Nieocenzurowane API Kimi K2

Większość stron o „tanim modelu” opisuje w rzeczywistości mały model noszący nazwisko dużej rodziny. Ta nie. Kimi K2.6 to pełnowymiarowy fundament klasy frontier — bilion parametrów rzadkiej mieszanki ekspertów, z natywnym enkoderem wizyjnym i programem treningowym wycelowanym prosto w agentowe użycie narzędzi. Poziomem wartościowym czyni go nie mniejszy mózg, lecz bardziej agresywna receptura kompresji. Pytanie nie brzmi więc „czy jest wystarczająco dobry?”, tylko „które zadania faktycznie zauważą różnicę między nim a pięciokrotnie droższym rodzeństwem?”. Większość tego artykułu odpowiada właśnie na to.

01Czym właściwie jest Kimi K2.6?

Kimi K2.6 to model o otwartych wagach od Moonshot AI, pekińskiego laboratorium stojącego za serią Kimi, wydany 20 kwietnia 2026. Dziedziczy architekturę, która rozsławiła K2: rzadki transformer typu Mixture-of-Experts z około 1 bilionem parametrów łącznie i mniej więcej 32 miliardami aktywnych na token, zorganizowany jako 384 ekspertów, 8 routowanych plus 1 współdzielony na warstwę w 61 warstwach, z Multi-head Latent Attention. Na każdym tokenie odpala się tylko niewielki wycinek tego biliona — i właśnie dlatego model tej wielkości można wycenić w centach.

Rodowód ma znaczenie ze względu na to, pod co Moonshot optymalizował. Oryginalny K2 wstępnie wytrenowano na około 15,5 biliona tokenów przy użyciu optymalizatora Muon / MuonClip, zbudowanego specjalnie po to, by uchronić MoE o bilionie parametrów przed eksplozjami uwagi i skokami straty, które destabilizują trening w tej skali; Moonshot raportował zerową niestabilność treningu przez cały przebieg. To jest u źródła wszystkiego innego — pozwoliło wydać budżet treningowy na zachowanie agentowe, a nie na gaszenie pożarów.

K2.6 rozwija to w dwóch kierunkach. Po pierwsze, jest natywnie multimodalny: obrazy i klatki wideo przechodzą przez MoonViT, enkoder wizyjny o ~400M parametrów, który dzieli obraz na kafelki 448x448 i rzutuje każdy kafelek prosto w przestrzeń tokenów modelu językowego — tokeny wizualne siedzą w tej samej sekwencji co wszystko inne, a nie w doklejonym opisywaczu karmiącym ślepy model. Po drugie, jest zbudowany do orkiestracji na głębokość: prace Moonshota nad Agent Swarm raportują koordynację nawet 300 wyspecjalizowanych subagentów i do 4000 skoordynowanych kroków w jednym autonomicznym przebiegu.

Profil benchmarkowy raportowany przez Moonshota

To liczby raportowane przez Moonshota dla nieskompresowanego fundamentu K2.6, nie nasze pomiary. Przydatne dla kształtu, nie dla precyzji:

Czytaj kształt, nie cyfry. Wyniki oparte na narzędziach i wyszukiwaniu stoją wysoko; wyniki czystej trudności niżej. To sygnatura modelu wytrenowanego, by dobrze działać, a nie by wszystko wiedzieć — właściwy kompromis, jeśli twój agent ma przeglądarkę, powłokę i system plików, a niewłaściwy, jeśli zadajesz jedno trudne pytanie bez żadnych narzędzi.

02Co oznacza W4A16-AUTOROUND-REAP

Przyrostek w identyfikatorze modelu nie jest ozdobą. To dokładna receptura kompresji, opublikowana po to, byś mógł ocenić kompromis, na który się godzisz.

• W4A16 — wagi na 4 bitach, aktywacje liczone na 16. Pamięć wag spada mniej więcej 4x wobec bf16, a arytmetyka kumulująca błąd zostaje przy precyzji 16-bitowej. To standardowy punkt serwowania wysokiej jakości dla bardzo dużych modeli MoE.
• AUTOROUND — kwantyzator AutoRound od Intela. Naiwne zaokrąglanie do najbliższej wartości traktuje każdą wagę osobno i wyrzuca informację, na której model polegał; AutoRound zamiast tego uczy się decyzji zaokrąglania na danych kalibracyjnych. Przy celu 4-bitowym to różnica między modelem, który nadal trzyma się schematu, a takim, który dryfuje.
• REAP — Router-weighted Expert Activation Pruning, z Cerebras Research (arXiv 2510.13999, ICLR 2026). Do większości ekspertów w MoE router rzadko kieruje ruch. REAP ocenia każdego z nich zarówno po wartościach bramki routera, jak i po normach aktywacji, a następnie jednorazowo usuwa najmniej istotnych. Opublikowany rezultat: nawet 50% ekspertów usuniętych z modeli o bilionie parametrów przy w dużej mierze zachowanej jakości bazowej, przy czym przycinanie bije scalanie ekspertów w zadaniach generatywnych — scalanie rozmywa specjalistów, przycinanie po prostu usuwa nieużywanych.

Zastosowane w tej kolejności — najpierw przycinanie, potem kwantyzacja tego, co zostało — dają model, który się mieści i działa szybko, bez zapaści jakości, jaką każda z tych technik sama wywołałaby przy takich proporcjach. Mówiąc wprost o koszcie: model skompresowany nie jest bitowo identyczny z oryginałem. Receptura kupuje to, że degradacja ląduje tam, gdzie raczej jej nie zauważysz — na rzadkich ścieżkach routingu, w mało prawdopodobnych ogonach rozkładu tokenów — a nie w podążaniu za instrukcją, formatowaniu wywołań narzędzi czy trzymaniu się schematu.

03Co znaczy „bez cenzury” na tym endpoincie

„Bez cenzury” to tutaj stwierdzenie o architekturze, nie o postawie. Przed modelem nie ma warstwy odmów, a na jego wyjściu nie ma filtrowania treści. Twoje żądanie dociera do fundamentu, a jego odpowiedź dociera do ciebie; nic nie przechwytuje żadnego z tych kierunków.

To rozróżnienie ma znaczenie, bo słowa „nieocenzurowany” używa się luźno. Pod jednym słowem pakuje się trzy osobne rzeczy:

1. Klasyfikacja wejścia — osobny model czyta twój prompt i decyduje, czy go przepuścić. Tutaj tego nie ma.
2. Filtrowanie wyjścia — skaner sprawdza wygenerowany tekst i obcina go albo podmienia. Tutaj tego nie ma.
3. Własne skłonności fundamentu — to, czego model bazowy nauczył się w treningu. To należy do modelu i nie twierdzimy, że to wymazaliśmy.

Pierwsze dwie rzeczy psują systemy produkcyjne i to je usuwamy. Klasyfikator odpalający się na 0,5% żądań to 0,5% wskaźnika awarii, którego nie zdebugujesz, nie odwołasz się od niego i nie przewidzisz go — a w 200-krokowej pętli agenta 0,5% awarii na krok kumuluje się w przebieg, który częściej zawodzi, niż się udaje. Odmowa w rozmowie to irytacja; odmowa na kroku 147 autonomicznego przebiegu niszczy stan całego przebiegu i pali wszystko, co włożyłeś w dotarcie do tego miejsca. Dla obciążeń agentowych usunięcie powierzchni odmów jest własnością niezawodnościową, nie preferencją stylistyczną.

Konsekwencją jest to, że odpowiedzialność przechodzi na ciebie. Między twoją aplikacją a twoimi użytkownikami nie ma siatki bezpieczeństwa; jeśli twój produkt jej potrzebuje, zbuduj ją tam, gdzie ją widzisz, możesz stroić i logować. Prosimy, przeczytaj najpierw naszą politykę odpowiedzialnego użycia.

04Kimi K2.6 kontra Kimi K3: kiedy 5x się opłaca?

Po tę decyzję przyszła większość czytelników, więc podajemy ją bez owijania. Kimi-K3 · 3BIT-REAP to większy, nowszy fundament: zapowiedziany 16 lipca 2026, z otwartymi wagami od 27 lipca, o mniej więcej 2,8 biliona parametrów łącznie i około 104 miliardach aktywnych na token — ponad 3x więcej aktywnych obliczeń niż w K2.6. U źródła Moonshot wycenia K3 na około 5x ceny K2.6, a cennik naszej bramy podąża za tą proporcją.

	Kimi-K2.6 · W4A16-AUTOROUND-REAP	Kimi-K3 · 3BIT-REAP
Wejście / 1M tokenów	$0.78	$3.83
Wyjście / 1M tokenów	$3.67	$19.12
Okno kontekstu	262,144	262,144
Maks. wyjście / żądanie	16,384	16,384
Wejście obrazowe	Tak	Tak
Natywne wywoływanie narzędzi	Tak	Tak
Ścisłe json_schema	Tak	Tak
Bez cenzury	Tak	Tak
Aktywne parametry / token	~32B	~104B

Zwróć uwagę na to, czego tabela nie pokazuje: nie ma wiersza, w którym K3 ma funkcję, której brakuje K2.6. To samo okno, to samo maksymalne wyjście, ta sama wizja, to samo wywoływanie narzędzi, to samo wyjście strukturalne, ta sama postawa bez cenzury, te same trzy dialekty. To 5x kupuje dokładnie jedną rzecz — surową zdolność na jedno przejście w przód. To realne, ale to pojedyncza oś i nie daje nic na osiach, które nie są twoim wąskim gardłem.

Konkretnie o oknie kontekstu

U źródła sztandarową cechą K3 jest kontekst 1M tokenów wobec 262K w K2.6. W bramie Shannon oba modele są serwowane z kontekstem 262,144 tokenów. Jeśli powodem płacenia 5x miał być długi kontekst, ten powód tutaj nie zachodzi — zapłaciłbyś premię i dostał to samo okno. To rzecz, którą dostawca chętnie by przemilczał, i dlatego stoi tu wytłuszczona.

Zapłać 5x, gdy

• Jedno podejście musi się udać. Pojedyncze trudne przejście, w którym ponowna próba jest kosztowna albo niemożliwa — działanie nieodwracalne, decyzja na końcu długiego potoku. Więcej aktywnych parametrów na token to dokładnie to, co podnosi sufit pojedynczego przejścia.
• Zadanie zależy od wiedzy, a nie od narzędzi. Głęboka synteza, w której odpowiedź musi wyjść z wag. Profil K2.6 jest agentowy; odbierz narzędzia, a większy fundament się pokaże.
• Wolumen jest niski, a stawka wysoka. Przy 500 wywołaniach miesięcznie 5x to $40 zamiast $8. Po prostu kup lepszy model.

Nie płać 5x, gdy

• Uruchamiasz pętlę. W długich przebiegach agentowych dominują kroki mechaniczne — odczytaj plik, wywołaj narzędzie, sprawdź wynik, wybierz następny — czyli dokładnie to, pod co trenowano K2.6. Przy 200 krokach 5x to $7.71 wobec $38.29 za przebieg.
• Przetwarzasz obrazy w dużej liczbie. Obciążenia wizyjne są ciężkie po stronie tokenów wejściowych, a rozumowanie na element jest płytkie. Zobacz sekcję 05; różnica nie jest bliska.
• Zadaniem jest ekstrakcja, klasyfikacja albo transformacja. Wyciąganie pól z dokumentów, routowanie zgłoszeń, normalizacja rekordów, streszczanie — ograniczone zadania, w których większy model wyprodukuje ten sam JSON.
• Masz krok weryfikacji. Jeśli wyjście jest sprawdzane — zestaw testów, walidator schematu, drugie przejście, człowiek — sporadyczne pomyłki są tanie, a ekonomia zdecydowanie sprzyja wolumenowi. To najbardziej niedoceniany argument za poziomem wartościowym.

Warto nazwać jeden wzorzec: uruchamiaj K2.6 do pętli, a K3 do werdyktu. Niech tani model agentowy wykona sto kroków zbierania, wywoływania i szkicowania, a potem wydaj jedno drogie wywołanie na końcową syntezę. Oba modele mówią identycznym API z tym samym oknem kontekstu, więc przełączenie to zmiana jednej linii w polu model.

05Wizja w rozsądnej cenie

Wizja to najostrzejsza przewaga K2.6 w tym katalogu. Spośród dwunastu nieocenzurowanych modeli w bramie tylko cztery w ogóle przyjmują obrazy, a K2.6 jako jedyny łączy wejście obrazowe z agentowym rodowodem Kimi poniżej dolara za milion tokenów wejściowych.

Obciążenia wizyjne mają nietypowy kształt kosztu. Zgodnie z opublikowanym przez Moonshota opisem MoonViT obraz 1024x1024 koduje się do mniej więcej 576 tokenów obrazowych — a to tokeny wejściowe, czyli tania strona rachunku. Typowe zadanie wizyjne ląduje niemal w całości po stawce $0.78, a nie $3.67. Weź 10 000 obrazów, każdy z ~200 tokenami promptu (czyli ~776 tokenów wejścia) i ~150 tokenami wyjścia strukturalnego:

Obciążenie	Kimi-K2.6	Kimi-K3	Krotność
Jeden krok agenta (40K wej. / 2K wyj.)	$0.0385	$0.1914	5.0x
200-krokowy przebieg autonomiczny	$7.71	$38.29	5.0x
10 000 obrazów, wyjście strukturalne	$11.56	$58.40	5.1x
Zadanie wsadowe (1M wej. / 200K wyj.)	$1.51	$7.65	5.1x

Wyliczone z cennika katalogowego bramy Shannon. Szacunek tokenów obrazowych opiera się na opublikowanej przez Moonshota liczbie ~576 tokenów dla obrazu 1024x1024 w MoonViT; dokładna tokenizacja zależy od rozdzielczości i proporcji.

Potok obrazowy za $11.56 uruchamiasz codziennie bez zastanowienia. Ten za $58.40 planujesz, uzasadniasz i w końcu tniesz. Ta luka to cały argument za istnieniem poziomu wartościowego.

Jedno uczciwe zastrzeżenie. W niezależnych rankingach multimodalnych i zadań osadzonych w rzeczywistości K2.6 raportowano w okolicach 26. miejsca na 115 modeli, ze średnią blisko 68,1 — porządnie, ale nie w czołówce klasy. Jego wizja jest naprawdę mocna w rozumieniu dokumentów, czytaniu zrzutów ekranu i interfejsów oraz interpretacji wykresów i diagramów; jest słabsza w precyzyjnym osadzaniu przestrzennym — dokładnych ramkach ograniczających, drobiazgowym liczeniu w zatłoczonych scenach, gęstym OCR zdegradowanych skanów. Jeśli potrzebujesz lokalizacji z dokładnością do piksela, przetestuj najpierw na własnych danych. Jeśli potrzebujesz modelu, który spojrzy na zrzut ekranu i zdecyduje, co kliknąć dalej, to jest dokładnie właściwe narzędzie.

06Wywoływanie narzędzi bez odmów i pętle agentowe

K2.6 obsługuje natywne wywoływanie narzędzi: model emituje ustrukturyzowane wywołania narzędzi bezpośrednio z podanych przez ciebie definicji w schemacie JSON, zamiast być nakłanianym do produkowania parsowalnego tekstu. Wraz z wieloturową rozmową i promptami systemowymi to pełne podłoże dla pętli agentowej.

To, co dokłada „wywoływanie narzędzi bez odmów”, jest subtelniejsze, niż brzmi. W filtrowanym API odmowy wewnątrz pętli agentowej objawiają się na trzy odrębne sposoby:

• Twarda odmowa — krok zwraca prozę zamiast wywołania narzędzia, parser się wykłada, pętla się przerywa. Przynajmniej głośno.
• Miękka odmowa — wywołanie następuje, ale argumenty są przyduszone: zawężone zapytanie, asekuracyjny parametr, obcięty ładunek. Pętla biegnie dalej z po cichu zdegradowanym stanem, a ty dowiadujesz się o tym cztery kroki później.
• Uprzedzające omijanie — plan skręca od uzasadnionej gałęzi, zanim się do niej zbliży. Tego nigdy nie zobaczysz; dostajesz po prostu gorszy plan i żadnego wyjaśnienia.

Drugi i trzeci są kosztowne, bo są niewidoczne: żadnego błędu, nic w logach, nic do wygrepowania. Endpoint bez warstwy odmów usuwa całą tę klasę — argumenty wywołań narzędzi modelu są argumentami wywołań narzędzi modelu.

Liczy się to najbardziej w dziedzinach, które i tak wymagają długich autonomicznych przebiegów i dotykają wrażliwego materiału: badania bezpieczeństwa i red teaming, analiza złośliwego oprogramowania i incydentów, przetwarzanie dokumentacji klinicznej, e-discovery w prawie oraz narzędzia moderacyjne, które muszą rozumować o treści, jaką moderują. Zbudowanie klasyfikatora moderacyjnego wymaga modelu gotowego patrzeć na to, co klasyfikuje; to nie paradoks, tylko robota do wykonania.

Praktyczne uwagi do długich przebiegów: reasoning_effort pozwala wydać więcej myślenia na kroki planowania, a mniej na mechaniczne. Streaming jest dostępny we wszystkich trzech dialektach, więc długi krok może pokazywać postęp albo zostać wcześnie przerwany. A 262,144 tokeny kontekstu utrzymują realny stan roboczy — treść plików, wcześniejsze wyniki narzędzi, bieżący plan — rezydentnie przez wiele kroków, bez streszczania w każdej turze, które samo w sobie jest częstym źródłem dryfu agenta.

07Wyjście strukturalne i trzy dialekty API

K2.6 obsługuje zarówno json_schema (generowanie ściśle ograniczone schematem), jak i luźniejszy response_format. Zestaw to z katalogiem: dwa z dwunastu modeli tutaj nie obsługują ścisłego wyjścia schematowego, a jeśli kolejny etap twojego potoku parsuje JSON, ta kolumna nie jest opcjonalna.

Ścisłe wyjście schematowe jest tym, co czyni nieocenzurowany model użytecznym jako infrastruktura: jeśli model musi wyemitować obiekt pasujący do twojego schematu, dostajesz gwarancję sparsowania niezależną od tego, co model powiedziałby w innym razie — bez wstępu, bez przeprosin, bez akapitu owiniętego wokół twojego JSON-a. W połączeniu z brakiem warstwy odmów to endpoint ekstrakcji, który zwraca twój obiekt przy każdym wywołaniu, dla każdego dokumentu, o czymkolwiek ten dokument jest.

Powierzchnia	Wsparcie w Kimi-K2.6	Uwagi
/v1/chat/completions	Tak	Dialekt OpenAI — działa od ręki z istniejącymi SDK
/v1/messages	Tak	Dialekt Anthropic — ten sam model, te same wagi
/v1/responses	Tak	Interfejs w stylu Responses
Streaming	Tak	We wszystkich trzech dialektach
Wywoływanie narzędzi	Tak	Natywne, definicje narzędzi w schemacie JSON
json_schema	Tak	Ścisłe wyjście strukturalne
response_format	Tak	Luźniejszy tryb JSON
reasoning_effort	Tak	Regulacja budżetu myślenia na wywołanie
Wejście obrazowe	Tak	Obrazy obok tekstu

Wszystkie trzy dialekty adresują te same wagi na tym samym klastrze. Skieruj istniejącego klienta OpenAI na bazowy URL, ustaw model na Kimi-K2.6-W4A16-AUTOROUND-REAP i już działasz. Kształty żądań i odpowiedzi, semantyka streamingu oraz działający playground są w dokumentacji API.

08Kiedy Kimi K2.6 jest złym wyborem

Przewodnik po modelu, który wylicza wyłącznie mocne strony, jest reklamą. Oto miejsca, w których odesłalibyśmy cię gdzie indziej.

• Potrzebujesz absolutnego sufitu na jednym trudnym przejściu. Idź do Kimi-K3 i zapłać 5x. Do tego właśnie służy.
• Potrzebujesz osadzania wizualnego z dokładnością do piksela. Ramki ograniczające, gęsty OCR zdegradowanych skanów i dokładne liczenie w zatłoczonych scenach to nie jego najmocniejszy grunt — przetestuj najpierw na swoich danych.
• Potrzebujesz taniej niż tanio, bez wizji. Kilka modeli w katalogu stoi na $0.50 / $2.00. Premia K2.6 kupuje wizję i agentowy profil Kimi; jeśli nie potrzebujesz żadnego z nich, weź tańszy poziom.
• Potrzebujesz więcej niż 16,384 tokenów wyjścia w jednej odpowiedzi. Ten sufit obowiązuje w całym katalogu — długie dokumenty wymagają generowania w kawałkach, jakikolwiek model wybierzesz.
• Chcesz bitowo dokładnego zachowania modelu źródłowego. To kompilacja przycięta i skwantyzowana: świadomy, opublikowany kompromis. Do badania odtwarzalności uruchom oryginalne wagi Moonshota.

Dane o architekturze, benchmarkach i datach wydania Kimi K2.6 oraz K3 są raportowane przez Moonshota i dotyczą modelu źródłowego, nie naszej skompresowanej kompilacji. Pozycja w rankingu multimodalnym pochodzi z niezależnego zestawienia zewnętrznego. Ceny bramy Shannon to ceny katalogowe na 5 września 2026.

09Najczęściej zadawane pytania

---

Shannon AI jest prowadzone przez Shannon Lab LLC, Nowy Meksyk, USA. Źródła: Moonshot AI — Kimi K2 · REAP the Experts (arXiv 2510.13999) · Cerebras Research — REAP. Liczby benchmarkowe Kimi pochodzą od Moonshota, są wstępne do czasu niezależnej weryfikacji i opisują nieskompresowany fundament, a nie skwantyzowaną kompilację Shannona.