වාරණයෙන් තොර Kimi K2 API
Moonshot හි ට්‍රිලියන-පරාමිති ඒජන්ට් පදනම මත දෘශ්‍ය හැකියාව, දේශීය මෙවලම් ඇමතුම් සහ 262K කවුළුවක් — වාරණයෙන් තොරව, ටෝකන මිලියනයකට $0.78 in / $3.67 out ලෙස.
TL;DR
Kimi-K2.6 · W4A16-AUTOROUND-REAP යනු Shannon gateway හි Kimi පවුලේ අගය ස්තරයයි. එය Moonshot AI හි පරාමිති ට්‍රිලියනයක ඒජන්ට් MoE ආකෘතියයි — දිගු මෙවලම්-භාවිත ලූප සඳහා තැනූ ආකෘතිය — වාරණයෙන් තොරව දෘශ්‍ය ආදානය, දේශීය මෙවලම් ඇමතුම්, දැඩි JSON-schema ප්‍රතිදානය සහ ටෝකන 262,144ක සන්දර්භයක් සමඟින්, ටෝකන මිලියනයකට $0.78 / $3.67 ලෙස සේවා කෙරේ. එහි සහෝදර ආකෘතිය වන Kimi-K3 ආසන්න වශයෙන් 5x වැඩි මුදලක් වැය කරයි. එම 5x ඔබට යමක් ලබා දෙන අවස්ථාව සහ කිසිවක් ලබා නොදෙන අවස්ථාව පිළිබඳ අවංක විස්තරයක් 04 වන කොටසේ ඇත.
බොහෝ "ලාභ ආකෘති" පිටු ඇත්තටම විශාල ආකෘතියක පවුල් නාමය පැළඳගත් කුඩා ආකෘතියක් ගැනය. මෙය එවැන්නක් නොවේ. Kimi K2.6 යනු සම්පූර්ණ frontier-පරිමාණ පදනමකි — sparse Mixture-of-Experts පරාමිති ට්‍රිලියනයක්, දේශීය දෘශ්‍ය කේතකයක් සහ ඒජන්ට් මෙවලම් භාවිතය කෙළින්ම ඉලක්ක කරගත් පුහුණු වැඩසටහනක් සමඟින්. එය අගය ස්තරය බවට පත් කරන්නේ කුඩා මොළයක් නොව වඩාත් ආක්‍රමණශීලී සම්පීඩන වට්ටෝරුවකි. එබැවින් ප්‍රශ්නය "එය ප්‍රමාණවත්ද?" නොව "මෙය සහ එහි 5x-වැඩි-මිල සහෝදරයා අතර වෙනස සැබවින්ම දකින්නේ කුමන කාර්යයන්ද?" යන්නයි. මෙම ලිපියේ වැඩි කොටසක් එයට පිළිතුරු දෙයි.
01Kimi K2.6 සැබවින්ම කුමක්ද?
Kimi K2.6 යනු Kimi මාලාව පිටුපස සිටින බීජිං රසායනාගාරය වන Moonshot AI වෙතින් පැමිණෙන විවෘත-බර ආකෘතියක් වන අතර, 2026 අප්‍රේල් 20 වන දින නිකුත් කරන ලදී. එය K2 කැපී පෙනෙන ලෙස සැදූ ගෘහ නිර්මාණයම උරුම කර ගනී: ස්තර 61ක් පුරා ස්තරයකට මාර්ගගත 8ක් සහ බෙදාගත් 1ක් ලෙස සකසන ලද විශේෂඥයන් 384ක් සමඟින්, Multi-head Latent Attention සහිතව, මුළු පරාමිති ට්‍රිලියනයක් පමණ සහ ටෝකනයකට සක්‍රීය බිලියන 32ක් පමණ ඇති sparse Mixture-of-Experts transformer එකකි. එම ට්‍රිලියනයෙන් කුඩා කොටසක් පමණක් ඕනෑම ටෝකනයක් මත සක්‍රීය වේ — මෙම ප්‍රමාණයේ ආකෘතියක් සත් වලින් මිල ගණන් කළ හැක්කේ හරියටම එබැවිනි.
Moonshot ප්‍රශස්තකරණය කළ දේ නිසා පෙළපත වැදගත් වේ. මුල් K2, ටෝකන ට්‍රිලියන 15.5ක් පමණ මත Muon / MuonClip ප්‍රශස්තකාරකය භාවිතයෙන් පූර්ව-පුහුණු කරන ලද අතර, එය එම පරිමාණයේදී පුහුණුව අස්ථාවර කරන attention explosions සහ loss spikes වලින් ට්‍රිලියන-පරාමිති MoE එකක් ආරක්ෂා කිරීම සඳහාම විශේෂයෙන් තැනූවකි; Moonshot ධාවනය පුරාම ශුන්‍ය පුහුණු අස්ථාවරත්වයක් වාර්තා කළේය. එය අනෙක් සියල්ලටම upstream වේ — එමගින් ඔවුන්ට පුහුණු අයවැය ගිනි නිවීම වෙනුවට ඒජන්ට් හැසිරීම වෙනුවෙන් වැය කිරීමට හැකි විය.
K2.6 එය දිශා දෙකකින් දිගු කරයි. පළමුව, එය දේශීයව multimodal වේ: රූප සහ වීඩියෝ රාමු, රූපයක් 448x448 පැච් බවට ටයිල් කර එක් එක් පැච් කෙළින්ම භාෂා ආකෘතියේ ටෝකන අවකාශයට ප්‍රක්ෂේපණය කරන පරාමිති මිලියන 400ක් පමණ ඇති දෘශ්‍ය කේතකයක් වන MoonViT හරහා ගමන් කරයි — දෘශ්‍ය ටෝකන, අන්ධ ආකෘතියකට කවනු ලබන එකතු කළ caption-කරුවෙකු තුළ නොව, අනෙක් සියල්ල මෙන්ම එකම අනුක්‍රමයේ පවතී. දෙවනුව, එය ගැඹුරින් සම්බන්ධීකරණය සඳහා තැනී ඇත: Moonshot හි Agent Swarm කාර්යය වාර්තා කරන්නේ වසම්-විශේෂිත උප-ඒජන්ට් 300ක් දක්වා සහ තනි ස්වයංක්‍රීය ධාවනයක් තුළ සම්බන්ධීකෘත පියවර 4,000ක් දක්වා සම්බන්ධීකරණයයි.
Moonshot වාර්තා කළ ප්‍රමිති පැතිකඩ
මේවා සම්පීඩනය නොකළ K2.6 පදනම සඳහා Moonshot වාර්තා කළ සංඛ්‍යා වන අතර, අපගේ මිනුම් නොවේ. හැඩය සඳහා ප්‍රයෝජනවත්, නිරවද්‍යතාව සඳහා නොවේ:
ඉලක්කම් නොව හැඩය කියවන්න. මෙවලම්-භාවිත සහ සෙවුම්-මෙහෙයවන ලකුණු ඉහළින් සිටින අතර, පිරිසිදු-දුෂ්කරතා ලකුණු පහළින් සිටී. එය දැනගැනීමට වඩා හොඳින් ක්‍රියා කිරීමට පුහුණු කරන ලද ආකෘතියක අත්සනයයි — ඔබේ ඒජන්ට් වෙත බ්‍රවුසරයක්, shell එකක් සහ ගොනු පද්ධතියක් ඇත්නම් නිවැරදි හුවමාරුව, මෙවලම් කිසිවක් නොමැතිව තනි දුෂ්කර ප්‍රශ්නයක් අසන්නේ නම් වැරදි එකයි.
02"W4A16-AUTOROUND-REAP" යනු කුමක්ද
ආකෘති හැඳුනුමේ ඇති ලප්‍රත්‍යය අලංකරණයක් නොවේ. එය ඔබ සිදු කරන හුවමාරුව ගැන තර්ක කළ හැකි වන පරිදි ප්‍රකාශයට පත් කළ නිශ්චිත සම්පීඩන වට්ටෝරුවකි.
- W4A16 — බර බිට් 4කදී, සක්‍රියතා ගණනය කරනු ලබන්නේ බිට් 16කදී. bf16ට සාපේක්ෂව බර මතකය දළ වශයෙන් 4x කින් අඩු වන අතර, දෝෂය සමුච්චිත කරන අංක ගණිතය බිට් 16 නිරවද්‍යතාවේ රැඳී සිටී. ඉතා විශාල MoE ආකෘති සඳහා වන සම්මත ඉහළ-ගුණාත්මක සේවා ලක්ෂ්‍යය මෙයයි.
- AUTOROUND — Intel හි AutoRound ප්‍රමාණකාරකය. බොළඳ round-to-nearest එකක් සෑම බරක්ම ස්වාධීනව සලකා ආකෘතිය රඳා පැවති තොරතුරු ඉවතලයි; AutoRound ඒ වෙනුවට ක්‍රමාංකන දත්තවලට එරෙහිව වට කිරීමේ තීරණ ඉගෙන ගනී. බිට් 4ක ඉලක්කයකදී එය තවමත් schema එකක් අනුගමනය කරන ආකෘතියක් සහ අපගමනය වන එකක් අතර වෙනසයි.
- REAP — Cerebras Research වෙතින් පැමිණෙන Router-weighted Expert Activation Pruning (arXiv 2510.13999, ICLR 2026). MoE එකක බොහෝ විශේෂඥයන් කලාතුරකින් මාර්ගගත වේ. REAP එක් එක් විශේෂඥයා ඔහුගේ router gate අගයන් සහ activation norms යන දෙකම මතම ලකුණු කර, පසුව අවම වැදගත්කම ඇති ඒවා තනි ගමනකින් ඉවත් කරයි. ප්‍රකාශිත ප්‍රතිඵලය: ට්‍රිලියන-පරාමිති ආකෘතිවලින් විශේෂඥයන්ගෙන් 50%ක් දක්වා කප්පාදු කරන අතරද මූලික ගුණාත්මකභාවය බොහෝ දුරට රඳවා ගනී, තවද උත්පාදන කාර්යයන්හිදී කප්පාදුව විශේෂඥ ඒකාබද්ධ කිරීම අභිබවා යයි — ඒකාබද්ධ කිරීම විශේෂඥයන් එකට බොඳ කරන අතර, කප්පාදුව හුදෙක් නොයොදන ඒවා ඉවත දමයි.
එම අනුපිළිවෙළින් යොදන විට — මුලින්ම කප්පාදු කර, ඉතිරි වන දේ ප්‍රමාණකරණය කිරීම — මෙම අනුපාතවලදී එක් එක් ක්‍රමයම තනිවම ඇති කරන ගුණාත්මක බිඳවැටීමකින් තොරව ගැලපෙන සහ වේගයෙන් ධාවනය වන ආකෘතියක් ලැබේ. පිරිවැය ගැන අවංකව කිවහොත්: සම්පීඩිත ආකෘතියක් මුල් එකට bit-සමාන නොවේ. මෙම වට්ටෝරුව මිලදී ගන්නේ, පිරිහීම ඔබ දැකීමට ඉඩ අඩු තැන — කලාතුරකින් සිදුවන මාර්ගගත මාර්ග, අඩු-සම්භාවිතා ටෝකන වලිග — වැටීමයි, උපදෙස්-අනුගමනය, tool-call ආකෘතිකරණය, හෝ schema අනුගත වීම තුළ නොවේ.
03"වාරණයෙන් තොර" යනු මෙම අන්ත ලක්ෂ්‍යයේදී අදහස් කරන්නේ කුමක්ද
මෙහි වාරණයෙන් තොර යනු ආකල්පයක් ගැන නොව ගෘහ නිර්මාණය ගැන ප්‍රකාශයකි. ආකෘතියට ඉදිරියෙන් ප්‍රතික්ෂේප ස්තරයක් නොමැති අතර එහි ප්‍රතිදානය මත අන්තර්ගත පෙරහනක් නොමැත. ඔබේ ඉල්ලීම පදනමට ළඟා වන අතර එහි ප්‍රතිචාරය ඔබට ළඟා වේ; කිසිදු දිශාවක් අන්තර්ග්‍රහණය නොවේ.
එම වෙනස වැදගත් වන්නේ, "වාරණයෙන් තොර" යන්න ලිහිල්ව භාවිත වන බැවිනි. එම වචනය යටතේ වෙනස් දේවල් තුනක් බැඳ තිබේ:
- ආදාන වර්ගීකරණය — වෙනම ආකෘතියක් ඔබේ prompt එක කියවා එය ඉදිරියට යාමට ඉඩ දෙනවාද යන්න තීරණය කරයි. මෙහි නොමැත.
- ප්‍රතිදාන පෙරහන් කිරීම — scanner එකක් උත්පාදනය කළ පෙළ පරීක්ෂා කර එය කප්පාදු කරයි හෝ ප්‍රතිස්ථාපනය කරයි. මෙහි නොමැත.
- පදනමේම ස්වභාවයන් — මූලික ආකෘතිය පුහුණුවේදී ඉගෙන ගත් ඕනෑම දෙයක්. එය ආකෘතියටම අයත් වන අතර, අප එය මකා දැමූ බව ප්‍රකාශ නොකරමු.
නිෂ්පාදන පද්ධති බිඳ දමන්නේ පළමු දෙකයි, තවද අප ඉවත් කරන්නේද එම දෙකයි. ඉල්ලීම්වලින් 0.5%ක් මත ක්‍රියාත්මක වන වර්ගීකාරකයක් යනු ඔබට debug කළ නොහැකි, අභියාචනා කළ නොහැකි, පෙරාතුව දැකිය නොහැකි 0.5%ක අසාර්ථක අනුපාතයකි — තවද පියවර 200ක ඒජන්ට් ලූපයක් පුරා, පියවරකට 0.5%ක අසාර්ථකත්වයක් සමුච්චිත වී සාර්ථක වීමට වඩා අසාර්ථක වන ධාවනයක් බවට පත් වේ. සංවාදයක ප්‍රතික්ෂේපයක් කරදරයකි; ස්වයංක්‍රීය ධාවනයක 147 වන පියවරේ ප්‍රතික්ෂේපයක් ධාවනයේ තත්ත්වය විනාශ කර එතැනට ලඟාවීමට ඔබ වැය කළ සියල්ල දවා දමයි. ඒජන්ට් වැඩබරවල් සඳහා, ප්‍රතික්ෂේප මතුපිට ඉවත් කිරීම විලාසිතාමය කැමැත්තක් නොව විශ්වසනීයත්ව ගුණාංගයකි.
එහි ප්‍රතිඵලය නම් වගකීම ඔබ වෙත ගමන් කිරීමයි. ඔබේ යෙදුම සහ ඔබේ පරිශීලකයන් අතර ආරක්ෂක දැලක් නොමැත; ඔබේ නිෂ්පාදනයට එකක් අවශ්‍ය නම්, ඔබට එය දැකිය හැකි, සකස් කළ හැකි සහ ලොග් කළ හැකි තැනක එය ගොඩනගන්න. කරුණාකර මුලින්ම අපගේ වගකීම් සහගත භාවිත ප්‍රතිපත්තිය කියවන්න.
04Kimi K2.6 එදිරිව Kimi K3: 5x වටින්නේ කවදාද?
බොහෝ පාඨකයන් පැමිණියේ මෙම තීරණය සඳහාය, එබැවින් ප්‍රවේශමකින් තොරව එය මෙන්න. Kimi-K3 · 3BIT-REAP විශාලතර, නවතර පදනමයි: 2026 ජූලි 16 වන දින නිවේදනය කර, ජූලි 27 වන දින විවෘත බර සමඟින්, මුළු පරාමිති ට්‍රිලියන 2.8ක් පමණ සහ ටෝකනයකට සක්‍රීය බිලියන 104ක් පමණ — K2.6 හි සක්‍රීය ගණනයෙන් 3x කට වඩා. Upstream හිදී, Moonshot K2.6 හි මිලෙන් 5x ක් පමණ ලෙස K3 ලැයිස්තුගත කරයි, තවද අපගේ gateway මිල ගණන් එම අනුපාතය අනුගමනය කරයි.
| Kimi-K2.6 · W4A16-AUTOROUND-REAP | Kimi-K3 · 3BIT-REAP | |
|---|---|---|
| ආදාන / ටෝකන 1M | $0.78 | $3.83 |
| ප්‍රතිදාන / ටෝකන 1M | $3.67 | $19.12 |
| සන්දර්භ කවුළුව | 262,144 | 262,144 |
| උපරිම ප්‍රතිදානය / ඉල්ලීමකට | 16,384 | 16,384 |
| දෘශ්‍ය ආදානය | ඔව් | ඔව් |
| දේශීය මෙවලම් ඇමතුම් | ඔව් | ඔව් |
| දැඩි json_schema | ඔව් | ඔව් |
| වාරණයෙන් තොර | ඔව් | ඔව් |
| සක්‍රීය පරාමිති / ටෝකනයකට | ~32B | ~104B |
වගුව නොපෙන්වන දේ දෙස බලන්න: K2.6ට නොමැති විශේෂාංගයක් K3ට ඇති එකම පේළියක්වත් නැත. එකම කවුළුව, එකම උපරිම ප්‍රතිදානය, එකම දෘශ්‍ය හැකියාව, එකම මෙවලම් ඇමතුම්, එකම ව්‍යුහගත ප්‍රතිදානය, එකම වාරණයෙන් තොර ස්ථාවරය, එකම උපභාෂා තුන. 5x මිලදී ගන්නේ හරියටම එක් දෙයක් පමණි — forward pass එකකට ඇති අමු හැකියාව. එය සැබෑය, නමුත් එය තනි අක්ෂයකි, තවද එය ඔබේ බාධකය නොවන අක්ෂවලදී කිසිවක් නොකරයි.
විශේෂයෙන්ම සන්දර්භ-කවුළුව කරුණ
Upstream හිදී, K3 හි ප්‍රධාන විශේෂාංගය K2.6 හි 262Kට එරෙහිව ටෝකන 1Mක සන්දර්භයකි. Shannon gateway මත ආකෘති දෙකම ටෝකන 262,144කින් සේවා කෙරේ. දිගු සන්දර්භය 5x ගෙවීමට ඔබේ හේතුව වූයේ නම්, එම හේතුව මෙහි අදාළ නොවේ — ඔබ වාරිකය ගෙවා එකම කවුළුව ලබා ගනු ඇත. විකුණුම්කරුවෙකුට කීමට නොහැරෙන ලෙස තැබීමට පෙළඹවෙන ආකාරයේ දෙයක් මෙයයි, එබැවින් එය තදකුරු අකුරින් ඇත.
5x ගෙවන්න මෙවැනි විටෙක
- එක් වරක් සාර්ථක විය යුතුයි. නැවත උත්සාහයක් මිල අධික හෝ කළ නොහැකි තනි දුෂ්කර ගමනක් — ආපසු හැරවිය නොහැකි ක්‍රියාවක්, දිගු pipeline එකක අවසානයේ තීරණයක්. ටෝකනයකට වැඩි සක්‍රීය පරාමිති තනි ගමනක උපරිම සීමාව ඉහළ නංවන්නේ හරියටම එයයි.
- කාර්යය මෙවලම්-සීමිත නොව දැනුම-සීමිතයි. පිළිතුර බරවලින්ම එළියට ආ යුතු ගැඹුරු සංශ්ලේෂණයකි. K2.6 හි පැතිකඩ ඒජන්ට් ස්වභාවයේය; මෙවලම් ඉවත් කරන්න, එවිට විශාලතර පදනම පෙනී යයි.
- පරිමාව අඩුය, පරදුව ඉහළය. මසකට ඇමතුම් 500කදී, 5x යනු $8 වෙනුවට $40කි. හුදෙක් වඩා හොඳ ආකෘතිය මිලට ගන්න.
5x ගෙවන්න එපා මෙවැනි විටෙක
- ඔබ ලූපයක් ධාවනය කරමින් සිටී. දිගු ඒජන්ට් ධාවනවලට ආධිපත්‍යය දරන්නේ යාන්ත්‍රික පියවර — ගොනුවක් කියවන්න, මෙවලමක් අමතන්න, ප්‍රතිඵලයක් පරීක්ෂා කරන්න, ඊළඟ එක තෝරාගන්න — එය හරියටම K2.6 පුහුණු කරන ලද්දයි. පියවර 200කදී 5x යනු ධාවනයකට $38.29ට එරෙහිව $7.71කි.
- ඔබ පරිමාවෙන් රූප සකසමින් සිටී. දෘශ්‍ය වැඩබරවල් ආදාන-ටෝකන-බර වන අතර අයිතමයකට තර්කනය නොගැඹුරුය. 05 වන කොටස බලන්න; එය ළඟින්වත් නැත.
- කාර්යය උපුටා ගැනීම, වර්ගීකරණය, හෝ පරිවර්තනයයි. ලේඛනවලින් ක්ෂේත්‍ර උපුටා ගැනීම, ටිකට් මාර්ගගත කිරීම, වාර්තා සාමාන්‍යකරණය කිරීම, සාරාංශකරණය — විශාලතර ආකෘතියක් එකම JSON එක නිපදවන සීමිත කාර්යයන්.
- ඔබට සත්‍යාපන පියවරක් ඇත. ප්‍රතිදානය පරීක්ෂා කෙරේ නම් — පරීක්ෂණ කට්ටලයක්, schema validator එකක්, දෙවන ගමනක්, මිනිසෙකු — ඉඳහිට වන වරදවා ගැනීම් ලාභදායී වන අතර ආර්ථිකය තීරණාත්මක ලෙස පරිමාවට හිතකර වේ. අගය ස්තරය සඳහා වඩාත්ම අගය නොකළ තර්කය මෙයයි.
නම් කිරීමට වටින රටාවක්: ලූපය සඳහා K2.6 සහ තීන්දුව සඳහා K3 ධාවනය කරන්න. ලාභ ඒජන්ට් ආකෘතියට එකතු කිරීම, ඇමතීම සහ කෙටුම්පත් කිරීමේ පියවර සිය ගණන කරන්නට ඉඩ දී, පසුව අවසාන සංශ්ලේෂණය සඳහා එක් මිල අධික ඇමතුමක් වැය කරන්න. ආකෘති දෙකම එකම සන්දර්භ කවුළුව සහිත සමාන API එකකින් කතා කරන බැවින්, මාරු කිරීම model ක්ෂේත්‍රයට තනි-පේළි වෙනසකි.
05ක්‍රියාකාරී මිලකට දෘශ්‍ය හැකියාව
මෙම නාමාවලියේ K2.6 හි තියුණුම වාසිය දෘශ්‍ය හැකියාවයි. gateway හි ඇති වාරණයෙන් තොර ආකෘති දොළහෙන් හතරක් පමණක් රූප කිසිසේත් පිළිගන්නා අතර, ආදාන ටෝකන මිලියනයකට ඩොලරයකට වඩා අඩුවෙන් රූප ආදානය Kimi ඒජන්ට් පෙළපත සමඟ යා කරන එකම ආකෘතිය K2.6ය.
දෘශ්‍ය වැඩබරවලට අසාමාන්‍ය පිරිවැය හැඩයක් ඇත. MoonViT පිළිබඳ Moonshot ප්‍රකාශයට පත් කළ විස්තරයට අනුව, 1024x1024 රූපයක් රූප ටෝකන 576ක් පමණකට කේතනය වේ — තවද ඒවා ආදාන ටෝකන, ගිණුම්පොතේ ලාභම පැත්තයි. සාමාන්‍ය දෘශ්‍ය කාර්යයක් $3.67 අනුපාතයට වඩා $0.78 අනුපාතය මතම පාහේ සම්පූර්ණයෙන් වැටේ. රූප 10,000ක්, එක් එක් එකට prompt ටෝකන ~200ක් (එබැවින් ආදාන ටෝකන ~776ක්) සහ ව්‍යුහගත ප්‍රතිදාන ටෝකන ~150ක් ගනිමු:
| වැඩබරය | Kimi-K2.6 | Kimi-K3 | ගුණකය |
|---|---|---|---|
| එක් ඒජන්ට් පියවරක් (40K in / 2K out) | $0.0385 | $0.1914 | 5.0x |
| පියවර 200ක ස්වයංක්‍රීය ධාවනයක් | $7.71 | $38.29 | 5.0x |
| රූප 10,000ක්, ව්‍යුහගත ප්‍රතිදානය | $11.56 | $58.40 | 5.1x |
| batch කාර්යයක් (1M in / 200K out) | $1.51 | $7.65 | 5.1x |
Shannon gateway ලැයිස්තු මිල ගණන් වලින් ගණනය කරන ලදී. රූප-ටෝකන ඇස්තමේන්තුව 1024x1024 රූපයක් සඳහා Moonshot ප්‍රකාශයට පත් කළ MoonViT ටෝකන ~576ක සංඛ්‍යාව භාවිත කරයි; නිශ්චිත ටෝකනීකරණය විභේදනය සහ පැති අනුපාතය අනුව වෙනස් වේ.
$11.56ක රූප pipeline එකක් ගැන නොසිතාම ඔබ දිනපතා ධාවනය කරන දෙයකි. $58.40ක එකක් ඔබ කාලසටහන්ගත කර, සාධාරණීකරණය කර, අවසානයේ කපා හරින දෙයකි. එම පරතරයම අගය ස්තරයක් සඳහා වන සම්පූර්ණ තර්කයයි.
එක් අවංක අවවාදයක්. ස්වාධීන multimodal සහ grounded-task leaderboard වල K2.6, ආකෘති 115න් #26 පමණ, සාමාන්‍යය 68.1ට ආසන්නව වාර්තා වී ඇත — ගෞරවනීයයි, පන්තියට නායකත්වය දෙන එකක් නොවේ. එහි දෘශ්‍ය හැකියාව ලේඛන අවබෝධය, screenshot සහ UI කියවීම, සහ ප්‍රස්ථාර හෝ රූප සටහන් අර්ථකථනය මත සැබවින්ම ශක්තිමත් වේ; නිවැරදි අවකාශීය grounding — නිවැරදි bounding boxes, අවුල් සහගත දර්ශනවල සියුම් ගණන් කිරීම, පිරිහුණු ස්කෑන් වල dense OCR — වල එය දුර්වලය. ඔබට pixel-නිවැරදි ස්ථානගත කිරීමක් අවශ්‍ය නම්, මුලින්ම ඔබේම දත්ත මත ප්‍රමිති පරීක්ෂණ කරන්න. ඔබට screenshot එකක් බලා ඊළඟට click කළ යුත්තේ කුමක්දැයි තීරණය කරන ආකෘතියක් අවශ්‍ය නම්, මෙය හරියටම නිවැරදි මෙවලමයි.
06ප්‍රතික්ෂේප-රහිත මෙවලම් ඇමතුම් සහ ඒජන්ට් ලූප
K2.6, දේශීය මෙවලම් ඇමතුම්වලට සහාය දක්වයි: ආකෘතිය parse කළ හැකි පෙළ නිපදවීමට ඒත්තු ගැන්වීම වෙනුවට, ඔබ සපයන JSON-schema මෙවලම් අර්ථ දැක්වීම්වලින් කෙළින්ම ව්‍යුහගත මෙවලම් ඇමතුම් නිකුත් කරයි. බහු-වාරික සංවාදය සහ system prompt සමඟ, ඒජන්ට් ලූපයක් සඳහා වන සම්පූර්ණ substrate එයයි.
"ප්‍රතික්ෂේප-රහිත මෙවලම් ඇමතුම්" එකතු කරන දේ ඇසෙන දෙයට වඩා සියුම්ය. පෙරහන් කළ API එකක, ඒජන්ට් ලූපයක් තුළ ප්‍රතික්ෂේප වෙනස් අසාර්ථක ආකාර තුනකින් පෙනී යයි:
- දැඩි ප්‍රතික්ෂේපය — පියවර මෙවලම් ඇමතුමක් වෙනුවට prose ලබා දෙයි, parser අසාර්ථක වේ, ලූපය බිඳ වැටේ. අවම වශයෙන් ශබ්දවත්ය.
- මෘදු ප්‍රතික්ෂේපය — ඇමතුම සිදු වේ නමුත් arguments sandbag කර ඇත: පටු කළ විමසුමක්, ප්‍රවේශම්සහගත පරාමිතියක්, කප්පාදු කළ payload එකක්. ලූපය නිහඬව පිරිහුණු තත්ත්වයක් සමඟ දිගටම ගමන් කරන අතර ඔබ එය සොයාගන්නේ පියවර හතරකට පසුවය.
- පූර්ව මගහැරීම — සැලැස්ම නීත්‍යානුකූල ශාඛාවකට ළඟා වීමට පෙරම එයින් බැහැරව හැරෙයි. ඔබට මෙය කිසි විටෙකත් නොපෙනේ; ඔබට ලැබෙන්නේ නරක සැලැස්මක් සහ කිසිදු පැහැදිලි කිරීමක් නැති බවයි.
දෙවන සහ තුන්වන ඒවා මිල අධිකයි, මන්ද ඒවා අදෘශ්‍යමාන බැවිනි: දෝෂයක් නැත, ලොග්වල කිසිවක් නැත, grep කිරීමට කිසිවක් නැත. ප්‍රතික්ෂේප ස්තරයක් නොමැති අන්ත ලක්ෂ්‍යයක් සම්පූර්ණ පංතියම ඉවත් කරයි — ආකෘතියේ tool-call arguments යනු ආකෘතියේම tool-call argumentsයි.
මෙය වඩාත්ම වැදගත් වන්නේ, කෙසේ වුවත් සංවේදී අන්තර්ගතය ස්පර්ශ කරන දිගු ස්වයංක්‍රීය ධාවන අවශ්‍ය වන ක්ෂේත්‍රවලයි: ආරක්ෂක පර්යේෂණ සහ red-teaming, malware සහ සිද්ධි විශ්ලේෂණය, සායනික ලේඛන සැකසීම, නෛතික discovery, සහ එය පාලනය කරන අන්තර්ගතය ගැන තර්ක කළ යුතු moderation tooling. moderation classifier එකක් ගොඩනැගීමට එය වර්ගීකරණය කරන දේ දෙස බැලීමට කැමති ආකෘතියක් අවශ්‍යයි; එය paradox එකක් නොව හුදෙක් රැකියාවයි.
දිගු ධාවන සඳහා ප්‍රායෝගික සටහන්: reasoning_effort මගින් ඔබට සැලසුම් පියවරවලට වැඩි සිතීමක් සහ යාන්ත්‍රික ඒවාට අඩුවක් වැය කිරීමට ඉඩ දේ. උපභාෂා තුනෙහිම ප්‍රවාහනය ලබා ගත හැකි බැවින්, දිගු පියවරකට ප්‍රගතිය මතු කළ හැකි හෝ එය ඉක්මනින් නවත්වා දැමිය හැක. තවද ටෝකන 262,144ක සන්දර්භයක් — ගොනු අන්තර්ගතය, පෙර මෙවලම් ප්‍රතිඵල, ක්‍රියාත්මක සැලැස්මක් — සෑම වාරයක්ම නැවත සාරාංශගත නොකර පියවර ගණනාවක් පුරා තබා ගනී, එය ඒජන්ට් අපගමනයේ පොදු මූලාශ්‍රයකි.
07ව්‍යුහගත ප්‍රතිදානය සහ API උපභාෂා තුන
K2.6, json_schema (දැඩි schema-සීමිත උත්පාදනය) සහ ලිහිල් response_format යන දෙකටම සහාය දක්වයි. එය නාමාවලියට එරෙහිව පරීක්ෂා කරන්න: මෙහි ඇති ආකෘති දොළහෙන් දෙකක් දැඩි schema ප්‍රතිදානයට සහාය නොදක්වයි, තවද ඔබේ ඊළඟ pipeline අදියර JSON parse කරන්නේ නම්, එම තීරුව විකල්පීය නොවේ.
වාරණයෙන් තොර ආකෘතියක් යටිතල පහසුකමක් ලෙස භාවිත කළ හැකි කරන්නේ දැඩි schema ප්‍රතිදානයයි: ආකෘතිය ඔබේ schema එකට ගැලපෙන object එකක් නිකුත් කළ යුතුනම්, එය වෙනත් ආකාරයකින් පැවසිය හැකි දෙයින් ස්වාධීන parse සහතිකයක් ඔබට ලැබේ — පෙරවදනක් නැත, සමාවක් නැත, ඔබේ JSON වටා ඔතන ලද ඡේදයක් නැත. ප්‍රතික්ෂේප ස්තරයක් නොමැති බව සමඟ ඒකාබද්ධව, එය ලේඛනය කුමක් ගැන වුවත්, සෑම ලේඛනයක් සඳහාම, සෑම ඇමතුමක්ම ඔබේ object එක ආපසු දෙන උපුටා ගැනීමේ අන්ත ලක්ෂ්‍යයකි.
| මතුපිට | Kimi-K2.6 සහාය | සටහන් |
|---|---|---|
| /v1/chat/completions | ඔව් | OpenAI උපභාෂාව — පවතින SDK සඳහා drop-in එකකි |
| /v1/messages | ඔව් | Anthropic උපභාෂාව — එකම ආකෘතිය, එකම බර |
| /v1/responses | ඔව් | Responses-විලාසි අතුරුමුහුණතක් |
| ප්‍රවාහනය | ඔව් | උපභාෂා තුනෙහිම |
| මෙවලම් ඇමතුම් | ඔව් | දේශීය, JSON-schema මෙවලම් අර්ථ දැක්වීම් |
| json_schema | ඔව් | දැඩි ව්‍යුහගත ප්‍රතිදානය |
| response_format | ඔව් | ලිහිල් JSON ප්‍රකාරය |
| reasoning_effort | ඔව් | ඇමතුමකට සිතීමේ අයවැය සකස් කරන්න |
| දෘශ්‍ය ආදානය | ඔව් | පෙළ සමඟ රූප |
උපභාෂා තුනම එකම පොකුරේ එකම බරට ලිපින කරයි. පවතින OpenAI client එකක් base URL එකට යොමු කර, model එක Kimi-K2.6-W4A16-AUTOROUND-REAP ලෙස සකසන්න, එවිට ඔබ ධාවනය වෙමින් සිටිනු ඇත. ඉල්ලීම් සහ ප්‍රතිචාර හැඩතල, ප්‍රවාහන semantics සහ සජීවී playground එකක් API ලේඛනයේ ඇත.
08Kimi K2.6 වැරදි තේරීම වන්නේ කොහේද
ශක්තීන් පමණක් ලැයිස්තුගත කරන ආකෘති මාර්ගෝපදේශයක් වෙළඳ දැන්වීමකි. අප ඔබව වෙනත් තැනකට යැවිය හැකි තැන් මෙන්න.
- ඔබට තනි දුෂ්කර ගමනක උපරිම සීමාව අවශ්‍යයි. Kimi-K3 වෙත ගොස් 5x ගෙවන්න. එය ඒ සඳහාමය.
- ඔබට pixel-නිවැරදි දෘශ්‍ය grounding අවශ්‍යයි. Bounding boxes, පිරිහුණු ස්කෑන් වල dense OCR සහ අවුල් සහගත දර්ශනවල නිවැරදි ගණන් කිරීම එහි ශක්තිමත්ම බිම නොවේ — මුලින්ම ඔබේ දත්ත මත පරීක්ෂා කරන්න.
- ඔබට දෘශ්‍ය හැකියාවක් නොමැතිව ලාභයටත් වඩා ලාභ දෙයක් අවශ්‍යයි. නාමාවලියේ ආකෘති කිහිපයක් $0.50 / $2.00 හි සිටී. K2.6 හි වාරිකය මිලදී ගන්නේ දෘශ්‍ය හැකියාව සහ Kimi ඒජන්ට් පැතිකඩයි; ඔබට ඒ දෙකින් කිසිවක් අවශ්‍ය නොවේ නම්, ලාභම ස්තරය ගන්න.
- ඔබට එක් ප්‍රතිචාරයක ටෝකන 16,384කට වඩා අවශ්‍යයි. එම උපරිම සීමාව සම්පූර්ණ නාමාවලිය පුරාම යෙදෙයි — ඔබ තෝරන ආකෘතිය කුමක් වුවත් දිගු ලේඛනවලට කැබලි කර උත්පාදනය කිරීම අවශ්‍ය වේ.
- ඔබට bit-නිශ්චිත upstream හැසිරීම අවශ්‍යයි. මෙය කප්පාදු කරන ලද සහ ප්‍රමාණකරණය කරන ලද නිර්මාණයකි: හිතාමතාම කළ, ප්‍රකාශයට පත් කළ හුවමාරුවකි. ප්‍රතිනිෂ්පාදනීයතා අධ්‍යයනයක් සඳහා, Moonshot හි මුල් බරට එරෙහිව ධාවනය කරන්න.
මෙහි ඇති සෑම upstream සංඛ්‍යාවක්ම Moonshot AI විසින් හෝ ස්වාධීන පර්යේෂකයන් විසින් ප්‍රකාශයට පත් කර ඇත. අපගේම සංඛ්‍යා — මිල, සන්දර්භය, උපරිම ප්‍රතිදානය, හැකියා ධ්වජ — ඔබටම විමසිය හැකි සජීවී /v1/models අන්ත ලක්ෂ්‍යයෙන් කෙළින්ම එයි. දෙකම පරීක්ෂා කරන්න.
Kimi K2.6 සහ K3 ගෘහ නිර්මාණ, ප්‍රමිති, සහ නිකුත් කිරීමේ දින සංඛ්‍යා Moonshot විසින් වාර්තා කරන ලද අතර upstream පදනම සඳහා පෙන්වා ඇත, අපගේ සම්පීඩිත නිර්මාණය සඳහා නොවේ. Multimodal ශ්‍රේණිගත සංඛ්‍යාව ස්වාධීන තෙවන පාර්ශව leaderboard එකකිනි. Shannon gateway මිල ගණන් 2026 සැප්තැම්බර් 5 වන දිනට ලැයිස්තු මිල ගණන් වේ.
09නිතර අසන ප්‍රශ්න
වාරණයෙන් තොර Kimi K2 API එකක් තිබේද?
ඔව්. Shannon AI, Kimi-K2.6 අපගේම GPU පොකුරේ වාරණයෙන් තොර අන්ත ලක්ෂ්‍යයක් ලෙස සේවා කරයි: ආකෘතියට ඉදිරියෙන් ප්‍රතික්ෂේප ස්තරයක් නොමැති අතර එහි ප්‍රතිදානයට කිසිදු අන්තර්ගත පෙරහනක් යොදන්නේ නැත. ඔබට ලැබෙන්නේ පදනමේම හැසිරීමයි, ටෝකන 262,144ක සන්දර්භ කවුළුවක්, දෘශ්‍ය ආදානය, සහ දේශීය මෙවලම් ඇමතුම් සමඟින්.
වාරණයෙන් තොර Kimi K2.6 API එකට කොපමණ මුදලක් වැය වේද?
Kimi-K2.6, ආදාන ටෝකන මිලියනයකට $0.78ක් සහ ප්‍රතිදාන ටෝකන මිලියනයකට $3.67ක් වේ. සාමාන්‍ය ඒජන්ට් පියවරක් — ආදාන 40K සහ ප්‍රතිදාන 2K — ආසන්න වශයෙන් සත 3.9ක් වැය කරයි; පියවර 200ක ස්වයංක්‍රීය ධාවනයක් දළ වශයෙන් $7.71ක් වැය කරයි.
Shannon AI මත Kimi K2.6 දෘශ්‍ය හැකියාවට සහාය දක්වයිද?
ඔව්. Kimi-K2.6, පෙළ සමඟ රූප ආදානය පිළිගනී. එය Shannon නාමාවලියේ දෘශ්‍ය හැකියාව ඇති ආකෘති හතරෙන් එකක් පමණක් වන අතර, ආදාන ටෝකන මිලියනයකට ඩොලරයකට වඩා අඩුවෙන් Kimi ඒජන්ට් පෙළපත සමඟ දෘශ්‍ය හැකියාව යා කරන එකම ආකෘතියයි.
මම Kimi K2.6 හෝ Kimi K3 භාවිත කළ යුත්තේද?
Kimi K3, විශාලතර පදනමක් සඳහා ආසන්න වශයෙන් 5x වැඩි මුදලක් ($0.78/$3.67ට එරෙහිව $3.83/$19.12) වැය කරයි. තනි දුෂ්කර තර්කන ගමනක් පළමු වර ම සාර්ථක විය යුතු අතර නැවත උත්සාහයක් මිල අධික වන විට K3 තෝරන්න. පරිමාව සඳහා K2.6 තෝරන්න: දිගු ඒජන්ට් ලූප, රූප pipeline, උපුටා ගැනීම, සහ ඔබ දහස් වාරයක් ධාවනය කරන ඕනෑම දෙයක් — එහිදී 5x යනු ප්‍රායෝගික වීම සහ නොවීම අතර වෙනසයි.
වාරණයෙන් තොර Kimi K2 API මෙවලම් ඇමතුම් සහ JSON schema සඳහා සහාය දක්වයිද?
ඔව්, දෙකටම. Kimi-K2.6, දේශීය මෙවලම් ඇමතුම්, දැඩි json_schema ව්‍යුහගත ප්‍රතිදානය, සහ response_format යන සියල්ලටම, API උපභාෂා තුනෙහිම සහාය දක්වයි: /v1/chat/completions, /v1/messages, සහ /v1/responses. ප්‍රවාහනය සහ reasoning_effort තුනෙහිම සහාය දක්වයි.
Kimi-K2.6 වාරණයෙන් තොරව ධාවනය කරන්න
දෘශ්‍ය හැකියාව, මෙවලම් ඇමතුම්, 262K සන්දර්භය. ටෝකන මිලියනයකට $0.78 in / $3.67 out.
API ලේඛන කියවන්න සියලුම ආකෘති බලන්නආකෘති id: Kimi-K2.6-W4A16-AUTOROUND-REAP · අපගේම GPU පොකුරේ සේවා කෙරේ
Shannon AI, New Mexico, USA හි Shannon Lab LLC විසින් මෙහෙයවනු ලැබේ. මූලාශ්‍ර: Moonshot AI — Kimi K2 · REAP the Experts (arXiv 2510.13999) · Cerebras Research — REAP. Upstream Kimi ප්‍රමිති සංඛ්‍යා Moonshot විසින් වාර්තා කරන ලද අතර ස්වාධීන සත්‍යාපනයක් පොරොත්තුවෙන් තාවකාලිකය; ඒවා විස්තර කරන්නේ සම්පීඩනය නොකළ පදනම මිස Shannon හි ප්‍රමාණකරණය කළ නිර්මාණය නොවේ.