ਬਿਨਾਂ ਸੈਂਸਰ Kimi K2 API
Moonshot ਦੀ ਖਰਬ-ਪੈਰਾਮੀਟਰ ਏਜੰਟ ਬੁਨਿਆਦ ਉੱਤੇ ਵਿਜ਼ਨ, ਮੂਲ ਟੂਲ ਕਾਲਿੰਗ ਅਤੇ 262K ਵਿੰਡੋ — ਬਿਨਾਂ ਸੈਂਸਰ, ਪ੍ਰਤੀ ਦਸ ਲੱਖ ਟੋਕਨ $0.78 ਅੰਦਰ / $3.67 ਬਾਹਰ।
ਸਾਰ
Kimi-K2.6 · W4A16-AUTOROUND-REAP Shannon ਗੇਟਵੇ ਉੱਤੇ Kimi ਪਰਿਵਾਰ ਦਾ ਮੁੱਲ ਵਾਲਾ ਦਰਜਾ ਹੈ। ਇਹ Moonshot AI ਦਾ 1 ਖਰਬ ਪੈਰਾਮੀਟਰਾਂ ਵਾਲਾ ਏਜੰਟ MoE ਹੈ — ਉਹ ਮਾਡਲ ਜੋ ਲੰਮੇ ਟੂਲ-ਵਰਤੋਂ ਲੂਪਾਂ ਲਈ ਬਣਿਆ ਸੀ — ਜੋ ਬਿਨਾਂ ਸੈਂਸਰ ਪਰੋਸਿਆ ਜਾਂਦਾ ਹੈ, ਚਿੱਤਰ ਇਨਪੁੱਟ, ਮੂਲ ਟੂਲ ਕਾਲਿੰਗ, ਸਖ਼ਤ JSON-ਸਕੀਮਾ ਆਊਟਪੁੱਟ ਅਤੇ 262,144-ਟੋਕਨ ਸੰਦਰਭ ਨਾਲ, ਪ੍ਰਤੀ ਦਸ ਲੱਖ ਟੋਕਨ $0.78 / $3.67 ਉੱਤੇ। ਇਸਦੇ ਭਰਾ ਮਾਡਲ Kimi-K3 ਦੀ ਕੀਮਤ ਲਗਭਗ 5 ਗੁਣਾ ਵੱਧ ਹੈ। ਭਾਗ 04 ਇਸਦਾ ਈਮਾਨਦਾਰ ਲੇਖਾ ਹੈ ਕਿ ਉਹ 5 ਗੁਣਾ ਕਦੋਂ ਤੁਹਾਨੂੰ ਕੁਝ ਦਿੰਦਾ ਹੈ ਅਤੇ ਕਦੋਂ ਕੁਝ ਨਹੀਂ।
ਬਹੁਤੇ "ਸਸਤੇ ਮਾਡਲ" ਵਾਲੇ ਸਫ਼ੇ ਅਸਲ ਵਿੱਚ ਵੱਡੇ ਮਾਡਲ ਦਾ ਪਰਿਵਾਰਕ ਨਾਂ ਪਹਿਨੇ ਛੋਟੇ ਮਾਡਲ ਬਾਰੇ ਹੁੰਦੇ ਹਨ। ਇਹ ਸਫ਼ਾ ਉਹ ਨਹੀਂ। Kimi K2.6 ਪੂਰੀ ਮੋਹਰਲੀ ਕਤਾਰ ਵਾਲੀ ਬੁਨਿਆਦ ਹੈ — ਇੱਕ ਖਰਬ ਪੈਰਾਮੀਟਰਾਂ ਦਾ ਵਿਰਲਾ ਮਾਹਰਾਂ-ਦਾ-ਮਿਸ਼ਰਣ, ਨਾਲ ਮੂਲ ਵਿਜ਼ਨ ਏਨਕੋਡਰ ਅਤੇ ਅਜਿਹਾ ਸਿਖਲਾਈ ਪ੍ਰੋਗਰਾਮ ਜਿਸਦਾ ਨਿਸ਼ਾਨਾ ਸਿੱਧਾ ਏਜੰਟ ਵਾਲੀ ਟੂਲ ਵਰਤੋਂ ਹੈ। ਇਸਨੂੰ ਮੁੱਲ ਵਾਲਾ ਦਰਜਾ ਕੋਈ ਛੋਟਾ ਦਿਮਾਗ਼ ਨਹੀਂ ਸਗੋਂ ਵੱਧ ਸਖ਼ਤ ਸੰਕੁਚਨ ਵਿਧੀ ਬਣਾਉਂਦੀ ਹੈ। ਸੋ ਸਵਾਲ ਇਹ ਨਹੀਂ ਕਿ "ਕੀ ਇਹ ਕਾਫ਼ੀ ਵਧੀਆ ਹੈ?" ਸਗੋਂ ਇਹ ਹੈ ਕਿ "ਕਿਹੜੇ ਕੰਮ ਅਸਲ ਵਿੱਚ ਇਸ ਵਿੱਚ ਅਤੇ ਇਸਦੇ 5 ਗੁਣਾ ਮਹਿੰਗੇ ਭਰਾ ਵਿੱਚ ਫ਼ਰਕ ਮਹਿਸੂਸ ਕਰਦੇ ਹਨ?" ਇਸ ਲੇਖ ਦਾ ਬਹੁਤਾ ਹਿੱਸਾ ਇਸੇ ਦਾ ਜਵਾਬ ਦਿੰਦਾ ਹੈ।
01Kimi K2.6 ਅਸਲ ਵਿੱਚ ਹੈ ਕੀ?
Kimi K2.6, Kimi ਲੜੀ ਪਿੱਛੇ ਖੜ੍ਹੀ ਬੀਜਿੰਗ ਦੀ ਲੈਬ Moonshot AI ਦਾ ਖੁੱਲ੍ਹੇ-ਵਜ਼ਨ ਵਾਲਾ ਮਾਡਲ ਹੈ, ਜੋ 20 ਅਪ੍ਰੈਲ 2026 ਨੂੰ ਜਾਰੀ ਹੋਇਆ। ਇਹ ਉਹੀ ਢਾਂਚਾ ਵਿਰਸੇ ਵਿੱਚ ਲੈਂਦਾ ਹੈ ਜਿਸਨੇ K2 ਨੂੰ ਖ਼ਾਸ ਬਣਾਇਆ ਸੀ: ਇੱਕ ਵਿਰਲਾ ਮਾਹਰਾਂ-ਦਾ-ਮਿਸ਼ਰਣ ਟ੍ਰਾਂਸਫ਼ਾਰਮਰ, ਲਗਭਗ 1 ਖਰਬ ਕੁੱਲ ਪੈਰਾਮੀਟਰ ਅਤੇ ਪ੍ਰਤੀ ਟੋਕਨ ਲਗਭਗ 32 ਅਰਬ ਸਰਗਰਮ, ਜੋ 61 ਪਰਤਾਂ ਵਿੱਚ ਪ੍ਰਤੀ ਪਰਤ 384 ਮਾਹਰ, 8 ਰਾਊਟ ਕੀਤੇ ਨਾਲ 1 ਸਾਂਝਾ ਵਜੋਂ ਸੰਗਠਿਤ ਹੈ, ਅਤੇ ਨਾਲ Multi-head Latent Attention ਹੈ। ਕਿਸੇ ਵੀ ਟੋਕਨ ਉੱਤੇ ਉਸ ਖਰਬ ਦਾ ਸਿਰਫ਼ ਛੋਟਾ ਹਿੱਸਾ ਹੀ ਚੱਲਦਾ ਹੈ — ਅਤੇ ਇਸੇ ਕਰਕੇ ਏਨੇ ਵੱਡੇ ਮਾਡਲ ਦੀ ਕੀਮਤ ਸੈਂਟਾਂ ਵਿੱਚ ਰੱਖੀ ਜਾ ਸਕਦੀ ਹੈ।
ਵੰਸ਼ਾਵਲੀ ਇਸ ਲਈ ਮਾਅਨੇ ਰੱਖਦੀ ਹੈ ਕਿ Moonshot ਨੇ ਕਿਸ ਚੀਜ਼ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਇਆ। ਅਸਲੀ K2 ਨੂੰ ਲਗਭਗ 15.5 ਖਰਬ ਟੋਕਨਾਂ ਉੱਤੇ Muon / MuonClip ਆਪਟੀਮਾਈਜ਼ਰ ਨਾਲ ਪ੍ਰੀ-ਟ੍ਰੇਨ ਕੀਤਾ ਗਿਆ ਸੀ, ਜੋ ਖ਼ਾਸ ਤੌਰ ਉੱਤੇ ਇਸ ਲਈ ਬਣਾਇਆ ਗਿਆ ਸੀ ਕਿ ਖਰਬ-ਪੈਰਾਮੀਟਰ MoE ਉਨ੍ਹਾਂ ਧਿਆਨ ਦੇ ਧਮਾਕਿਆਂ ਅਤੇ ਹਾਨੀ ਦੇ ਉਛਾਲਾਂ ਤੋਂ ਬਚੇ ਜੋ ਏਨੇ ਪੈਮਾਨੇ ਉੱਤੇ ਸਿਖਲਾਈ ਡਗਮਗਾ ਦਿੰਦੇ ਹਨ; Moonshot ਨੇ ਪੂਰੀ ਦੌੜ ਵਿੱਚ ਸਿਖਲਾਈ ਦੀ ਸਿਫ਼ਰ ਅਸਥਿਰਤਾ ਦੱਸੀ। ਇਹੀ ਗੱਲ ਬਾਕੀ ਸਭ ਦੇ ਉੱਪਰ ਬੈਠੀ ਹੈ — ਇਸੇ ਕਰਕੇ ਉਹ ਸਿਖਲਾਈ ਦਾ ਬਜਟ ਅੱਗ ਬੁਝਾਉਣ ਦੀ ਥਾਂ ਏਜੰਟ ਵਾਲੇ ਵਿਹਾਰ ਉੱਤੇ ਖ਼ਰਚ ਸਕੇ।
K2.6 ਇਸਨੂੰ ਦੋ ਦਿਸ਼ਾਵਾਂ ਵਿੱਚ ਅੱਗੇ ਵਧਾਉਂਦਾ ਹੈ। ਪਹਿਲਾ, ਇਹ ਮੂਲ ਰੂਪ ਵਿੱਚ ਬਹੁ-ਮਾਧਿਅਮੀ ਹੈ: ਚਿੱਤਰ ਅਤੇ ਵੀਡੀਓ ਫ਼ਰੇਮ MoonViT ਵਿੱਚੋਂ ਲੰਘਦੇ ਹਨ, ਜੋ ਲਗਭਗ 400M ਪੈਰਾਮੀਟਰਾਂ ਵਾਲਾ ਵਿਜ਼ਨ ਏਨਕੋਡਰ ਹੈ ਅਤੇ ਚਿੱਤਰ ਨੂੰ 448x448 ਪੈਚਾਂ ਵਿੱਚ ਵੰਡ ਕੇ ਹਰ ਟਾਈਲ ਨੂੰ ਸਿੱਧਾ ਭਾਸ਼ਾ ਮਾਡਲ ਦੀ ਟੋਕਨ ਥਾਂ ਵਿੱਚ ਪੇਸ਼ ਕਰਦਾ ਹੈ — ਦ੍ਰਿਸ਼ ਟੋਕਨ ਬਾਕੀ ਸਭ ਵਾਲੀ ਹੀ ਲੜੀ ਵਿੱਚ ਬੈਠਦੇ ਹਨ, ਨਾ ਕਿ ਕਿਸੇ ਅੰਨ੍ਹੇ ਮਾਡਲ ਨੂੰ ਖੁਆਉਣ ਵਾਲੇ ਬਾਹਰੋਂ ਜੋੜੇ ਕੈਪਸ਼ਨਰ ਵਿੱਚ। ਦੂਜਾ, ਇਹ ਡੂੰਘਾਈ ਉੱਤੇ ਆਰਕੈਸਟ੍ਰੇਸ਼ਨ ਲਈ ਬਣਿਆ ਹੈ: Moonshot ਦੇ Agent Swarm ਕੰਮ ਵਿੱਚ 300 ਤੱਕ ਖੇਤਰ-ਵਿਸ਼ੇਸ਼ ਉਪ-ਏਜੰਟਾਂ ਵਿਚਕਾਰ ਤਾਲਮੇਲ ਅਤੇ ਇੱਕੋ ਖ਼ੁਦਮੁਖ਼ਤਿਆਰ ਦੌੜ ਵਿੱਚ 4,000 ਤੱਕ ਤਾਲਮੇਲ ਵਾਲੇ ਕਦਮ ਦੱਸੇ ਗਏ ਹਨ।
Moonshot ਵੱਲੋਂ ਦੱਸਿਆ ਬੈਂਚਮਾਰਕ ਖ਼ਾਕਾ
ਇਹ ਬਿਨਾਂ ਸੰਕੁਚਿਤ K2.6 ਬੁਨਿਆਦ ਲਈ Moonshot ਵੱਲੋਂ ਦੱਸੇ ਅੰਕੜੇ ਹਨ, ਸਾਡੀਆਂ ਮਿਣਤੀਆਂ ਨਹੀਂ। ਸ਼ਕਲ ਸਮਝਣ ਲਈ ਕੰਮ ਦੇ, ਸ਼ੁੱਧਤਾ ਲਈ ਨਹੀਂ:
ਸ਼ਕਲ ਪੜ੍ਹੋ, ਅੰਕ ਨਹੀਂ। ਟੂਲ ਵਰਤਣ ਅਤੇ ਖੋਜ ਨਾਲ ਚੱਲਣ ਵਾਲੇ ਅੰਕ ਉੱਚੇ ਬੈਠਦੇ ਹਨ; ਨਿਰੋਲ ਔਖ ਵਾਲੇ ਅੰਕ ਹੇਠਾਂ। ਇਹ ਉਸ ਮਾਡਲ ਦੀ ਪਛਾਣ ਹੈ ਜਿਸਨੂੰ ਸਭ ਕੁਝ ਜਾਣਨ ਦੀ ਥਾਂ ਚੰਗੀ ਤਰ੍ਹਾਂ ਕਰਨ ਦੀ ਸਿਖਲਾਈ ਦਿੱਤੀ ਗਈ — ਸਹੀ ਸੌਦਾ ਜੇ ਤੁਹਾਡੇ ਏਜੰਟ ਕੋਲ ਬਰਾਊਜ਼ਰ, ਸ਼ੈੱਲ ਅਤੇ ਫ਼ਾਈਲ ਸਿਸਟਮ ਹੈ, ਅਤੇ ਗ਼ਲਤ ਸੌਦਾ ਜੇ ਤੁਸੀਂ ਬਿਨਾਂ ਕਿਸੇ ਟੂਲ ਦੇ ਇੱਕੋ ਔਖਾ ਸਵਾਲ ਪੁੱਛ ਰਹੇ ਹੋ।
02W4A16-AUTOROUND-REAP ਦਾ ਕੀ ਮਤਲਬ ਹੈ
ਮਾਡਲ id ਉੱਤੇ ਲੱਗਾ ਪਿਛੇਤਰ ਸਜਾਵਟ ਨਹੀਂ। ਇਹ ਸਹੀ-ਸਹੀ ਸੰਕੁਚਨ ਵਿਧੀ ਹੈ, ਜੋ ਇਸ ਲਈ ਛਾਪੀ ਗਈ ਹੈ ਕਿ ਤੁਸੀਂ ਆਪਣੇ ਕੀਤੇ ਸੌਦੇ ਬਾਰੇ ਸੋਚ ਸਕੋ।
- W4A16 — ਵਜ਼ਨ 4 ਬਿੱਟ ਉੱਤੇ, ਐਕਟੀਵੇਸ਼ਨ 16 ਉੱਤੇ ਗਿਣੀਆਂ ਜਾਂਦੀਆਂ ਹਨ। ਵਜ਼ਨ ਦੀ ਮੈਮੋਰੀ bf16 ਦੇ ਮੁਕਾਬਲੇ ਲਗਭਗ 4 ਗੁਣਾ ਘਟ ਜਾਂਦੀ ਹੈ ਜਦਕਿ ਜੋ ਗਣਿਤ ਗ਼ਲਤੀ ਇਕੱਠੀ ਕਰਦਾ ਹੈ ਉਹ 16-ਬਿੱਟ ਸ਼ੁੱਧਤਾ ਉੱਤੇ ਹੀ ਰਹਿੰਦਾ ਹੈ। ਬਹੁਤ ਵੱਡੇ MoE ਮਾਡਲਾਂ ਲਈ ਪਰੋਸਣ ਦਾ ਇਹੀ ਮਿਆਰੀ ਉੱਚ-ਗੁਣਵੱਤਾ ਬਿੰਦੂ ਹੈ।
- AUTOROUND — Intel ਦਾ AutoRound ਕੁਆਂਟਾਈਜ਼ਰ। ਸਾਦੀ ਨੇੜਲੇ-ਮੁੱਲ ਰਾਊਂਡਿੰਗ ਹਰ ਵਜ਼ਨ ਨੂੰ ਵੱਖਰਾ ਮੰਨਦੀ ਹੈ ਅਤੇ ਉਹ ਜਾਣਕਾਰੀ ਸੁੱਟ ਦਿੰਦੀ ਹੈ ਜਿਸ ਉੱਤੇ ਮਾਡਲ ਟੇਕ ਰੱਖਦਾ ਸੀ; AutoRound ਇਸਦੀ ਥਾਂ ਕੈਲੀਬ੍ਰੇਸ਼ਨ ਡੇਟਾ ਦੇ ਮੁਕਾਬਲੇ ਰਾਊਂਡਿੰਗ ਦੇ ਫ਼ੈਸਲੇ ਸਿੱਖਦਾ ਹੈ। 4-ਬਿੱਟ ਨਿਸ਼ਾਨੇ ਉੱਤੇ ਇਹੀ ਫ਼ਰਕ ਹੈ ਉਸ ਮਾਡਲ ਵਿੱਚ ਜੋ ਹਾਲੇ ਵੀ ਸਕੀਮੇ ਦਾ ਪਾਲਣ ਕਰਦਾ ਹੈ ਅਤੇ ਉਸ ਵਿੱਚ ਜੋ ਖਿਸਕ ਜਾਂਦਾ ਹੈ।
- REAP — Router-weighted Expert Activation Pruning, Cerebras Research ਵੱਲੋਂ (arXiv 2510.13999, ICLR 2026)। MoE ਦੇ ਬਹੁਤੇ ਮਾਹਰਾਂ ਵੱਲ ਘੱਟ ਹੀ ਰਾਊਟ ਹੁੰਦਾ ਹੈ। REAP ਹਰ ਮਾਹਰ ਨੂੰ ਉਸਦੇ ਰਾਊਟਰ ਗੇਟ ਮੁੱਲਾਂ ਅਤੇ ਉਸਦੇ ਐਕਟੀਵੇਸ਼ਨ ਨੌਰਮਾਂ, ਦੋਵਾਂ ਉੱਤੇ ਅੰਕ ਦਿੰਦਾ ਹੈ, ਫਿਰ ਇੱਕੋ ਵਾਰੀ ਵਿੱਚ ਸਭ ਤੋਂ ਘੱਟ ਅਹਿਮ ਮਾਹਰ ਹਟਾ ਦਿੰਦਾ ਹੈ। ਛਾਪਿਆ ਨਤੀਜਾ: ਖਰਬ-ਪੈਰਾਮੀਟਰ ਮਾਡਲਾਂ ਵਿੱਚੋਂ 50% ਤੱਕ ਮਾਹਰ ਛਾਂਗੇ ਜਾਣ ਦੇ ਬਾਵਜੂਦ ਬੁਨਿਆਦੀ ਗੁਣਵੱਤਾ ਵੱਡੇ ਪੱਧਰ ਉੱਤੇ ਕਾਇਮ ਰਹਿੰਦੀ ਹੈ, ਅਤੇ ਪੈਦਾਵਾਰੀ ਕੰਮਾਂ ਉੱਤੇ ਛਾਂਗਣਾ ਮਾਹਰਾਂ ਨੂੰ ਰਲਾਉਣ ਨਾਲੋਂ ਬਿਹਤਰ ਨਿਕਲਦਾ ਹੈ — ਰਲਾਉਣਾ ਮਾਹਰਾਂ ਨੂੰ ਆਪਸ ਵਿੱਚ ਧੁੰਦਲਾ ਕਰ ਦਿੰਦਾ ਹੈ, ਛਾਂਗਣਾ ਸਿਰਫ਼ ਅਣਵਰਤੇ ਸੁੱਟ ਦਿੰਦਾ ਹੈ।
ਇਸੇ ਤਰਤੀਬ ਵਿੱਚ ਲਾਗੂ ਕਰੋ — ਪਹਿਲਾਂ ਛਾਂਗੋ, ਫਿਰ ਜੋ ਬਚੇ ਉਸਨੂੰ ਕੁਆਂਟਾਈਜ਼ ਕਰੋ — ਤਾਂ ਅਜਿਹਾ ਮਾਡਲ ਮਿਲਦਾ ਹੈ ਜੋ ਸਮਾ ਵੀ ਜਾਂਦਾ ਹੈ ਤੇ ਤੇਜ਼ ਵੀ ਚੱਲਦਾ ਹੈ, ਬਿਨਾਂ ਉਸ ਗੁਣਵੱਤਾ ਦੇ ਢਹਿਣ ਦੇ ਜੋ ਇਨ੍ਹਾਂ ਅਨੁਪਾਤਾਂ ਉੱਤੇ ਇਕੱਲਾ ਕੋਈ ਇੱਕ ਤਰੀਕਾ ਪੈਦਾ ਕਰ ਦਿੰਦਾ। ਕੀਮਤ ਬਾਰੇ ਸਿੱਧੀ ਗੱਲ: ਸੰਕੁਚਿਤ ਮਾਡਲ ਅਸਲ ਨਾਲ ਬਿੱਟ-ਦਰ-ਬਿੱਟ ਇੱਕੋ ਜਿਹਾ ਨਹੀਂ ਹੁੰਦਾ। ਇਹ ਵਿਧੀ ਜੋ ਖ਼ਰੀਦਦੀ ਹੈ ਉਹ ਇਹ ਹੈ ਕਿ ਵਿਗਾੜ ਉੱਥੇ ਪੈਂਦਾ ਹੈ ਜਿੱਥੇ ਤੁਹਾਨੂੰ ਪਤਾ ਲੱਗਣ ਦੀ ਸੰਭਾਵਨਾ ਘੱਟ ਹੈ — ਵਿਰਲੇ ਰਾਊਟਿੰਗ ਰਾਹ, ਘੱਟ-ਸੰਭਾਵਨਾ ਵਾਲੀਆਂ ਟੋਕਨ ਪੂਛਾਂ — ਨਾ ਕਿ ਹਦਾਇਤ ਮੰਨਣ, ਟੂਲ-ਕਾਲ ਦੀ ਬਣਤਰ, ਜਾਂ ਸਕੀਮੇ ਦੇ ਪਾਲਣ ਵਿੱਚ।
03ਇਸ ਐਂਡਪੁਆਇੰਟ ਉੱਤੇ "ਬਿਨਾਂ ਸੈਂਸਰ" ਦਾ ਕੀ ਮਤਲਬ ਹੈ
ਇੱਥੇ ਬਿਨਾਂ ਸੈਂਸਰ ਹੋਣਾ ਢਾਂਚੇ ਬਾਰੇ ਬਿਆਨ ਹੈ, ਰਵੱਈਏ ਬਾਰੇ ਨਹੀਂ। ਮਾਡਲ ਦੇ ਅੱਗੇ ਕੋਈ ਇਨਕਾਰ ਪਰਤ ਨਹੀਂ ਹੈ ਅਤੇ ਉਸਦੀ ਆਊਟਪੁੱਟ ਉੱਤੇ ਕੋਈ ਸਮੱਗਰੀ ਫਿਲਟਰਿੰਗ ਨਹੀਂ। ਤੁਹਾਡੀ ਬੇਨਤੀ ਬੁਨਿਆਦ ਤੱਕ ਪਹੁੰਚਦੀ ਹੈ ਅਤੇ ਉਸਦਾ ਜਵਾਬ ਤੁਹਾਡੇ ਤੱਕ; ਕੋਈ ਵੀ ਚੀਜ਼ ਕਿਸੇ ਪਾਸੇ ਵਿਚਾਲੇ ਨਹੀਂ ਪੈਂਦੀ।
ਇਹ ਫ਼ਰਕ ਮਾਅਨੇ ਰੱਖਦਾ ਹੈ, ਕਿਉਂਕਿ "ਬਿਨਾਂ ਸੈਂਸਰ" ਢਿੱਲੇ ਢੰਗ ਨਾਲ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ। ਇਸ ਸ਼ਬਦ ਹੇਠ ਤਿੰਨ ਵੱਖਰੀਆਂ ਚੀਜ਼ਾਂ ਬੰਨ੍ਹ ਦਿੱਤੀਆਂ ਜਾਂਦੀਆਂ ਹਨ:
- ਇਨਪੁੱਟ ਵਰਗੀਕਰਨ — ਇੱਕ ਵੱਖਰਾ ਮਾਡਲ ਤੁਹਾਡਾ ਪ੍ਰੌਂਪਟ ਪੜ੍ਹ ਕੇ ਤੈਅ ਕਰਦਾ ਹੈ ਕਿ ਇਸਨੂੰ ਲੰਘਣ ਦੇਣਾ ਹੈ ਜਾਂ ਨਹੀਂ। ਇੱਥੇ ਮੌਜੂਦ ਨਹੀਂ।
- ਆਊਟਪੁੱਟ ਫਿਲਟਰਿੰਗ — ਇੱਕ ਸਕੈਨਰ ਪੈਦਾ ਹੋਈ ਲਿਖਤ ਦੀ ਜਾਂਚ ਕਰਕੇ ਉਸਨੂੰ ਕੱਟ ਜਾਂ ਬਦਲ ਦਿੰਦਾ ਹੈ। ਇੱਥੇ ਮੌਜੂਦ ਨਹੀਂ।
- ਬੁਨਿਆਦ ਦੇ ਆਪਣੇ ਰੁਝਾਨ — ਜੋ ਵੀ ਬੁਨਿਆਦੀ ਮਾਡਲ ਨੇ ਸਿਖਲਾਈ ਵਿੱਚ ਸਿੱਖਿਆ। ਉਹ ਮਾਡਲ ਦਾ ਆਪਣਾ ਹੈ, ਅਤੇ ਅਸੀਂ ਇਹ ਦਾਅਵਾ ਨਹੀਂ ਕਰਦੇ ਕਿ ਅਸੀਂ ਉਸਨੂੰ ਮਿਟਾ ਦਿੱਤਾ ਹੈ।
ਪਹਿਲੀਆਂ ਦੋ ਹੀ ਪ੍ਰੋਡਕਸ਼ਨ ਪ੍ਰਣਾਲੀਆਂ ਤੋੜਦੀਆਂ ਹਨ, ਅਤੇ ਇਹੀ ਦੋ ਅਸੀਂ ਹਟਾਉਂਦੇ ਹਾਂ। ਜੋ ਵਰਗੀਕਾਰ 0.5% ਬੇਨਤੀਆਂ ਉੱਤੇ ਚੱਲਦਾ ਹੈ ਉਹ 0.5% ਨਾਕਾਮੀ ਦਰ ਹੈ ਜਿਸਨੂੰ ਤੁਸੀਂ ਨਾ ਡੀਬੱਗ ਕਰ ਸਕਦੇ ਹੋ, ਨਾ ਉਸਦੀ ਅਪੀਲ ਕਰ ਸਕਦੇ ਹੋ, ਨਾ ਪਹਿਲਾਂ ਵੇਖ ਸਕਦੇ ਹੋ — ਅਤੇ 200 ਕਦਮਾਂ ਵਾਲੇ ਏਜੰਟ ਲੂਪ ਵਿੱਚ, ਪ੍ਰਤੀ ਕਦਮ 0.5% ਨਾਕਾਮੀ ਜੁੜ ਕੇ ਅਜਿਹੀ ਦੌੜ ਬਣ ਜਾਂਦੀ ਹੈ ਜੋ ਕਾਮਯਾਬ ਹੋਣ ਨਾਲੋਂ ਵੱਧ ਵਾਰ ਫ਼ੇਲ੍ਹ ਹੁੰਦੀ ਹੈ। ਗੱਲਬਾਤ ਵਿੱਚ ਇਨਕਾਰ ਖਿਝ ਹੈ; ਖ਼ੁਦਮੁਖ਼ਤਿਆਰ ਦੌੜ ਦੇ 147ਵੇਂ ਕਦਮ ਉੱਤੇ ਇਨਕਾਰ ਦੌੜ ਦੀ ਸਾਰੀ ਹਾਲਤ ਤਬਾਹ ਕਰ ਦਿੰਦਾ ਹੈ ਅਤੇ ਉੱਥੇ ਤੱਕ ਪਹੁੰਚਣ ਲਈ ਖ਼ਰਚਿਆ ਸਭ ਕੁਝ ਸਾੜ ਦਿੰਦਾ ਹੈ। ਏਜੰਟ ਵਾਲੇ ਕੰਮਾਂ ਲਈ ਇਨਕਾਰ ਵਾਲੀ ਸਤਹ ਹਟਾਉਣਾ ਭਰੋਸੇਯੋਗਤਾ ਦਾ ਗੁਣ ਹੈ, ਸ਼ੈਲੀ ਦੀ ਪਸੰਦ ਨਹੀਂ।
ਇਸਦਾ ਸਿੱਟਾ ਇਹ ਹੈ ਕਿ ਜ਼ਿੰਮੇਵਾਰੀ ਤੁਹਾਡੇ ਵੱਲ ਆ ਜਾਂਦੀ ਹੈ। ਤੁਹਾਡੀ ਐਪਲੀਕੇਸ਼ਨ ਅਤੇ ਤੁਹਾਡੇ ਵਰਤੋਂਕਾਰਾਂ ਵਿਚਕਾਰ ਕੋਈ ਸੁਰੱਖਿਆ ਜਾਲ ਨਹੀਂ; ਜੇ ਤੁਹਾਡੇ ਉਤਪਾਦ ਨੂੰ ਇੱਕ ਚਾਹੀਦਾ ਹੈ, ਤਾਂ ਉਹ ਉੱਥੇ ਬਣਾਓ ਜਿੱਥੇ ਤੁਸੀਂ ਉਸਨੂੰ ਵੇਖ, ਸੁਧਾਰ ਅਤੇ ਲੌਗ ਕਰ ਸਕੋ। ਪਹਿਲਾਂ ਸਾਡੀ ਜ਼ਿੰਮੇਵਾਰ ਵਰਤੋਂ ਨੀਤੀ ਪੜ੍ਹੋ।
04Kimi K2.6 ਬਨਾਮ Kimi K3: 5 ਗੁਣਾ ਕਦੋਂ ਵਸੂਲ ਹੁੰਦਾ ਹੈ?
ਬਹੁਤੇ ਪਾਠਕ ਇਸੇ ਫ਼ੈਸਲੇ ਲਈ ਆਏ ਹਨ, ਸੋ ਇਹ ਰਿਹਾ ਬਿਨਾਂ ਗੋਲ-ਮੋਲ ਦੇ। Kimi-K3 · 3BIT-REAP ਵੱਡੀ, ਨਵੀਂ ਬੁਨਿਆਦ ਹੈ: 16 ਜੁਲਾਈ 2026 ਨੂੰ ਐਲਾਨੀ ਗਈ ਅਤੇ 27 ਜੁਲਾਈ ਨੂੰ ਖੁੱਲ੍ਹੇ ਵਜ਼ਨਾਂ ਨਾਲ ਜਾਰੀ, ਲਗਭਗ 2.8 ਖਰਬ ਕੁੱਲ ਪੈਰਾਮੀਟਰ ਅਤੇ ਪ੍ਰਤੀ ਟੋਕਨ ਲਗਭਗ 104 ਅਰਬ ਸਰਗਰਮ — K2.6 ਦੀ ਸਰਗਰਮ ਗਣਨਾ ਤੋਂ 3 ਗੁਣਾ ਵੱਧ। ਉੱਪਰਲੇ ਪਾਸੇ, Moonshot K3 ਨੂੰ K2.6 ਦੀ ਲਗਭਗ 5 ਗੁਣਾ ਕੀਮਤ ਉੱਤੇ ਦਰਜ ਕਰਦਾ ਹੈ, ਅਤੇ ਸਾਡੇ ਗੇਟਵੇ ਦੀ ਕੀਮਤ ਵੀ ਉਸੇ ਅਨੁਪਾਤ ਦੇ ਨਾਲ ਚੱਲਦੀ ਹੈ।
| Kimi-K2.6 · W4A16-AUTOROUND-REAP | Kimi-K3 · 3BIT-REAP | |
|---|---|---|
| ਇਨਪੁੱਟ / 1M ਟੋਕਨ | $0.78 | $3.83 |
| ਆਊਟਪੁੱਟ / 1M ਟੋਕਨ | $3.67 | $19.12 |
| ਸੰਦਰਭ ਵਿੰਡੋ | 262,144 | 262,144 |
| ਪ੍ਰਤੀ ਬੇਨਤੀ ਵੱਧ ਤੋਂ ਵੱਧ ਆਊਟਪੁੱਟ | 16,384 | 16,384 |
| ਚਿੱਤਰ ਇਨਪੁੱਟ | ਹਾਂ | ਹਾਂ |
| ਮੂਲ ਟੂਲ ਕਾਲਿੰਗ | ਹਾਂ | ਹਾਂ |
| ਸਖ਼ਤ json_schema | ਹਾਂ | ਹਾਂ |
| ਬਿਨਾਂ ਸੈਂਸਰ | ਹਾਂ | ਹਾਂ |
| ਸਰਗਰਮ ਪੈਰਾਮੀਟਰ / ਟੋਕਨ | ~32B | ~104B |
ਵੇਖੋ ਕਿ ਸਾਰਣੀ ਕੀ ਨਹੀਂ ਵਿਖਾਉਂਦੀ: ਕੋਈ ਵੀ ਕਤਾਰ ਅਜਿਹੀ ਨਹੀਂ ਜਿੱਥੇ K3 ਕੋਲ ਕੋਈ ਸਹੂਲਤ ਹੋਵੇ ਜੋ K2.6 ਕੋਲ ਨਹੀਂ। ਉਹੀ ਵਿੰਡੋ, ਉਹੀ ਵੱਧ ਤੋਂ ਵੱਧ ਆਊਟਪੁੱਟ, ਉਹੀ ਵਿਜ਼ਨ, ਉਹੀ ਟੂਲ ਕਾਲਿੰਗ, ਉਹੀ ਢਾਂਚਾਗਤ ਆਊਟਪੁੱਟ, ਉਹੀ ਬਿਨਾਂ ਸੈਂਸਰ ਰਵੱਈਆ, ਉਹੀ ਤਿੰਨ ਬੋਲੀਆਂ। ਉਹ 5 ਗੁਣਾ ਸਿਰਫ਼ ਇੱਕ ਚੀਜ਼ ਖ਼ਰੀਦਦਾ ਹੈ — ਪ੍ਰਤੀ ਫ਼ਾਰਵਰਡ ਪਾਸ ਨਿਰੋਲ ਸਮਰੱਥਾ। ਇਹ ਅਸਲੀ ਹੈ, ਪਰ ਇਹ ਇੱਕੋ ਧੁਰਾ ਹੈ, ਅਤੇ ਜਿਨ੍ਹਾਂ ਧੁਰਿਆਂ ਉੱਤੇ ਤੁਹਾਡੀ ਰੁਕਾਵਟ ਨਹੀਂ, ਉੱਥੇ ਇਹ ਕੁਝ ਨਹੀਂ ਕਰਦਾ।
ਖ਼ਾਸ ਕਰਕੇ ਸੰਦਰਭ ਵਿੰਡੋ ਵਾਲੀ ਗੱਲ
ਉੱਪਰਲੇ ਪਾਸੇ, K3 ਦੀ ਮੁੱਖ ਸਹੂਲਤ K2.6 ਦੇ 262K ਦੇ ਮੁਕਾਬਲੇ 1M-ਟੋਕਨ ਸੰਦਰਭ ਹੈ। Shannon ਗੇਟਵੇ ਉੱਤੇ ਦੋਵੇਂ ਮਾਡਲ 262,144 ਟੋਕਨ ਉੱਤੇ ਪਰੋਸੇ ਜਾਂਦੇ ਹਨ। ਜੇ 5 ਗੁਣਾ ਦੇਣ ਦਾ ਤੁਹਾਡਾ ਕਾਰਨ ਲੰਮਾ ਸੰਦਰਭ ਸੀ, ਤਾਂ ਉਹ ਕਾਰਨ ਇੱਥੇ ਲਾਗੂ ਨਹੀਂ ਹੁੰਦਾ — ਤੁਸੀਂ ਵਾਧੂ ਪੈਸੇ ਦੇ ਕੇ ਵੀ ਉਹੀ ਵਿੰਡੋ ਲਵੋਗੇ। ਇਹ ਉਹ ਗੱਲ ਹੈ ਜਿਸਨੂੰ ਅਣਕਿਹਾ ਛੱਡਣ ਦਾ ਵਿਕਰੇਤਾ ਨੂੰ ਲਾਲਚ ਹੁੰਦਾ ਹੈ, ਇਸੇ ਕਰਕੇ ਇਹ ਮੋਟੇ ਅੱਖਰਾਂ ਵਿੱਚ ਹੈ।
5 ਗੁਣਾ ਉਦੋਂ ਦਿਓ ਜਦੋਂ
- ਇੱਕੋ ਵਾਰੀ ਵਿੱਚ ਸਹੀ ਬੈਠਣਾ ਜ਼ਰੂਰੀ ਹੈ। ਇੱਕੋ ਔਖਾ ਗੇੜਾ ਜਿੱਥੇ ਮੁੜ-ਕੋਸ਼ਿਸ਼ ਮਹਿੰਗੀ ਜਾਂ ਨਾਮੁਮਕਿਨ ਹੈ — ਕੋਈ ਨਾ ਪਲਟਣ ਵਾਲੀ ਕਾਰਵਾਈ, ਜਾਂ ਲੰਮੀ ਪਾਈਪਲਾਈਨ ਦੇ ਅਖ਼ੀਰ ਉੱਤੇ ਲਿਆ ਫ਼ੈਸਲਾ। ਪ੍ਰਤੀ ਟੋਕਨ ਵੱਧ ਸਰਗਰਮ ਪੈਰਾਮੀਟਰ ਇੱਕੋ ਗੇੜੇ ਦੀ ਛੱਤ ਉੱਚੀ ਕਰਨ ਦਾ ਹੀ ਕੰਮ ਕਰਦੇ ਹਨ।
- ਕੰਮ ਗਿਆਨ-ਬੱਧ ਹੈ, ਟੂਲ-ਬੱਧ ਨਹੀਂ। ਡੂੰਘਾ ਸੰਸ਼ਲੇਸ਼ਣ ਜਿੱਥੇ ਜਵਾਬ ਵਜ਼ਨਾਂ ਵਿੱਚੋਂ ਹੀ ਨਿਕਲਣਾ ਹੈ। K2.6 ਦਾ ਖ਼ਾਕਾ ਏਜੰਟ ਵਾਲਾ ਹੈ; ਟੂਲ ਖੋਹ ਲਵੋ ਤਾਂ ਵੱਡੀ ਬੁਨਿਆਦ ਦਿਖਣ ਲੱਗ ਪੈਂਦੀ ਹੈ।
- ਮਾਤਰਾ ਘੱਟ ਹੈ ਤੇ ਦਾਅ ਉੱਚਾ। ਮਹੀਨੇ ਦੀਆਂ 500 ਕਾਲਾਂ ਉੱਤੇ, 5 ਗੁਣਾ ਦਾ ਮਤਲਬ $8 ਦੀ ਥਾਂ $40 ਹੈ। ਬੱਸ ਬਿਹਤਰ ਮਾਡਲ ਖ਼ਰੀਦ ਲਵੋ।
5 ਗੁਣਾ ਉਦੋਂ ਨਾ ਦਿਓ ਜਦੋਂ
- ਤੁਸੀਂ ਲੂਪ ਚਲਾ ਰਹੇ ਹੋ। ਲੰਮੀਆਂ ਏਜੰਟ ਦੌੜਾਂ ਉੱਤੇ ਮਸ਼ੀਨੀ ਕਦਮਾਂ ਦਾ ਗ਼ਲਬਾ ਹੁੰਦਾ ਹੈ — ਫ਼ਾਈਲ ਪੜ੍ਹੋ, ਟੂਲ ਸੱਦੋ, ਨਤੀਜਾ ਵੇਖੋ, ਅਗਲਾ ਚੁਣੋ — ਅਤੇ K2.6 ਦੀ ਸਿਖਲਾਈ ਬਿਲਕੁਲ ਇਸੇ ਲਈ ਹੋਈ ਹੈ। 200 ਕਦਮਾਂ ਉੱਤੇ, 5 ਗੁਣਾ ਦਾ ਮਤਲਬ ਪ੍ਰਤੀ ਦੌੜ $7.71 ਬਨਾਮ $38.29 ਹੈ।
- ਤੁਸੀਂ ਵੱਡੀ ਮਾਤਰਾ ਵਿੱਚ ਚਿੱਤਰ ਪਰੋਸ ਰਹੇ ਹੋ। ਵਿਜ਼ਨ ਵਾਲੇ ਕੰਮ ਇਨਪੁੱਟ-ਟੋਕਨ ਪ੍ਰਧਾਨ ਹੁੰਦੇ ਹਨ ਅਤੇ ਪ੍ਰਤੀ ਵਸਤੂ ਤਰਕ ਖ਼ੁਸ਼ਕ ਰਹਿੰਦਾ ਹੈ। ਭਾਗ 05 ਵੇਖੋ; ਮੁਕਾਬਲਾ ਨੇੜੇ ਦਾ ਵੀ ਨਹੀਂ।
- ਕੰਮ ਕੱਢਣ, ਵਰਗੀਕਰਨ ਜਾਂ ਬਦਲਣ ਦਾ ਹੈ। ਦਸਤਾਵੇਜ਼ਾਂ ਵਿੱਚੋਂ ਖਾਨੇ ਕੱਢਣੇ, ਟਿਕਟਾਂ ਦੀ ਰੂਟਿੰਗ, ਰਿਕਾਰਡ ਸਾਵੇਂ ਕਰਨੇ, ਸਾਰ ਬਣਾਉਣੇ — ਹੱਦਬੰਦ ਕੰਮ ਜਿੱਥੇ ਵੱਡਾ ਮਾਡਲ ਵੀ ਓਹੀ JSON ਬਣਾਉਂਦਾ ਹੈ।
- ਤੁਹਾਡੇ ਕੋਲ ਪੁਸ਼ਟੀ ਦਾ ਕਦਮ ਹੈ। ਜੇ ਆਊਟਪੁੱਟ ਦੀ ਜਾਂਚ ਹੁੰਦੀ ਹੈ — ਟੈਸਟ ਸੂਟ, ਸਕੀਮਾ ਵੈਲੀਡੇਟਰ, ਦੂਜਾ ਗੇੜਾ, ਜਾਂ ਕੋਈ ਬੰਦਾ — ਤਾਂ ਕਦੇ-ਕਦਾਈਂ ਖੁੰਝਣਾ ਸਸਤਾ ਪੈਂਦਾ ਹੈ ਅਤੇ ਹਿਸਾਬ ਸਾਫ਼ ਤੌਰ ਉੱਤੇ ਮਾਤਰਾ ਦੇ ਹੱਕ ਵਿੱਚ ਜਾਂਦਾ ਹੈ। ਮੁੱਲ ਵਾਲੇ ਦਰਜੇ ਲਈ ਇਹੀ ਸਭ ਤੋਂ ਘੱਟ ਗੌਲ਼ੀ ਗਈ ਦਲੀਲ ਹੈ।
ਇੱਕ ਨਮੂਨਾ ਜਿਸਦਾ ਨਾਂ ਲੈਣਾ ਬਣਦਾ ਹੈ: ਲੂਪ ਲਈ K2.6 ਅਤੇ ਫ਼ੈਸਲੇ ਲਈ K3 ਚਲਾਓ। ਸਸਤੇ ਏਜੰਟ ਮਾਡਲ ਨੂੰ ਇਕੱਠ ਕਰਨ, ਸੱਦਣ ਅਤੇ ਖਰੜਾ ਲਿਖਣ ਵਾਲੇ ਸੌ ਕਦਮ ਕਰਨ ਦਿਓ, ਫਿਰ ਅਖ਼ੀਰਲੇ ਸੰਸ਼ਲੇਸ਼ਣ ਉੱਤੇ ਇੱਕ ਮਹਿੰਗੀ ਕਾਲ ਖ਼ਰਚੋ। ਦੋਵੇਂ ਮਾਡਲ ਬਿਲਕੁਲ ਇੱਕੋ API ਬੋਲਦੇ ਹਨ ਅਤੇ ਸੰਦਰਭ ਵਿੰਡੋ ਵੀ ਇੱਕੋ ਹੈ, ਸੋ ਬਦਲਣਾ model ਖਾਨੇ ਵਿੱਚ ਇੱਕ ਸਤਰ ਦਾ ਕੰਮ ਹੈ।
05ਚੱਲਦੀ ਕੀਮਤ ਉੱਤੇ ਵਿਜ਼ਨ
ਇਸ ਸੂਚੀ ਵਿੱਚ ਵਿਜ਼ਨ K2.6 ਦੀ ਸਭ ਤੋਂ ਤਿੱਖੀ ਧਾਰ ਹੈ। ਗੇਟਵੇ ਦੇ ਬਾਰਾਂ ਬਿਨਾਂ ਸੈਂਸਰ ਮਾਡਲਾਂ ਵਿੱਚੋਂ ਸਿਰਫ਼ ਚਾਰ ਚਿੱਤਰ ਲੈਂਦੇ ਹਨ, ਅਤੇ K2.6 ਇਕੱਲਾ ਅਜਿਹਾ ਹੈ ਜੋ ਪ੍ਰਤੀ ਦਸ ਲੱਖ ਇਨਪੁੱਟ ਟੋਕਨ ਇੱਕ ਡਾਲਰ ਤੋਂ ਹੇਠਾਂ ਚਿੱਤਰ ਇਨਪੁੱਟ ਨੂੰ Kimi ਦੀ ਏਜੰਟ ਵੰਸ਼ਾਵਲੀ ਨਾਲ ਜੋੜਦਾ ਹੈ।
ਵਿਜ਼ਨ ਵਾਲੇ ਕੰਮਾਂ ਦੀ ਲਾਗਤ ਦੀ ਸ਼ਕਲ ਅਲੋਕਾਰ ਹੈ। MoonViT ਬਾਰੇ Moonshot ਦੇ ਛਾਪੇ ਵਰਣਨ ਮੁਤਾਬਕ, 1024x1024 ਦਾ ਚਿੱਤਰ ਲਗਭਗ 576 ਚਿੱਤਰ ਟੋਕਨਾਂ ਵਿੱਚ ਏਨਕੋਡ ਹੁੰਦਾ ਹੈ — ਅਤੇ ਉਹ ਇਨਪੁੱਟ ਟੋਕਨ ਹਨ, ਯਾਨੀ ਖਾਤੇ ਦਾ ਸਸਤਾ ਪਾਸਾ। ਆਮ ਵਿਜ਼ਨ ਕੰਮ ਲਗਭਗ ਪੂਰਾ ਹੀ $3.67 ਦੀ ਥਾਂ $0.78 ਵਾਲੀ ਦਰ ਉੱਤੇ ਪੈਂਦਾ ਹੈ। 10,000 ਚਿੱਤਰ ਲਵੋ, ਹਰ ਇੱਕ ਨਾਲ ਲਗਭਗ 200 ਟੋਕਨ ਦਾ ਪ੍ਰੌਂਪਟ (ਯਾਨੀ ਲਗਭਗ 776 ਇਨਪੁੱਟ ਟੋਕਨ) ਅਤੇ ਲਗਭਗ 150 ਟੋਕਨ ਦੀ ਢਾਂਚਾਗਤ ਆਊਟਪੁੱਟ:
| ਕੰਮ ਦਾ ਬੋਝ | Kimi-K2.6 | Kimi-K3 | ਗੁਣਾਂਕ |
|---|---|---|---|
| ਇੱਕ ਏਜੰਟ ਕਦਮ (40K ਅੰਦਰ / 2K ਬਾਹਰ) | $0.0385 | $0.1914 | 5.0x |
| 200 ਕਦਮਾਂ ਵਾਲੀ ਖ਼ੁਦਮੁਖ਼ਤਿਆਰ ਦੌੜ | $7.71 | $38.29 | 5.0x |
| 10,000 ਚਿੱਤਰ, ਢਾਂਚਾਗਤ ਆਊਟਪੁੱਟ | $11.56 | $58.40 | 5.1x |
| ਥੋਕ ਕੰਮ (1M ਅੰਦਰ / 200K ਬਾਹਰ) | $1.51 | $7.65 | 5.1x |
Shannon ਗੇਟਵੇ ਦੀਆਂ ਸੂਚੀ ਕੀਮਤਾਂ ਤੋਂ ਗਿਣਿਆ ਗਿਆ। ਚਿੱਤਰ-ਟੋਕਨ ਦਾ ਅੰਦਾਜ਼ਾ 1024x1024 ਚਿੱਤਰ ਲਈ Moonshot ਦੇ ਛਾਪੇ MoonViT ਅੰਕੜੇ, ਲਗਭਗ 576 ਟੋਕਨ, ਉੱਤੇ ਆਧਾਰਿਤ ਹੈ; ਅਸਲ ਟੋਕਨਾਈਜ਼ੇਸ਼ਨ ਰੈਜ਼ੋਲਿਊਸ਼ਨ ਅਤੇ ਅਨੁਪਾਤ ਨਾਲ ਬਦਲਦੀ ਹੈ।
$11.56 ਵਾਲੀ ਚਿੱਤਰ ਪਾਈਪਲਾਈਨ ਉਹ ਚੀਜ਼ ਹੈ ਜੋ ਤੁਸੀਂ ਬਿਨਾਂ ਸੋਚੇ ਰੋਜ਼ ਚਲਾਉਂਦੇ ਹੋ। $58.40 ਵਾਲੀ ਉਹ ਹੈ ਜੋ ਤੁਸੀਂ ਤਹਿ ਕਰਦੇ ਹੋ, ਜਾਇਜ਼ ਠਹਿਰਾਉਂਦੇ ਹੋ, ਅਤੇ ਅਖ਼ੀਰ ਬੰਦ ਕਰ ਦਿੰਦੇ ਹੋ। ਮੁੱਲ ਵਾਲੇ ਦਰਜੇ ਦੀ ਪੂਰੀ ਦਲੀਲ ਇਹੀ ਪਾੜਾ ਹੈ।
ਇੱਕ ਈਮਾਨਦਾਰ ਸ਼ਰਤ। ਸੁਤੰਤਰ ਬਹੁ-ਮਾਧਿਅਮੀ ਅਤੇ ਗ੍ਰਾਊਂਡਿੰਗ ਵਾਲੀਆਂ ਸੂਚੀਆਂ ਉੱਤੇ K2.6 ਲਗਭਗ 115 ਮਾਡਲਾਂ ਵਿੱਚੋਂ #26, ਔਸਤ 68.1 ਦੇ ਨੇੜੇ ਦੱਸਿਆ ਗਿਆ ਹੈ — ਸਤਿਕਾਰਯੋਗ, ਪਰ ਜਮਾਤ ਦਾ ਮੋਹਰੀ ਨਹੀਂ। ਇਸਦਾ ਵਿਜ਼ਨ ਦਸਤਾਵੇਜ਼ ਸਮਝਣ, ਸਕਰੀਨਸ਼ਾਟ ਤੇ UI ਪੜ੍ਹਨ, ਅਤੇ ਚਾਰਟ ਜਾਂ ਚਿੱਤਰ-ਖ਼ਾਕੇ ਸਮਝਣ ਉੱਤੇ ਸੱਚਮੁੱਚ ਤਕੜਾ ਹੈ; ਇਹ ਬਰੀਕ ਥਾਂ-ਪਛਾਣ ਉੱਤੇ ਕਮਜ਼ੋਰ ਹੈ — ਠੀਕ-ਠੀਕ ਬਾਊਂਡਿੰਗ ਬਾਕਸ, ਭੀੜੇ ਦ੍ਰਿਸ਼ਾਂ ਵਿੱਚ ਬਾਰੀਕ ਗਿਣਤੀ, ਖ਼ਰਾਬ ਸਕੈਨਾਂ ਦੀ ਸੰਘਣੀ OCR। ਜੇ ਤੁਹਾਨੂੰ ਪਿਕਸਲ-ਸਹੀ ਥਾਂ-ਪਛਾਣ ਚਾਹੀਦੀ ਹੈ, ਤਾਂ ਪਹਿਲਾਂ ਆਪਣੇ ਡੇਟਾ ਉੱਤੇ ਬੈਂਚਮਾਰਕ ਕਰੋ। ਜੇ ਤੁਹਾਨੂੰ ਅਜਿਹਾ ਮਾਡਲ ਚਾਹੀਦਾ ਹੈ ਜੋ ਸਕਰੀਨਸ਼ਾਟ ਵੇਖ ਕੇ ਤੈਅ ਕਰੇ ਕਿ ਅਗਲਾ ਕਲਿੱਕ ਕਿੱਥੇ ਕਰਨਾ ਹੈ, ਤਾਂ ਇਹੀ ਸਹੀ ਸੰਦ ਹੈ।
06ਬਿਨਾਂ ਇਨਕਾਰ ਟੂਲ ਕਾਲਿੰਗ ਅਤੇ ਏਜੰਟ ਲੂਪ
K2.6 ਮੂਲ ਟੂਲ ਕਾਲਿੰਗ ਸਮਰਥਿਤ ਕਰਦਾ ਹੈ: ਮਾਡਲ ਤੁਹਾਡੀਆਂ ਦਿੱਤੀਆਂ JSON-ਸਕੀਮਾ ਟੂਲ ਪਰਿਭਾਸ਼ਾਵਾਂ ਤੋਂ ਸਿੱਧਾ ਢਾਂਚਾਗਤ ਟੂਲ ਸੱਦੇ ਕੱਢਦਾ ਹੈ, ਨਾ ਕਿ ਉਸਨੂੰ ਪਾਰਸ ਹੋਣ ਵਾਲੀ ਲਿਖਤ ਬਣਾਉਣ ਲਈ ਫੁਸਲਾਉਣਾ ਪੈਂਦਾ ਹੈ। ਬਹੁ-ਵਾਰੀ ਗੱਲਬਾਤ ਅਤੇ ਸਿਸਟਮ ਪ੍ਰੌਂਪਟਾਂ ਨਾਲ ਮਿਲ ਕੇ ਇਹ ਏਜੰਟ ਲੂਪ ਦਾ ਪੂਰਾ ਆਧਾਰ ਹੈ।
"ਬਿਨਾਂ ਇਨਕਾਰ ਟੂਲ ਕਾਲਿੰਗ" ਜੋ ਜੋੜਦੀ ਹੈ ਉਹ ਸੁਣਨ ਨਾਲੋਂ ਬਾਰੀਕ ਹੈ। ਫਿਲਟਰ ਵਾਲੀ API ਉੱਤੇ, ਏਜੰਟ ਲੂਪ ਦੇ ਅੰਦਰ ਇਨਕਾਰ ਤਿੰਨ ਵੱਖਰੇ ਢੰਗਾਂ ਨਾਲ ਸਾਹਮਣੇ ਆਉਂਦੇ ਹਨ:
- ਸਿੱਧਾ ਇਨਕਾਰ — ਕਦਮ ਟੂਲ ਕਾਲ ਦੀ ਥਾਂ ਵਾਰਤਕ ਮੋੜਦਾ ਹੈ, ਪਾਰਸਰ ਫ਼ੇਲ੍ਹ ਹੁੰਦਾ ਹੈ, ਲੂਪ ਟੁੱਟਦਾ ਹੈ। ਘੱਟੋ-ਘੱਟ ਇਹ ਉੱਚੀ ਆਵਾਜ਼ ਵਿੱਚ ਹੁੰਦਾ ਹੈ।
- ਨਰਮ ਇਨਕਾਰ — ਕਾਲ ਤਾਂ ਹੁੰਦੀ ਹੈ ਪਰ ਦਲੀਲਾਂ ਦੱਬ ਦਿੱਤੀਆਂ ਜਾਂਦੀਆਂ ਹਨ: ਸੁੰਗੜੀ ਹੋਈ ਕਿਊਰੀ, ਗੋਲ-ਮੋਲ ਪੈਰਾਮੀਟਰ, ਕੱਟਿਆ ਹੋਇਆ ਪੇਲੋਡ। ਲੂਪ ਚੁੱਪ-ਚਾਪ ਵਿਗੜੀ ਹਾਲਤ ਨਾਲ ਅੱਗੇ ਤੁਰਦਾ ਰਹਿੰਦਾ ਹੈ ਅਤੇ ਤੁਹਾਨੂੰ ਚਾਰ ਕਦਮ ਬਾਅਦ ਪਤਾ ਲੱਗਦਾ ਹੈ।
- ਪਹਿਲਾਂ ਹੀ ਟਾਲਣਾ — ਯੋਜਨਾ ਕਿਸੇ ਜਾਇਜ਼ ਸ਼ਾਖਾ ਦੇ ਨੇੜੇ ਪਹੁੰਚਣ ਤੋਂ ਪਹਿਲਾਂ ਹੀ ਉਸ ਤੋਂ ਪਾਸਾ ਵੱਟ ਲੈਂਦੀ ਹੈ। ਇਹ ਤੁਹਾਨੂੰ ਕਦੇ ਦਿਸਦਾ ਨਹੀਂ; ਬੱਸ ਤੁਹਾਨੂੰ ਮਾੜੀ ਯੋਜਨਾ ਮਿਲਦੀ ਹੈ ਤੇ ਕੋਈ ਵਿਆਖਿਆ ਨਹੀਂ।
ਦੂਜਾ ਅਤੇ ਤੀਜਾ ਹੀ ਮਹਿੰਗੇ ਹਨ, ਕਿਉਂਕਿ ਉਹ ਅਦਿੱਖ ਹਨ: ਕੋਈ ਗ਼ਲਤੀ ਨਹੀਂ, ਲੌਗਾਂ ਵਿੱਚ ਕੁਝ ਨਹੀਂ, ਲੱਭਣ ਲਈ ਕੁਝ ਨਹੀਂ। ਬਿਨਾਂ ਇਨਕਾਰ ਪਰਤ ਵਾਲਾ ਐਂਡਪੁਆਇੰਟ ਇਹ ਪੂਰੀ ਸ਼੍ਰੇਣੀ ਹੀ ਹਟਾ ਦਿੰਦਾ ਹੈ — ਮਾਡਲ ਦੀਆਂ ਟੂਲ-ਕਾਲ ਦਲੀਲਾਂ ਮਾਡਲ ਦੀਆਂ ਹੀ ਟੂਲ-ਕਾਲ ਦਲੀਲਾਂ ਹੁੰਦੀਆਂ ਹਨ।
ਇਹ ਗੱਲ ਉਨ੍ਹਾਂ ਖੇਤਰਾਂ ਵਿੱਚ ਸਭ ਤੋਂ ਵੱਧ ਮਾਅਨੇ ਰੱਖਦੀ ਹੈ ਜਿਨ੍ਹਾਂ ਨੂੰ ਲੰਮੀਆਂ ਖ਼ੁਦਮੁਖ਼ਤਿਆਰ ਦੌੜਾਂ ਚਾਹੀਦੀਆਂ ਹਨ ਅਤੇ ਜੋ ਵੈਸੇ ਵੀ ਸੰਵੇਦਨਸ਼ੀਲ ਸਮੱਗਰੀ ਨੂੰ ਹੱਥ ਲਾਉਂਦੇ ਹਨ: ਸੁਰੱਖਿਆ ਖੋਜ ਅਤੇ ਰੈੱਡ-ਟੀਮਿੰਗ, ਮਾਲਵੇਅਰ ਅਤੇ ਘਟਨਾ ਵਿਸ਼ਲੇਸ਼ਣ, ਕਲੀਨਿਕਲ ਦਸਤਾਵੇਜ਼ ਪਰੋਸਣਾ, ਕਾਨੂੰਨੀ ਖੋਜ, ਅਤੇ ਅਜਿਹੇ ਸੰਚਾਲਨ ਸੰਦ ਜਿਨ੍ਹਾਂ ਨੂੰ ਉਸੇ ਸਮੱਗਰੀ ਬਾਰੇ ਸੋਚਣਾ ਪੈਂਦਾ ਹੈ ਜਿਸਦਾ ਉਹ ਸੰਚਾਲਨ ਕਰਦੇ ਹਨ। ਸੰਚਾਲਨ ਵਰਗੀਕਾਰ ਬਣਾਉਣ ਲਈ ਅਜਿਹਾ ਮਾਡਲ ਚਾਹੀਦਾ ਹੈ ਜੋ ਉਸ ਚੀਜ਼ ਵੱਲ ਵੇਖਣ ਨੂੰ ਤਿਆਰ ਹੋਵੇ ਜਿਸਦਾ ਉਹ ਵਰਗੀਕਰਨ ਕਰ ਰਿਹਾ ਹੈ; ਇਹ ਕੋਈ ਵਿਰੋਧਾਭਾਸ ਨਹੀਂ, ਬੱਸ ਕੰਮ ਹੈ।
ਲੰਮੀਆਂ ਦੌੜਾਂ ਲਈ ਅਮਲੀ ਗੱਲਾਂ: reasoning_effort ਤੁਹਾਨੂੰ ਯੋਜਨਾ ਵਾਲੇ ਕਦਮਾਂ ਉੱਤੇ ਵੱਧ ਸੋਚ ਅਤੇ ਮਸ਼ੀਨੀ ਕਦਮਾਂ ਉੱਤੇ ਘੱਟ ਖ਼ਰਚਣ ਦਿੰਦਾ ਹੈ। ਸਟ੍ਰੀਮਿੰਗ ਤਿੰਨਾਂ ਬੋਲੀਆਂ ਉੱਤੇ ਮੌਜੂਦ ਹੈ, ਸੋ ਲੰਮਾ ਕਦਮ ਤਰੱਕੀ ਵਿਖਾ ਸਕਦਾ ਹੈ ਜਾਂ ਪਹਿਲਾਂ ਹੀ ਰੋਕਿਆ ਜਾ ਸਕਦਾ ਹੈ। ਅਤੇ 262,144 ਟੋਕਨਾਂ ਦਾ ਸੰਦਰਭ ਅਸਲੀ ਕੰਮ ਵਾਲੀ ਹਾਲਤ — ਫ਼ਾਈਲਾਂ ਦੀ ਸਮੱਗਰੀ, ਪਹਿਲਾਂ ਦੇ ਟੂਲ ਨਤੀਜੇ, ਚੱਲਦੀ ਯੋਜਨਾ — ਕਈ ਕਦਮਾਂ ਤੱਕ ਹਾਜ਼ਰ ਰੱਖਦਾ ਹੈ, ਬਿਨਾਂ ਹਰ ਵਾਰੀ ਦੁਬਾਰਾ ਸਾਰ ਬਣਾਏ, ਜੋ ਖ਼ੁਦ ਏਜੰਟ ਦੇ ਖਿਸਕਣ ਦਾ ਆਮ ਕਾਰਨ ਹੈ।
07ਢਾਂਚਾਗਤ ਆਊਟਪੁੱਟ ਅਤੇ ਤਿੰਨ API ਬੋਲੀਆਂ
K2.6 ਦੋਵੇਂ ਸਮਰਥਿਤ ਕਰਦਾ ਹੈ: json_schema (ਸਖ਼ਤ ਸਕੀਮਾ-ਬੱਧ ਪੈਦਾਵਾਰ) ਅਤੇ ਢਿੱਲਾ response_format। ਸੂਚੀ ਦੇ ਮੁਕਾਬਲੇ ਇਸਨੂੰ ਪਰਖੋ: ਇੱਥੋਂ ਦੇ ਬਾਰਾਂ ਮਾਡਲਾਂ ਵਿੱਚੋਂ ਦੋ ਸਖ਼ਤ ਸਕੀਮਾ ਆਊਟਪੁੱਟ ਸਮਰਥਿਤ ਨਹੀਂ ਕਰਦੇ, ਅਤੇ ਜੇ ਤੁਹਾਡੀ ਅਗਲੀ ਪਾਈਪਲਾਈਨ ਪੜਾਅ JSON ਪਾਰਸ ਕਰਦੀ ਹੈ, ਤਾਂ ਉਹ ਕਾਲਮ ਮਰਜ਼ੀ ਦਾ ਨਹੀਂ ਰਹਿ ਜਾਂਦਾ।
ਸਖ਼ਤ ਸਕੀਮਾ ਆਊਟਪੁੱਟ ਹੀ ਬਿਨਾਂ ਸੈਂਸਰ ਮਾਡਲ ਨੂੰ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਵਜੋਂ ਵਰਤਣਯੋਗ ਬਣਾਉਂਦੀ ਹੈ: ਜੇ ਮਾਡਲ ਨੂੰ ਤੁਹਾਡੇ ਸਕੀਮੇ ਨਾਲ ਮੇਲ ਖਾਂਦਾ ਆਬਜੈਕਟ ਹੀ ਕੱਢਣਾ ਪਵੇ, ਤਾਂ ਤੁਹਾਨੂੰ ਪਾਰਸ ਦੀ ਗਾਰੰਟੀ ਮਿਲਦੀ ਹੈ, ਭਾਵੇਂ ਉਹ ਹੋਰ ਜੋ ਵੀ ਕਹਿੰਦਾ — ਕੋਈ ਭੂਮਿਕਾ ਨਹੀਂ, ਕੋਈ ਮਾਫ਼ੀ ਨਹੀਂ, ਤੁਹਾਡੇ JSON ਦੁਆਲੇ ਲਿਪਟਿਆ ਕੋਈ ਪੈਰਾ ਨਹੀਂ। ਬਿਨਾਂ ਇਨਕਾਰ ਪਰਤ ਦੇ ਨਾਲ ਮਿਲਾ ਕੇ, ਇਹ ਅਜਿਹਾ ਕੱਢਣ ਵਾਲਾ ਐਂਡਪੁਆਇੰਟ ਬਣ ਜਾਂਦਾ ਹੈ ਜੋ ਹਰ ਕਾਲ ਉੱਤੇ, ਹਰ ਦਸਤਾਵੇਜ਼ ਲਈ, ਭਾਵੇਂ ਦਸਤਾਵੇਜ਼ ਕਿਸੇ ਬਾਰੇ ਵੀ ਹੋਵੇ, ਤੁਹਾਡਾ ਆਬਜੈਕਟ ਮੋੜਦਾ ਹੈ।
| ਸਤਹ | Kimi-K2.6 ਸਮਰਥਨ | ਟਿੱਪਣੀ |
|---|---|---|
| /v1/chat/completions | ਹਾਂ | OpenAI ਬੋਲੀ — ਮੌਜੂਦਾ SDK ਲਈ ਸਿੱਧਾ ਬਦਲ |
| /v1/messages | ਹਾਂ | Anthropic ਬੋਲੀ — ਉਹੀ ਮਾਡਲ, ਉਹੀ ਵਜ਼ਨ |
| /v1/responses | ਹਾਂ | Responses ਵਾਲੀ ਸ਼ੈਲੀ ਦਾ ਇੰਟਰਫ਼ੇਸ |
| ਸਟ੍ਰੀਮਿੰਗ | ਹਾਂ | ਤਿੰਨਾਂ ਬੋਲੀਆਂ ਉੱਤੇ |
| ਟੂਲ ਕਾਲਿੰਗ | ਹਾਂ | ਮੂਲ, JSON-ਸਕੀਮਾ ਟੂਲ ਪਰਿਭਾਸ਼ਾਵਾਂ |
| json_schema | ਹਾਂ | ਸਖ਼ਤ ਢਾਂਚਾਗਤ ਆਊਟਪੁੱਟ |
| response_format | ਹਾਂ | ਢਿੱਲਾ JSON ਢੰਗ |
| reasoning_effort | ਹਾਂ | ਪ੍ਰਤੀ ਕਾਲ ਸੋਚ ਦਾ ਬਜਟ ਸੈੱਟ ਕਰੋ |
| ਚਿੱਤਰ ਇਨਪੁੱਟ | ਹਾਂ | ਲਿਖਤ ਦੇ ਨਾਲ ਚਿੱਤਰ |
ਤਿੰਨੇ ਬੋਲੀਆਂ ਇੱਕੋ ਕਲੱਸਟਰ ਉੱਤੇ ਇੱਕੋ ਵਜ਼ਨਾਂ ਤੱਕ ਪਹੁੰਚਦੀਆਂ ਹਨ। ਮੌਜੂਦਾ OpenAI ਕਲਾਇੰਟ ਨੂੰ ਬੇਸ URL ਵੱਲ ਮੋੜੋ, model ਨੂੰ Kimi-K2.6-W4A16-AUTOROUND-REAP ਕਰੋ, ਅਤੇ ਤੁਸੀਂ ਚੱਲ ਪਏ। ਬੇਨਤੀ ਤੇ ਜਵਾਬ ਦੀਆਂ ਸ਼ਕਲਾਂ, ਸਟ੍ਰੀਮਿੰਗ ਦੇ ਅਰਥ, ਅਤੇ ਇੱਕ ਚੱਲਦਾ ਪਲੇਅਗਰਾਊਂਡ API ਦਸਤਾਵੇਜ਼ਾਂ ਵਿੱਚ ਹਨ।
08ਕਿੱਥੇ Kimi K2.6 ਗ਼ਲਤ ਚੋਣ ਹੈ
ਜੋ ਮਾਡਲ ਗਾਈਡ ਸਿਰਫ਼ ਖ਼ੂਬੀਆਂ ਗਿਣਾਵੇ ਉਹ ਇਸ਼ਤਿਹਾਰ ਹੈ। ਇੱਥੇ ਦੱਸਿਆ ਹੈ ਕਿ ਅਸੀਂ ਤੁਹਾਨੂੰ ਕਿੱਥੇ ਕਿਤੇ ਹੋਰ ਭੇਜਾਂਗੇ।
- ਤੁਹਾਨੂੰ ਇੱਕੋ ਔਖੇ ਗੇੜੇ ਉੱਤੇ ਬਿਲਕੁਲ ਸਿਖਰ ਚਾਹੀਦਾ ਹੈ। Kimi-K3 ਵੱਲ ਜਾਓ ਅਤੇ 5 ਗੁਣਾ ਦਿਓ। ਉਹ ਇਸੇ ਲਈ ਹੈ।
- ਤੁਹਾਨੂੰ ਪਿਕਸਲ-ਸਹੀ ਦ੍ਰਿਸ਼ ਥਾਂ-ਪਛਾਣ ਚਾਹੀਦੀ ਹੈ। ਬਾਊਂਡਿੰਗ ਬਾਕਸ, ਖ਼ਰਾਬ ਸਕੈਨਾਂ ਦੀ ਸੰਘਣੀ OCR ਅਤੇ ਭੀੜੇ ਦ੍ਰਿਸ਼ਾਂ ਵਿੱਚ ਠੀਕ ਗਿਣਤੀ ਇਸਦੀ ਸਭ ਤੋਂ ਪੱਕੀ ਜ਼ਮੀਨ ਨਹੀਂ — ਪਹਿਲਾਂ ਆਪਣੇ ਡੇਟਾ ਉੱਤੇ ਪਰਖੋ।
- ਤੁਹਾਨੂੰ ਸਸਤੇ ਤੋਂ ਵੀ ਸਸਤਾ ਚਾਹੀਦਾ ਹੈ, ਵਿਜ਼ਨ ਤੋਂ ਬਿਨਾਂ। ਸੂਚੀ ਦੇ ਕਈ ਮਾਡਲ $0.50 / $2.00 ਉੱਤੇ ਬੈਠਦੇ ਹਨ। K2.6 ਦਾ ਵਾਧੂ ਪੈਸਾ ਵਿਜ਼ਨ ਅਤੇ Kimi ਦਾ ਏਜੰਟ ਖ਼ਾਕਾ ਖ਼ਰੀਦਦਾ ਹੈ; ਜੇ ਤੁਹਾਨੂੰ ਇਹ ਦੋਵੇਂ ਨਹੀਂ ਚਾਹੀਦੇ, ਤਾਂ ਸਸਤਾ ਦਰਜਾ ਲਵੋ।
- ਤੁਹਾਨੂੰ ਇੱਕੋ ਜਵਾਬ ਵਿੱਚ 16,384 ਤੋਂ ਵੱਧ ਆਊਟਪੁੱਟ ਟੋਕਨ ਚਾਹੀਦੇ ਹਨ। ਇਹ ਹੱਦ ਪੂਰੀ ਸੂਚੀ ਉੱਤੇ ਲਾਗੂ ਹੈ — ਲੰਮੇ ਦਸਤਾਵੇਜ਼ਾਂ ਲਈ ਟੁਕੜਿਆਂ ਵਿੱਚ ਪੈਦਾਵਾਰ ਚਾਹੀਦੀ ਹੈ, ਭਾਵੇਂ ਤੁਸੀਂ ਕੋਈ ਵੀ ਮਾਡਲ ਚੁਣੋ।
- ਤੁਹਾਨੂੰ ਉੱਪਰਲੇ ਪਾਸੇ ਵਾਲਾ ਬਿੱਟ-ਦਰ-ਬਿੱਟ ਬਿਲਕੁਲ ਓਹੀ ਵਿਹਾਰ ਚਾਹੀਦਾ ਹੈ। ਇਹ ਛਾਂਗਿਆ ਅਤੇ ਕੁਆਂਟਾਈਜ਼ ਕੀਤਾ ਬਿਲਡ ਹੈ: ਸੋਚ-ਸਮਝ ਕੇ ਕੀਤਾ, ਛਾਪਿਆ ਹੋਇਆ ਸੌਦਾ। ਦੁਹਰਾਈ ਵਾਲੇ ਅਧਿਐਨ ਲਈ Moonshot ਦੇ ਅਸਲੀ ਵਜ਼ਨਾਂ ਉੱਤੇ ਚਲਾਓ।
ਇੱਥੇ ਉੱਪਰਲੇ ਪਾਸੇ ਦਾ ਹਰ ਅੰਕੜਾ Moonshot AI ਜਾਂ ਸੁਤੰਤਰ ਖੋਜੀਆਂ ਵੱਲੋਂ ਛਾਪਿਆ ਗਿਆ ਹੈ। ਸਾਡੇ ਆਪਣੇ ਅੰਕੜੇ — ਕੀਮਤ, ਸੰਦਰਭ, ਵੱਧ ਤੋਂ ਵੱਧ ਆਊਟਪੁੱਟ, ਸਮਰੱਥਾ ਦੇ ਝੰਡੇ — ਸਿੱਧੇ ਚੱਲਦੇ /v1/models ਐਂਡਪੁਆਇੰਟ ਤੋਂ ਆਉਂਦੇ ਹਨ, ਜਿਸਨੂੰ ਤੁਸੀਂ ਖ਼ੁਦ ਪੁੱਛ ਸਕਦੇ ਹੋ। ਦੋਵੇਂ ਜਾਂਚੋ।
Kimi K2.6 ਅਤੇ K3 ਦੇ ਢਾਂਚੇ, ਬੈਂਚਮਾਰਕ ਅਤੇ ਰਿਲੀਜ਼ ਮਿਤੀ ਦੇ ਅੰਕੜੇ Moonshot ਵੱਲੋਂ ਦੱਸੇ ਗਏ ਹਨ ਅਤੇ ਉੱਪਰਲੇ ਪਾਸੇ ਦੀ ਬੁਨਿਆਦ ਲਈ ਵਿਖਾਏ ਗਏ ਹਨ, ਸਾਡੇ ਸੰਕੁਚਿਤ ਬਿਲਡ ਲਈ ਨਹੀਂ। ਬਹੁ-ਮਾਧਿਅਮੀ ਦਰਜਾਬੰਦੀ ਦਾ ਅੰਕੜਾ ਇੱਕ ਸੁਤੰਤਰ ਤੀਜੀ-ਧਿਰ ਦੀ ਸੂਚੀ ਤੋਂ ਹੈ। Shannon ਗੇਟਵੇ ਦੀਆਂ ਕੀਮਤਾਂ 5 ਸਤੰਬਰ 2026 ਤੱਕ ਦੀਆਂ ਸੂਚੀ ਕੀਮਤਾਂ ਹਨ।
09ਅਕਸਰ ਪੁੱਛੇ ਜਾਂਦੇ ਸਵਾਲ
ਕੀ ਕੋਈ ਬਿਨਾਂ ਸੈਂਸਰ Kimi K2 API ਹੈ?
ਹਾਂ। Shannon AI, Kimi-K2.6 ਨੂੰ ਆਪਣੇ ਹੀ GPU ਕਲੱਸਟਰ ਉੱਤੇ ਬਿਨਾਂ ਸੈਂਸਰ ਐਂਡਪੁਆਇੰਟ ਵਜੋਂ ਪਰੋਸਦਾ ਹੈ: ਮਾਡਲ ਦੇ ਅੱਗੇ ਕੋਈ ਇਨਕਾਰ ਪਰਤ ਨਹੀਂ ਅਤੇ ਉਸਦੀ ਆਊਟਪੁੱਟ ਉੱਤੇ ਕੋਈ ਸਮੱਗਰੀ ਫਿਲਟਰਿੰਗ ਨਹੀਂ ਲਾਈ ਜਾਂਦੀ। ਤੁਹਾਨੂੰ ਬੁਨਿਆਦ ਦਾ ਆਪਣਾ ਵਿਹਾਰ ਮਿਲਦਾ ਹੈ, 262,144-ਟੋਕਨ ਸੰਦਰਭ ਵਿੰਡੋ, ਚਿੱਤਰ ਇਨਪੁੱਟ ਅਤੇ ਮੂਲ ਟੂਲ ਕਾਲਿੰਗ ਸਮੇਤ।
ਬਿਨਾਂ ਸੈਂਸਰ Kimi K2.6 API ਦੀ ਕੀਮਤ ਕਿੰਨੀ ਹੈ?
Kimi-K2.6 ਪ੍ਰਤੀ ਦਸ ਲੱਖ ਇਨਪੁੱਟ ਟੋਕਨ $0.78 ਅਤੇ ਪ੍ਰਤੀ ਦਸ ਲੱਖ ਆਊਟਪੁੱਟ ਟੋਕਨ $3.67 ਹੈ। 40K ਇਨਪੁੱਟ ਅਤੇ 2K ਆਊਟਪੁੱਟ ਵਾਲਾ ਆਮ ਏਜੰਟ ਕਦਮ ਲਗਭਗ 3.9 ਸੈਂਟ ਵਿੱਚ ਪੈਂਦਾ ਹੈ; 200 ਕਦਮਾਂ ਵਾਲੀ ਖ਼ੁਦਮੁਖ਼ਤਿਆਰ ਦੌੜ ਲਗਭਗ $7.71 ਵਿੱਚ।
ਕੀ Shannon AI ਉੱਤੇ Kimi K2.6 ਵਿਜ਼ਨ ਸਮਰਥਿਤ ਕਰਦਾ ਹੈ?
ਹਾਂ। Kimi-K2.6 ਲਿਖਤ ਦੇ ਨਾਲ ਚਿੱਤਰ ਇਨਪੁੱਟ ਵੀ ਲੈਂਦਾ ਹੈ। ਇਹ Shannon ਸੂਚੀ ਦੇ ਸਿਰਫ਼ ਚਾਰ ਵਿਜ਼ਨ ਵਾਲੇ ਮਾਡਲਾਂ ਵਿੱਚੋਂ ਇੱਕ ਹੈ, ਅਤੇ ਇਕੱਲਾ ਅਜਿਹਾ ਹੈ ਜੋ ਪ੍ਰਤੀ ਦਸ ਲੱਖ ਇਨਪੁੱਟ ਟੋਕਨ ਇੱਕ ਡਾਲਰ ਤੋਂ ਘੱਟ ਉੱਤੇ ਵਿਜ਼ਨ ਨੂੰ Kimi ਦੀ ਏਜੰਟ ਵੰਸ਼ਾਵਲੀ ਨਾਲ ਜੋੜਦਾ ਹੈ।
ਮੈਂ Kimi K2.6 ਵਰਤਾਂ ਜਾਂ Kimi K3?
Kimi K3 ਦੀ ਕੀਮਤ ਲਗਭਗ 5 ਗੁਣਾ ਵੱਧ ਹੈ ($3.83/$19.12 ਬਨਾਮ $0.78/$3.67) ਅਤੇ ਬੁਨਿਆਦ ਵੱਡੀ ਹੈ। K3 ਉਦੋਂ ਚੁਣੋ ਜਦੋਂ ਇੱਕੋ ਔਖੇ ਤਰਕ ਵਾਲੇ ਗੇੜੇ ਨੇ ਪਹਿਲੀ ਵਾਰੀ ਹੀ ਸਹੀ ਬੈਠਣਾ ਹੋਵੇ ਅਤੇ ਮੁੜ-ਕੋਸ਼ਿਸ਼ ਮਹਿੰਗੀ ਪਵੇ। K2.6 ਮਾਤਰਾ ਲਈ ਚੁਣੋ: ਲੰਮੇ ਏਜੰਟ ਲੂਪ, ਚਿੱਤਰ ਪਾਈਪਲਾਈਨਾਂ, ਕੱਢਣਾ, ਅਤੇ ਜੋ ਵੀ ਤੁਸੀਂ ਹਜ਼ਾਰਾਂ ਵਾਰ ਚਲਾਉਂਦੇ ਹੋ, ਜਿੱਥੇ 5 ਗੁਣਾ ਦਾ ਫ਼ਰਕ ਕੰਮ ਦੇ ਚੱਲਣ ਜਾਂ ਨਾ ਚੱਲਣ ਦਾ ਫ਼ਰਕ ਹੁੰਦਾ ਹੈ।
ਕੀ ਬਿਨਾਂ ਸੈਂਸਰ Kimi K2 API ਟੂਲ ਕਾਲਿੰਗ ਅਤੇ JSON ਸਕੀਮਾ ਸਮਰਥਿਤ ਕਰਦਾ ਹੈ?
ਦੋਵਾਂ ਲਈ ਹਾਂ। Kimi-K2.6 ਮੂਲ ਟੂਲ ਕਾਲਿੰਗ, ਸਖ਼ਤ json_schema ਢਾਂਚਾਗਤ ਆਊਟਪੁੱਟ ਅਤੇ response_format ਸਮਰਥਿਤ ਕਰਦਾ ਹੈ, ਤਿੰਨਾਂ API ਬੋਲੀਆਂ ਵਿੱਚ: /v1/chat/completions, /v1/messages ਅਤੇ /v1/responses। ਸਟ੍ਰੀਮਿੰਗ ਅਤੇ reasoning_effort ਤਿੰਨਾਂ ਉੱਤੇ ਸਮਰਥਿਤ ਹਨ।
Kimi-K2.6 ਬਿਨਾਂ ਸੈਂਸਰ ਚਲਾਓ
ਵਿਜ਼ਨ, ਟੂਲ ਕਾਲਿੰਗ, 262K ਸੰਦਰਭ। ਪ੍ਰਤੀ ਦਸ ਲੱਖ ਟੋਕਨ $0.78 ਅੰਦਰ / $3.67 ਬਾਹਰ।
API ਦਸਤਾਵੇਜ਼ ਪੜ੍ਹੋ ਸਾਰੇ ਮਾਡਲ ਵੇਖੋਮਾਡਲ id: Kimi-K2.6-W4A16-AUTOROUND-REAP · ਸਾਡੇ ਆਪਣੇ GPU ਕਲੱਸਟਰ ਉੱਤੇ ਪਰੋਸਿਆ ਜਾਂਦਾ ਹੈ
Shannon AI ਨੂੰ Shannon Lab LLC, New Mexico, USA ਚਲਾਉਂਦੀ ਹੈ। ਸਰੋਤ: Moonshot AI — Kimi K2 · REAP the Experts (arXiv 2510.13999) · Cerebras Research — REAP। ਉੱਪਰਲੇ ਪਾਸੇ ਦੇ Kimi ਬੈਂਚਮਾਰਕ ਅੰਕੜੇ Moonshot ਵੱਲੋਂ ਦੱਸੇ ਗਏ ਅਤੇ ਸੁਤੰਤਰ ਪੁਸ਼ਟੀ ਹੋਣ ਤੱਕ ਆਰਜ਼ੀ ਹਨ; ਉਹ ਬਿਨਾਂ ਸੰਕੁਚਿਤ ਬੁਨਿਆਦ ਦਾ ਵਰਣਨ ਕਰਦੇ ਹਨ, Shannon ਦੇ ਕੁਆਂਟਾਈਜ਼ ਕੀਤੇ ਬਿਲਡ ਦਾ ਨਹੀਂ।