ja
Ongecensureerd	Ja	Ja
Actieve params / token	~32B	~104B

Kijk naar wat de tabel niet laat zien: er is geen rij waarin K3 een functie heeft die K2.6 mist. Hetzelfde venster, dezelfde maximale uitvoer, dezelfde vision, dezelfde tool calling, dezelfde gestructureerde uitvoer, dezelfde ongecensureerde houding, dezelfde drie dialecten. De 5x koopt precies één ding — ruwe capaciteit per forward pass. Dat is echt, maar het is één as, en het doet niets op de assen waar dat niet uw knelpunt is.

Specifiek het punt over het contextvenster

Bovenstrooms is het kenmerk waarmee K3 pronkt een context van 1M tokens tegenover de 262K van K2.6. Op de Shannon-gateway worden beide modellen op 262,144 tokens geserveerd. Was lange context uw reden om 5x te betalen, dan geldt die reden hier niet — u zou de premie betalen en hetzelfde venster krijgen. Dit is het soort ding dat een leverancier in de verleiding komt onvermeld te laten, en daarom staat het vet.

Betaal de 5x wanneer

• Eén poging moet landen. Eén moeilijke slag waarbij een herhaling duur of onmogelijk is — een onomkeerbare actie, een beslissing aan het eind van een lange pijplijn. Meer actieve parameters per token is precies wat het plafond van één slag verhoogt.
• De taak kennisgebonden is, niet toolgebonden. Diepe synthese waarbij het antwoord uit de gewichten moet komen. Het profiel van K2.6 is agentisch; neem de tools weg en het grotere basismodel laat zich zien.
• Het volume laag is en de inzet hoog. Bij 500 aanroepen per maand is 5x $40 in plaats van $8. Koop dan gewoon het betere model.

Betaal de 5x niet wanneer

• U een lus draait. Lange agentische runs worden gedomineerd door mechanische stappen — een bestand lezen, een tool aanroepen, een resultaat controleren, de volgende kiezen — en dat is precies waarvoor K2.6 is getraind. Bij 200 stappen is de 5x $7.71 tegenover $38.29 per run.
• U afbeeldingen op volume verwerkt. Vision-werklasten zijn zwaar in invoertokens en het redeneren per item is ondiep. Zie paragraaf 05; het scheelt aanzienlijk.
• De taak extractie, classificatie of transformatie is. Velden uit documenten halen, tickets routeren, records normaliseren, samenvatten — afgebakende taken waarbij een groter model dezelfde JSON produceert.
• U een verificatiestap hebt. Wordt de uitvoer gecontroleerd — een testsuite, een schemavalidator, een tweede slag, een mens — dan zijn incidentele missers goedkoop en pakken de economische verhoudingen beslissend uit in het voordeel van volume. Dit is het meest onderschatte argument voor het prijs-kwaliteitsniveau.

Een patroon dat een naam verdient: draai K2.6 voor de lus en K3 voor het oordeel. Laat het goedkope agentische model de honderd stappen van verzamelen, aanroepen en opstellen doen, en besteed daarna één dure aanroep aan de eindsynthese. Beide modellen spreken exact dezelfde API met hetzelfde contextvenster, dus wisselen is een wijziging van één regel in het veld model.

05Vision voor een werkbare prijs

Vision is de scherpste kant van K2.6 in deze catalogus. Van de twaalf ongecensureerde modellen op de gateway accepteren er maar vier afbeeldingen, en K2.6 is het enige dat beeldinvoer combineert met de agentische Kimi-afstamming voor onder een dollar per miljoen invoertokens.

Vision-werklasten hebben een ongebruikelijke kostenvorm. Volgens de gepubliceerde beschrijving van MoonViT door Moonshot codeert een afbeelding van 1024x1024 naar ruwweg 576 beeldtokens — en dat zijn invoertokens, de goedkope kant van de rekening. Een typische vision-taak landt vrijwel volledig op het tarief van $0.78 in plaats van dat van $3.67. Neem 10,000 afbeeldingen, elk met ~200 tokens prompt (dus ~776 invoertokens) en ~150 tokens gestructureerde uitvoer:

Werklast	Kimi-K2.6	Kimi-K3	Factor
Eén agentstap (40K in / 2K uit)	$0.0385	$0.1914	5.0x
Autonome run van 200 stappen	$7.71	$38.29	5.0x
10,000 afbeeldingen, gestructureerde uitvoer	$11.56	$58.40	5.1x
Batchtaak (1M in / 200K uit)	$1.51	$7.65	5.1x

Berekend op basis van de lijstprijzen van de Shannon-gateway. De schatting van beeldtokens gebruikt het door Moonshot gepubliceerde MoonViT-cijfer van ~576 tokens voor een afbeelding van 1024x1024; de exacte tokenisatie varieert met resolutie en beeldverhouding.

Een beeldpijplijn van $11.56 draait u dagelijks zonder erbij na te denken. Een van $58.40 plant u in, verantwoordt u, en schrapt u uiteindelijk. Dat gat is het hele argument voor een prijs-kwaliteitsniveau.

Eén eerlijke kanttekening. Op onafhankelijke ranglijsten voor multimodale en gegronde taken is K2.6 gerapporteerd rond plaats 26 van 115 modellen, met een gemiddelde nabij 68.1 — respectabel, niet toonaangevend. Zijn vision is werkelijk sterk in documentbegrip, het lezen van screenshots en interfaces, en het interpreteren van grafieken of diagrammen; het is zwakker in precieze ruimtelijke gronding — exacte bounding boxes, fijnkorrelig tellen in drukke scènes, dichte OCR van verslechterde scans. Hebt u lokalisatie tot op de pixel nodig, benchmark dan eerst op uw eigen data. Hebt u een model nodig dat naar een screenshot kijkt en besluit waar het vervolgens klikt, dan is dit onmiskenbaar het juiste gereedschap.

06Tool calling zonder weigering en agentische lussen

K2.6 ondersteunt native tool calling: het model zendt gestructureerde tool-aanroepen rechtstreeks uit op basis van de tooldefinities met JSON-schema die u aanlevert, in plaats van te worden overgehaald tot het produceren van parseerbare tekst. Met gesprekken over meerdere beurten en systeemprompts is dat het volledige substraat voor een agentlus.

Wat "tool calling zonder weigering" toevoegt, is subtieler dan het klinkt. Op een gefilterde API duiken weigeringen binnen een agentlus op in drie verschillende faalvormen:

• Harde weigering — de stap geeft proza terug in plaats van een tool-aanroep, de parser faalt, de lus breekt. Op zijn minst luidruchtig.
• Zachte weigering — de aanroep wordt gedaan maar de argumenten worden ingehouden: een versmalde query, een omfloerste parameter, een afgekapte payload. De lus loopt door met een stilletjes verslechterde toestand en u komt er vier stappen later achter.
• Preventieve ontwijking — het plan stuurt weg van een legitieme aftakking voordat het er in de buurt komt. Deze ziet u nooit; u krijgt gewoon een slechter plan en geen uitleg.

De tweede en de derde zijn de dure, want ze zijn onzichtbaar: geen fout, niets in de logs, niets om op te grepen. Een endpoint zonder weigeringslaag verwijdert de hele klasse — de argumenten van de tool-aanroep van het model zijn de argumenten van de tool-aanroep van het model.

Dit doet het meest ter zake in de domeinen die lange autonome runs nodig hebben en toch al gevoelig materiaal raken: beveiligingsonderzoek en red-teaming, malware- en incidentanalyse, verwerking van klinische documenten, juridische discovery, en moderatiegereedschap dat moet redeneren over de content die het modereert. Een moderatieclassifier bouwen vereist een model dat bereid is te kijken naar wat het classificeert; dat is geen paradox, dat is gewoon het werk.

Praktische noten voor lange runs: met reasoning_effort besteedt u meer denkwerk aan planningsstappen en minder aan mechanische. Streaming is beschikbaar op alle drie de dialecten, zodat een lange stap voortgang kan tonen of vroegtijdig kan worden afgebroken. En 262,144 tokens context houdt echte werktoestand — bestandsinhoud, eerdere toolresultaten, een lopend plan — over veel stappen paraat zonder elke beurt opnieuw samen te vatten, op zichzelf een veelvoorkomende bron van afdrijvende agents.

07Gestructureerde uitvoer en de drie API-dialecten

K2.6 ondersteunt zowel json_schema (strikt door een schema begrensde generatie) als het lossere response_format. Zet dat af tegen de catalogus: twee van de twaalf modellen hier ondersteunen geen strikte schema-uitvoer, en als uw volgende pijplijnfase JSON parseert, is die kolom niet optioneel.

Strikte schema-uitvoer is wat een ongecensureerd model bruikbaar maakt als infrastructuur: moet het model een object uitzenden dat aan uw schema voldoet, dan krijgt u een parseergarantie los van wat het anders gezegd zou hebben — geen inleiding, geen excuus, geen alinea om uw JSON heen. Gecombineerd met geen weigeringslaag is dat een extractie-endpoint dat bij elke aanroep uw object teruggeeft, voor elk document, waar dat document ook over gaat.

Oppervlak	Ondersteuning Kimi-K2.6	Opmerkingen
/v1/chat/completions	Ja	OpenAI-dialect — direct bruikbaar met bestaande SDK's
/v1/messages	Ja	Anthropic-dialect — hetzelfde model, dezelfde gewichten
/v1/responses	Ja	Interface in Responses-stijl
Streaming	Ja	Op alle drie de dialecten
Tool calling	Ja	Native, tooldefinities met JSON-schema
json_schema	Ja	Strikte gestructureerde uitvoer
response_format	Ja	Lossere JSON-modus
reasoning_effort	Ja	Stel het denkbudget per aanroep af
Beeldinvoer	Ja	Afbeeldingen naast tekst

Alle drie de dialecten spreken dezelfde gewichten op hetzelfde cluster aan. Richt een bestaande OpenAI-client op de base-URL, zet model op Kimi-K2.6-W4A16-AUTOROUND-REAP, en u draait. De vorm van verzoeken en antwoorden, de streamingsemantiek en een live playground staan in de API-documentatie.

08Waar Kimi K2.6 de verkeerde keuze is

Een modelgids die alleen sterke punten opsomt, is een advertentie. Hier is waar wij u ergens anders heen zouden sturen.

• U het absolute plafond nodig hebt op één moeilijke slag. Ga naar Kimi-K3 en betaal de 5x. Daarvoor is het bedoeld.
• U visuele gronding tot op de pixel nodig hebt. Bounding boxes, dichte OCR op verslechterde scans en exact tellen in drukke scènes zijn niet zijn sterkste terrein — test eerst op uw data.
• U goedkoper dan goedkoop nodig hebt, zonder vision. Meerdere modellen in de catalogus zitten op $0.50 / $2.00. De premie van K2.6 koopt vision en het agentische Kimi-profiel; hebt u geen van beide nodig, neem dan het goedkopere niveau.
• U meer dan 16,384 uitvoertokens in één antwoord nodig hebt. Dat plafond geldt voor de hele catalogus — lange documenten vragen om generatie in stukken, welk model u ook kiest.
• U bit-exact bovenstrooms gedrag wilt. Dit is een gesnoeide en gekwantiseerde build: een bewuste, gepubliceerde afweging. Draai voor een reproduceerbaarheidsstudie tegen de originele gewichten van Moonshot.

De cijfers over architectuur, benchmarks en uitgiftedata van Kimi K2.6 en K3 zijn door Moonshot gerapporteerd en gelden voor het bovenstroomse basismodel, niet voor onze gecomprimeerde build. Het cijfer over de multimodale rangschikking komt van een onafhankelijke ranglijst van derden. De prijzen op de Shannon-gateway zijn lijstprijzen per 5 september 2026.

09Veelgestelde vragen

---

Shannon AI wordt geëxploiteerd door Shannon Lab LLC, New Mexico, VS. Bronnen: Moonshot AI — Kimi K2 · REAP the Experts (arXiv 2510.13999) · Cerebras Research — REAP. De bovenstroomse benchmarkcijfers van Kimi zijn door Moonshot gerapporteerd en voorlopig, in afwachting van onafhankelijke verificatie; ze beschrijven het ongecomprimeerde basismodel, niet Shannons gekwantiseerde build.