Kimi K2 без цензуры API

Большинство страниц про «дешёвую модель» на самом деле про маленькую модель, носящую фамилию большой. Эта — нет. Kimi K2.6 — полноценная основа фронтирного масштаба: триллион параметров разреженной Mixture-of-Experts, с нативным визуальным энкодером и программой обучения, прицельно нацеленной на агентную работу с инструментами. Выгодным уровнем её делает не меньший мозг, а более агрессивный рецепт сжатия. Поэтому вопрос не «достаточно ли она хороша?», а «какие задачи вообще замечают разницу между ней и родственником в пять раз дороже?». Большая часть этой статьи отвечает именно на него.

01Что такое Kimi K2.6 на самом деле?

Kimi K2.6 — модель с открытыми весами от Moonshot AI, пекинской лаборатории, стоящей за серией Kimi, выпущенная 20 апреля 2026 года. Она наследует архитектуру, сделавшую K2 заметной: разреженный трансформер Mixture-of-Experts примерно на 1 триллион общих параметров и около 32 миллиардов активных на токен, организованный как 384 эксперта, 8 маршрутизируемых плюс 1 общий на слой при 61 слое, с Multi-head Latent Attention. На любом отдельном токене срабатывает лишь малая доля этого триллиона — именно поэтому модель такого размера можно оценивать в центах.

Родословная важна из-за того, подо что оптимизировала Moonshot. Исходная K2 была предобучена примерно на 15,5 триллиона токенов оптимизатором Muon / MuonClip, созданным специально для того, чтобы триллионно-параметрическая MoE не страдала от взрывов внимания и скачков лосса, дестабилизирующих обучение на таком масштабе; Moonshot сообщила о нулевой нестабильности обучения за весь прогон. Это стоит выше всего остального — это позволило потратить бюджет обучения на агентное поведение, а не на тушение пожаров.

K2.6 развивает это в двух направлениях. Во-первых, она нативно мультимодальна: изображения и кадры видео проходят через MoonViT, визуальный энкодер примерно на 400M параметров, который нарезает изображение на патчи 448x448 и проецирует каждый прямо в токенное пространство языковой модели — визуальные токены лежат в той же последовательности, что и всё остальное, а не в прикрученном сбоку описателе, кормящем слепую модель. Во-вторых, она построена для оркестрации в глубину: работа Moonshot по Agent Swarm сообщает о координации до 300 доменно-специализированных субагентов и до 4 000 согласованных шагов в одном автономном прогоне.

Профиль бенчмарков по данным Moonshot

Это цифры по данным Moonshot для несжатой основы K2.6, а не наши измерения. Полезны как форма, а не как точность:

Читайте форму, а не цифры. Оценки на работе с инструментами и на поиске стоят высоко; оценки на чистой сложности — ниже. Это подпись модели, обученной хорошо действовать, а не всё знать — верный размен, если у вашего агента есть браузер, шелл и файловая система, и неверный, если вы задаёте один сложный вопрос без всяких инструментов.

02Что означает W4A16-AUTOROUND-REAP

Суффикс в идентификаторе модели — не украшение. Это точный рецепт сжатия, опубликованный, чтобы вы могли рассуждать о том, на какой размен идёте.

• W4A16 — веса в 4 битах, активации считаются в 16. Память под веса падает примерно в 4 раза против bf16, тогда как арифметика, накапливающая ошибку, остаётся 16-битной. Это стандартная точка высококачественного обслуживания для очень крупных MoE-моделей.
• AUTOROUND — квантизатор AutoRound от Intel. Наивное округление к ближайшему обрабатывает каждый вес независимо и отбрасывает информацию, на которую модель опиралась; AutoRound вместо этого обучает решения об округлении на калибровочных данных. При 4-битной цели это разница между моделью, которая всё ещё следует схеме, и моделью, которая уплывает.
• REAP — Router-weighted Expert Activation Pruning от Cerebras Research (arXiv 2510.13999, ICLR 2026). К большинству экспертов в MoE маршрутизатор обращается редко. REAP оценивает каждого по значениям гейта маршрутизатора и по нормам активаций, а затем одним шагом удаляет наименее значимых. Опубликованный результат: до 50% экспертов отсечено у триллионно-параметрических моделей при во многом сохранённом базовом качестве, и отсечение выигрывает у слияния экспертов на генеративных задачах — слияние размазывает специалистов друг по другу, а отсечение просто выбрасывает неиспользуемых.

Применённые именно в таком порядке — сначала отсечь, затем квантовать оставшееся — они дают модель, которая помещается и работает быстро без обвала качества, который вызвал бы любой из приёмов в одиночку при таких коэффициентах. Скажем прямо о цене: сжатая модель не идентична оригиналу до бита. Рецепт покупает то, что деградация приходится туда, где вы вряд ли её заметите — на редкие маршруты, на хвосты маловероятных токенов, — а не на следование инструкциям, форматирование вызовов инструментов или соблюдение схемы.

03Что «без цензуры» означает на этом эндпоинте

«Без цензуры» здесь — утверждение об архитектуре, а не о позе. Перед моделью нет слоя отказов, и к её выводу не применяется контентная фильтрация. Ваш запрос доходит до основы, а её ответ доходит до вас; ничто не перехватывает ни одно из направлений.

Это различие важно, потому что слово «без цензуры» используют вольно. Под ним свалены три разные вещи:

1. Классификация ввода — отдельная модель читает ваш промпт и решает, пропускать ли его. Здесь её нет.
2. Фильтрация вывода — сканер инспектирует сгенерированный текст и обрезает или заменяет его. Здесь её нет.
3. Собственные наклонности основы — то, чему базовая модель научилась при обучении. Это принадлежит модели, и мы не утверждаем, что стёрли их.

Первые две ломают продакшен-системы, и именно их мы убираем. Классификатор, срабатывающий на 0,5% запросов, — это 0,5% отказов, которые вы не можете отладить, обжаловать и предвидеть, а на 200-шаговом агентном цикле 0,5% сбоя на шаг складываются в прогон, который проваливается чаще, чем удаётся. Отказ в разговоре — досада; отказ на 147-м шаге автономного прогона уничтожает состояние прогона и сжигает всё, что вы потратили, чтобы туда добраться. Для агентных нагрузок удаление поверхности отказов — свойство надёжности, а не стилистическое предпочтение.

Следствие в том, что ответственность переходит к вам. Между вашим приложением и вашими пользователями нет страховочной сетки; если вашему продукту она нужна, стройте её там, где вы её видите, настраиваете и логируете. Пожалуйста, сначала прочтите нашу политику ответственного использования.

04Kimi K2.6 против Kimi K3: когда пятикратность оправдана?

Это решение, ради которого пришло большинство читателей, так что вот оно без оговорок. Kimi-K3 · 3BIT-REAP — более крупная и новая основа: анонсирована 16 июля 2026 года, открытые веса 27 июля, примерно 2,8 триллиона общих параметров и около 104 миллиардов активных на токен — более чем втрое больше активных вычислений, чем у K2.6. У первоисточника Moonshot указывает K3 примерно впятеро дороже K2.6, и цены нашего шлюза следуют этому отношению.

	Kimi-K2.6 · W4A16-AUTOROUND-REAP	Kimi-K3 · 3BIT-REAP
Вход / 1M токенов	$0.78	$3.83
Выход / 1M токенов	$3.67	$19.12
Контекстное окно	262 144	262 144
Максимум вывода / запрос	16 384	16 384
Ввод изображений	Да	Да
Нативный вызов инструментов	Да	Да
Строгая json_schema	Да	Да
Без цензуры	Да	Да
Активных параметров / токен	~32B	~104B

Посмотрите, чего таблица не показывает: нет ни одной строки, где у K3 есть функция, которой нет у K2.6. То же окно, тот же максимум вывода, то же зрение, тот же вызов инструментов, тот же структурированный вывод, та же позиция без цензуры, те же три диалекта. Пятикратность покупает ровно одно — сырую способность на один прямой проход. Это реально, но это единственная ось, и она ничего не даёт по осям, где ваше узкое место не там.

Отдельно про контекстное окно

У первоисточника заглавная особенность K3 — контекст в 1M токенов против 262K у K2.6. На шлюзе Shannon обе модели обслуживаются с 262 144 токенами. Если длинный контекст был вашей причиной платить впятеро, здесь эта причина не работает — вы заплатите премию и получите то же окно. Это как раз то, о чём поставщика тянет умолчать, поэтому написано жирным.

Платите пятикратно, когда

• Один выстрел обязан попасть. Один сложный проход, где повтор дорог или невозможен — необратимое действие, решение в конце длинного конвейера. Больше активных параметров на токен — именно то, что поднимает потолок одного прохода.
• Задача упирается в знание, а не в инструменты. Глубокий синтез, где ответ должен выйти из весов. Профиль K2.6 агентный; отберите инструменты — и большая основа проявится.
• Объём мал, а ставки высоки. На 500 вызовах в месяц пятикратность — это $40 вместо $8. Просто купите модель получше.

Не платите пятикратно, когда

• Вы гоняете цикл. В длинных агентных прогонах доминируют механические шаги — прочитать файл, вызвать инструмент, проверить результат, выбрать следующий, — а именно этому K2.6 и обучали. На 200 шагах пятикратность — это $7.71 против $38.29 за прогон.
• Вы обрабатываете изображения объёмом. Визуальные нагрузки тяжелы по входным токенам, а рассуждение на элемент неглубокое. Смотрите раздел 05; там даже близко не сравнимо.
• Задача — извлечение, классификация или преобразование. Вытащить поля из документов, маршрутизировать тикеты, нормализовать записи, суммировать — ограниченные задачи, где большая модель выдаст тот же JSON.
• У вас есть шаг проверки. Если вывод проверяется — набором тестов, валидатором схемы, вторым проходом, человеком — редкие промахи дёшевы, и экономика решительно на стороне объёма. Это самый недооценённый аргумент за выгодный уровень.

Схема, которую стоит назвать по имени: гоняйте K2.6 для цикла и K3 для вердикта. Пусть дешёвая агентная модель делает сотню шагов сбора, вызовов и черновиков, а затем потратьте один дорогой вызов на финальный синтез. Обе модели говорят на идентичном API с одинаковым контекстным окном, так что переключение — это правка одной строки в поле model.

05Зрение по рабочей цене

Зрение — самая острая грань K2.6 в этом каталоге. Из двенадцати моделей без цензуры на шлюзе изображения вообще принимают только четыре, и K2.6 — единственная, кто сочетает ввод изображений с агентной родословной Kimi дешевле доллара за миллион входных токенов.

У визуальных нагрузок необычная форма затрат. По опубликованному описанию MoonViT от Moonshot, изображение 1024x1024 кодируется примерно в 576 визуальных токенов — и это входные токены, дешёвая сторона счёта. Типичная визуальная задача почти целиком ложится на ставку $0.78, а не $3.67. Возьмём 10 000 изображений, у каждого ~200 токенов промпта (то есть ~776 входных токенов) и ~150 токенов структурированного вывода:

Нагрузка	Kimi-K2.6	Kimi-K3	Кратность
Один шаг агента (40K вход / 2K выход)	$0.0385	$0.1914	5.0x
Автономный прогон в 200 шагов	$7.71	$38.29	5.0x
10 000 изображений, структурированный вывод	$11.56	$58.40	5.1x
Пакетная задача (1M вход / 200K выход)	$1.51	$7.65	5.1x

Посчитано по прайс-листу шлюза Shannon. Оценка визуальных токенов использует опубликованную Moonshot цифру MoonViT ~576 токенов для изображения 1024x1024; точная токенизация зависит от разрешения и соотношения сторон.

Конвейер изображений за $11.56 — это то, что вы гоняете ежедневно, не задумываясь. Конвейер за $58.40 — это то, что планируют, обосновывают и в итоге срезают. Этот разрыв и есть весь аргумент за выгодный уровень.

Одна честная оговорка. В независимых рейтингах мультимодальных и заземлённых задач K2.6 фигурировала примерно на 26-м месте из 115 моделей со средним около 68.1 — достойно, но не в лидерах класса. Её зрение по-настоящему сильно на понимании документов, чтении скриншотов и интерфейсов, интерпретации графиков и диаграмм; слабее — на точном пространственном заземлении: точные ограничивающие рамки, тонкий подсчёт в загромождённых сценах, плотный OCR по деградировавшим сканам. Если вам нужна попиксельно точная локализация, сначала прогоните бенчмарк на своих данных. Если вам нужна модель, которая посмотрит на скриншот и решит, куда кликнуть дальше, — это ровно тот инструмент.

06Вызов инструментов без отказов и агентные циклы

K2.6 поддерживает нативный вызов инструментов: модель выдаёт структурированные вызовы инструментов прямо из предоставленных вами определений по JSON-схеме, а не выманивается на выдачу разбираемого текста. Вместе с многоходовым диалогом и системными промптами это полный субстрат для агентного цикла.

То, что добавляет «вызов инструментов без отказов», тоньше, чем звучит. На фильтрованном API отказы внутри агентного цикла проявляются в трёх разных режимах сбоя:

• Жёсткий отказ — шаг возвращает прозу вместо вызова инструмента, парсер падает, цикл рвётся. Зато громко.
• Мягкий отказ — вызов делается, но аргументы поддаются: суженный запрос, осторожный параметр, урезанная полезная нагрузка. Цикл продолжается с тихо ухудшившимся состоянием, а узнаёте вы об этом через четыре шага.
• Упреждающее избегание — план уводит в сторону от законной ветки ещё до приближения к ней. Этого вы вообще не видите; вы просто получаете план похуже и без объяснений.

Дорого обходятся второй и третий, потому что они невидимы: ни ошибки, ни записи в логах, ничего, что можно было бы найти грепом. Эндпоинт без слоя отказов убирает весь этот класс — аргументы вызова инструмента у модели остаются аргументами модели.

Больше всего это важно в областях, которым и так нужны длинные автономные прогоны и которые и так касаются чувствительного материала: исследования безопасности и red-teaming, анализ вредоносного ПО и инцидентов, обработка клинических документов, юридическая подготовка к процессу и инструменты модерации, которые обязаны рассуждать о том, что модерируют. Построить классификатор модерации требует модели, готовой смотреть на то, что она классифицирует; это не парадокс, а просто работа.

Практические заметки для длинных прогонов: reasoning_effort позволяет тратить больше размышлений на шаги планирования и меньше на механические. Стриминг доступен во всех трёх диалектах, так что длинный шаг может показывать прогресс или быть прерван заранее. А 262 144 токена контекста удерживают реальное рабочее состояние — содержимое файлов, прежние результаты инструментов, текущий план — резидентным на много шагов без пересуммирования каждый ход, которое само по себе частый источник дрейфа агента.

07Структурированный вывод и три диалекта API

K2.6 поддерживает и json_schema (строгую генерацию, ограниченную схемой), и более свободный response_format. Сверьтесь с каталогом: две из двенадцати моделей здесь не поддерживают строгий вывод по схеме, а если следующая стадия вашего конвейера парсит JSON, этот столбец необязательным не назовёшь.

Строгий вывод по схеме — это то, что делает модель без цензуры пригодной как инфраструктура: если модель обязана выдать объект, соответствующий вашей схеме, вы получаете гарантию разбора независимо от того, что она сказала бы иначе — никакой преамбулы, никаких извинений, никакого абзаца, обёрнутого вокруг вашего JSON. В сочетании с отсутствием слоя отказов это эндпоинт извлечения, который возвращает ваш объект на каждом вызове, для каждого документа, о чём бы документ ни был.

Поверхность	Поддержка Kimi-K2.6	Примечания
/v1/chat/completions	Да	Диалект OpenAI — подключается к существующим SDK как есть
/v1/messages	Да	Диалект Anthropic — та же модель, те же веса
/v1/responses	Да	Интерфейс в стиле Responses
Стриминг	Да	Во всех трёх диалектах
Вызов инструментов	Да	Нативный, определения инструментов по JSON-схеме
json_schema	Да	Строгий структурированный вывод
response_format	Да	Более свободный режим JSON
reasoning_effort	Да	Настройка бюджета размышлений на вызов
Ввод изображений	Да	Изображения наряду с текстом

Все три диалекта обращаются к одним и тем же весам на одном и том же кластере. Направьте существующий OpenAI-клиент на базовый URL, задайте model равным Kimi-K2.6-W4A16-AUTOROUND-REAP — и вы работаете. Формы запросов и ответов, семантика стриминга и живая песочница — в документации API.

08Где Kimi K2.6 — неверный выбор

Руководство по модели, перечисляющее только сильные стороны, — это реклама. Вот где мы отправили бы вас в другое место.

• Вам нужен абсолютный потолок на одном сложном проходе. Идите к Kimi-K3 и платите пятикратно. Он для этого и существует.
• Вам нужно попиксельно точное визуальное заземление. Ограничивающие рамки, плотный OCR по деградировавшим сканам и точный подсчёт в загромождённых сценах — не самая сильная её почва; сначала протестируйте на своих данных.
• Вам нужно дешевле дешёвого и без зрения. Несколько моделей каталога стоят $0.50 / $2.00. Премия K2.6 покупает зрение и агентный профиль Kimi; если вам не нужно ни то, ни другое, берите уровень дешевле.
• Вам нужно больше 16 384 выходных токенов в одном ответе. Этот потолок действует по всему каталогу — длинные документы требуют генерации по частям, какую модель ни возьми.
• Вам нужно поведение, побитово совпадающее с первоисточником. Это отсечённая и квантизованная сборка: намеренный и опубликованный размен. Для исследования воспроизводимости запускайте оригинальные веса Moonshot.

Цифры по архитектуре, бенчмаркам и датам выпуска Kimi K2.6 и K3 приведены по данным Moonshot и относятся к первоисточной основе, а не к нашей сжатой сборке. Позиция в мультимодальном рейтинге взята из независимого стороннего лидерборда. Цены шлюза Shannon — прайс-значения по состоянию на 5 сентября 2026 года.

09Часто задаваемые вопросы

---

Shannon AI управляется компанией Shannon Lab LLC, Нью-Мексико, США. Источники: Moonshot AI — Kimi K2 · REAP the Experts (arXiv 2510.13999) · Cerebras Research — REAP. Цифры бенчмарков Kimi из первоисточника приведены по данным Moonshot и предварительны до независимой проверки; они описывают несжатую основу, а не квантизованную сборку Shannon.