Necenzurované Kimi K2 API

Väčšina stránok o „lacnom modeli“ je v skutočnosti o malom modeli, ktorý nosí rodinné meno veľkého modelu. Táto nie. Kimi K2.6 je plnohodnotný základ na hranici špičky — bilión parametrov riedkej zmesi expertov, s natívnym vizuálnym enkodérom a tréningovým programom mieriacim priamo na agentskú prácu s nástrojmi. Cenovo výhodnou úrovňou ho nerobí menší mozog, ale agresívnejší kompresný recept. Otázka teda neznie „je dosť dobrý?“, ale „ktoré úlohy si vôbec všimnú rozdiel medzi ním a jeho 5-krát drahším súrodencom?“. Väčšina tohto článku odpovedá práve na to.

01Čo je Kimi K2.6 v skutočnosti?

Kimi K2.6 je model s otvorenými váhami od Moonshot AI, pekinského laboratória stojaceho za sériou Kimi, vydaný 20. apríla 2026. Dedí architektúru, ktorá spravila K2 pozoruhodným: riedky transformer typu Mixture-of-Experts s približne 1 biliónom celkových parametrov a asi 32 miliardami aktívnych na token, usporiadaný ako 384 expertov, 8 smerovaných plus 1 zdieľaný na vrstvu naprieč 61 vrstvami, s Multi-head Latent Attention. Na ktoromkoľvek tokene sa zapáli len malý zlomok toho bilióna — a práve preto sa dá model tejto veľkosti oceniť v centoch.

Na línii záleží kvôli tomu, na čo Moonshot optimalizoval. Pôvodný K2 bol predtrénovaný na zhruba 15,5 biliónoch tokenov optimalizátorom Muon / MuonClip, postaveným špeciálne na to, aby MoE s biliónom parametrov netrpel explóziami pozornosti a skokmi v strate, ktoré tréning v tejto mierke destabilizujú; Moonshot uviedol nulovú tréningovú nestabilitu počas celého behu. To je pred všetkým ostatným — umožnilo im to minúť tréningový rozpočet na agentské správanie namiesto hasenia požiarov.

K2.6 to rozširuje dvomi smermi. Po prvé je natívne multimodálny: obrázky a snímky videa idú cez MoonViT, vizuálny enkodér s ~400 miliónmi parametrov, ktorý obrázok rozdelí na dlaždice 448 × 448 a každú premietne rovno do tokenového priestoru jazykového modelu — vizuálne tokeny sedia v tej istej sekvencii ako všetko ostatné, nie v priskrutkovanom popisovači, ktorý kŕmi slepý model. Po druhé je stavaný na orchestráciu do hĺbky: práca Moonshotu o Agent Swarm uvádza koordináciu až 300 doménovo špecializovaných podagentov a až 4 000 koordinovaných krokov v jedinom autonómnom behu.

Benchmarkový profil podľa Moonshotu

Toto sú čísla uvádzané Moonshotom pre nekomprimovaný základ K2.6, nie naše merania. Užitočné na tvar, nie na presnosť:

Čítajte tvar, nie číslice. Skóre využívajúce nástroje a vyhľadávanie sedia vysoko; skóre čistej obťažnosti sedia nižšie. To je podpis modelu trénovaného dobre konať, nie všetko vedieť — správna výmena, ak má váš agent prehliadač, shell a súborový systém, a nesprávna, ak kladiete jedinú náročnú otázku bez pripojených nástrojov.

02Čo znamená W4A16-AUTOROUND-REAP

Prípona v id modelu nie je ozdoba. Je to presný kompresný recept, zverejnený tak, aby ste vedeli uvažovať o výmene, ktorú robíte.

• W4A16 — váhy v 4 bitoch, aktivácie počítané v 16. Pamäť váh klesne oproti bf16 zhruba 4-krát, kým aritmetika, v ktorej sa kumuluje chyba, zostáva v 16-bitovej presnosti. Toto je štandardný kvalitný prevádzkový bod pre veľmi veľké modely typu MoE.
• AUTOROUND — kvantizátor AutoRound od Intelu. Naivné zaokrúhľovanie na najbližšiu hodnotu zaobchádza s každou váhou samostatne a zahadzuje informáciu, na ktorej model stál; AutoRound sa rozhodnutia o zaokrúhľovaní namiesto toho učí voči kalibračným dátam. Pri 4-bitovom cieli je to rozdiel medzi modelom, ktorý ešte dodržiava schému, a modelom, ktorý sa jej vzďaľuje.
• REAP — Router-weighted Expert Activation Pruning z Cerebras Research (arXiv 2510.13999, ICLR 2026). Na väčšinu expertov v MoE sa smeruje len zriedka. REAP hodnotí každého podľa hodnôt brány smerovača aj podľa noriem jeho aktivácií a najmenej výrazných potom odstráni jediným zásahom. Zverejnený výsledok: až 50 % expertov prerezaných z modelov s biliónom parametrov pri prevažne zachovanej východiskovej kvalite, pričom prerezávanie na generatívnych úlohách poráža zlučovanie expertov — zlučovanie špecialistov rozmazáva dokopy, prerezávanie len zahodí tých nepoužívaných.

Aplikované v tomto poradí — najprv prerezať, potom kvantizovať zvyšok — dostanete model, ktorý sa zmestí a beží rýchlo bez prepadu kvality, ktorý by pri týchto pomeroch spôsobila každá z tých techník samostatne. Aby sme boli k cene úprimní: komprimovaný model nie je bitovo identický s originálom. Recept kupuje to, že degradácia pristane tam, kde si ju pravdepodobne nevšimnete — na zriedkavých smerovacích cestách, v chvostoch tokenov s nízkou pravdepodobnosťou — a nie v dodržiavaní inštrukcií, formátovaní volaní nástrojov či v dodržiavaní schémy.

03Čo na tomto koncovom bode znamená „necenzurované“

Necenzurované je tu tvrdenie o architektúre, nie o postoji. Pred modelom nie je žiadna vrstva odmietania a na jeho výstupe žiadne filtrovanie obsahu. Vaša požiadavka sa dostane k základu a jeho odpoveď sa dostane k vám; ani jeden smer nič nezachytáva.

Na tom rozlíšení záleží, lebo „necenzurované“ sa používa voľne. Pod tým slovom sa zbaľujú tri samostatné veci:

1. Klasifikácia vstupu — samostatný model prečíta váš prompt a rozhodne, či ho pustí ďalej. Tu nie je prítomná.
2. Filtrovanie výstupu — skener skúma vygenerovaný text a skracuje ho alebo nahrádza. Tu nie je prítomné.
3. Vlastné sklony základu — čokoľvek sa základný model naučil v tréningu. To patrí modelu a netvrdíme, že sme to vymazali.

Prvé dve sú tým, čo láme produkčné systémy, a práve tie dve odstraňujeme. Klasifikátor, ktorý sa zapáli na 0,5 % požiadaviek, je 0,5 % miera zlyhania, ktorú neviete odladiť, nie je proti nej odvolanie a nevidíte ju prichádzať — a naprieč agentskou slučkou na 200 krokov sa 0,5 % zlyhania na krok skladá do behu, ktorý zlyháva častejšie, než uspeje. Odmietnutie v rozhovore je otrava; odmietnutie v kroku 147 autonómneho behu zničí stav behu a spáli všetko, čo ste minuli cestou k nemu. Pri agentských záťažiach je odstránenie plochy pre odmietanie vlastnosťou spoľahlivosti, nie štylistickou preferenciou.

Dôsledkom je, že zodpovednosť sa presúva na vás. Medzi vašou aplikáciou a vašimi používateľmi nie je žiadna záchranná sieť; ak ju váš produkt potrebuje, postavte ju tam, kde na ňu vidíte, kde ju viete ladiť a logovať. Prečítajte si najprv naše zásady zodpovedného používania.

04Kimi K2.6 vs. Kimi K3: kedy sa 5-násobok oplatí?

Toto je rozhodnutie, kvôli ktorému väčšina čitateľov prišla, takže tu je bez vykrúcania. Kimi-K3 · 3BIT-REAP je väčší a novší základ: ohlásený 16. júla 2026, s otvorenými váhami 27. júla, s približne 2,8 biliónmi celkových parametrov a asi 104 miliardami aktívnych na token — viac než 3-násobok aktívneho výpočtu K2.6. Na strane výrobcu uvádza Moonshot K3 asi za 5-násobok ceny K2.6 a ceny našej brány ten pomer kopírujú.

	Kimi-K2.6 · W4A16-AUTOROUND-REAP	Kimi-K3 · 3BIT-REAP
Vstup / 1M tokenov	$0.78	$3.83
Výstup / 1M tokenov	$3.67	$19.12
Kontextové okno	262,144	262,144
Max. výstup / požiadavka	16,384	16,384
Obrazový vstup	Áno	Áno
Natívne volanie nástrojov	Áno	Áno
Prísna json_schema	Áno	Áno
Necenzurované	Áno	Áno
Aktívne parametre / token	~32B	~104B

Všimnite si, čo tabuľka neukazuje: nie je v nej riadok, kde by K3 mal funkciu, ktorá K2.6 chýba. Rovnaké okno, rovnaký maximálny výstup, rovnaké videnie, rovnaké volanie nástrojov, rovnaký štruktúrovaný výstup, rovnaký necenzurovaný postoj, rovnaké tri dialekty. Ten 5-násobok kupuje presne jednu vec — hrubú schopnosť na jeden priechod. To je skutočné, ale je to jediná os a na osiach, kde vaše úzke hrdlo nie je, nespraví nič.

Konkrétne k veľkosti kontextového okna

Na strane výrobcu je hlavnou funkciou K3 kontext s miliónom tokenov oproti 262K u K2.6. Na bráne Shannon sú oba modely servírované na 262 144 tokenoch. Ak bol dlhý kontext vaším dôvodom platiť 5-násobok, tu ten dôvod neplatí — zaplatili by ste prirážku a dostali rovnaké okno. Toto je presne to, čo má dodávateľ pokušenie nepovedať, a preto to stojí tučným.

5-násobok zaplaťte, keď

• Musí vyjsť jediný pokus. Jediný náročný priechod, kde je opakovanie drahé alebo nemožné — nevratná akcia, rozhodnutie na konci dlhej pipeline. Viac aktívnych parametrov na token je presne to, čo dvíha strop jedného priechodu.
• Úloha je viazaná na znalosti, nie na nástroje. Hlboká syntéza, kde musí odpoveď vyjsť z váh. Profil K2.6 je agentský; zoberte mu nástroje a väčší základ sa ukáže.
• Objem je nízky a stávky vysoké. Pri 500 volaniach mesačne je 5-násobok 40 $ namiesto 8 $. Kúpte si jednoducho lepší model.

5-násobok neplaťte, keď

• Beží vám slučka. Dlhým agentským behom dominujú mechanické kroky — prečítaj súbor, zavolaj nástroj, skontroluj výsledok, vyber ďalší — a presne na to bol K2.6 trénovaný. Pri 200 krokoch je ten 5-násobok 7,71 $ oproti 38,29 $ na beh.
• Spracúvate obrázky vo veľkom. Vizuálne záťaže sú náročné na vstupné tokeny a uvažovanie na položku je plytké. Pozri sekciu 05; nie je to ani tesné.
• Úlohou je extrakcia, klasifikácia alebo transformácia. Vyťahovanie polí z dokumentov, smerovanie tiketov, normalizácia záznamov, zhrnutia — ohraničené úlohy, kde väčší model vyprodukuje ten istý JSON.
• Máte overovací krok. Ak sa výstup kontroluje — testovacou sadou, validátorom schémy, druhým priechodom, človekom — sú občasné minutia lacné a ekonomika rozhodne hrá pre objem. Toto je najviac podceňovaný argument pre cenovo výhodnú úroveň.

Vzorec, ktorý sa oplatí pomenovať: nasaďte K2.6 na slučku a K3 na verdikt. Nechajte lacný agentský model odrobiť tú stovku krokov zbierania, volania a konceptov a potom miňte jedno drahé volanie na finálnu syntézu. Oba modely hovoria identickým API s rovnakým kontextovým oknom, takže prepnutie je zmena jedného riadku v poli model.

05Videnie za použiteľnú cenu

Videnie je najostrejšou hranou K2.6 v tomto katalógu. Z dvanástich necenzurovaných modelov na bráne prijímajú obrázky len štyri a K2.6 je jediný, ktorý spája obrazový vstup s agentskou líniou Kimi pod jedným dolárom za milión vstupných tokenov.

Vizuálne záťaže majú nezvyčajný tvar nákladov. Podľa zverejneného opisu MoonViT od Moonshotu sa obrázok 1024 × 1024 zakóduje do zhruba 576 obrazových tokenov — a to sú vstupné tokeny, lacnejšia strana účtu. Typická vizuálna úloha pristane takmer celá na sadzbe 0,78 $, nie na sadzbe 3,67 $. Vezmite 10 000 obrázkov, každý s ~200 tokenmi promptu (teda ~776 vstupnými tokenmi) a ~150 tokenmi štruktúrovaného výstupu:

Záťaž	Kimi-K2.6	Kimi-K3	Násobok
Jeden agentský krok (40K vstup / 2K výstup)	$0.0385	$0.1914	5.0x
Autonómny beh na 200 krokov	$7.71	$38.29	5.0x
10 000 obrázkov, štruktúrovaný výstup	$11.56	$58.40	5.1x
Dávková úloha (1M vstup / 200K výstup)	$1.51	$7.65	5.1x

Vypočítané z cenníkových cien brány Shannon. Odhad obrazových tokenov vychádza zo zverejneného údaja Moonshotu o MoonViT: ~576 tokenov na obrázok 1024 × 1024; presná tokenizácia sa mení s rozlíšením a pomerom strán.

Obrazovú pipeline za 11,56 $ spúšťate denne bez rozmýšľania. Tú za 58,40 $ plánujete, obhajujete a nakoniec zrušíte. Ten rozdiel je celým argumentom pre cenovo výhodnú úroveň.

Jedna poctivá výhrada. Na nezávislých rebríčkoch multimodálnych a ukotvených úloh bol K2.6 uvádzaný okolo 26. miesta zo 115 modelov, s priemerom blízko 68,1 — slušné, nie triedne vedúce. Jeho videnie je naozaj silné v porozumení dokumentom, čítaní snímok obrazovky a používateľských rozhraní a vo výklade grafov či schém; slabšie je pri presnom priestorovom ukotvení — presných ohraničujúcich rámčekoch, jemnom počítaní v preplnených scénach, hustom OCR degradovaných skenov. Ak potrebujete lokalizáciu presnú na pixel, otestujte si to najprv na vlastných dátach. Ak potrebujete model, ktorý sa pozrie na snímku obrazovky a rozhodne, kam kliknúť ďalej, toto je presne ten správny nástroj.

06Volanie nástrojov bez odmietania a agentské slučky

K2.6 podporuje natívne volanie nástrojov: model vydáva štruktúrované volania nástrojov priamo z definícií nástrojov v JSON schéme, ktoré mu dodáte, namiesto toho, aby ho bolo treba nahovárať na produkovanie parsovateľného textu. Spolu s viackolovým rozhovorom a systémovými promptmi je to úplný podklad pre agentskú slučku.

To, čo pridáva „volanie nástrojov bez odmietania“, je jemnejšie, než to znie. Na filtrovanom API sa odmietnutia vnútri agentskej slučky prejavia v troch odlišných režimoch zlyhania:

• Tvrdé odmietnutie — krok vráti prózu namiesto volania nástroja, parser zlyhá, slučka sa zlomí. Aspoň je to hlasné.
• Mäkké odmietnutie — volanie prebehne, ale argumenty sú okresané: zúžený dopyt, opatrne nastavený parameter, skrátený payload. Slučka pokračuje s ticho degradovaným stavom a zistíte to o štyri kroky neskôr.
• Preventívne vyhýbanie sa — plán odbočí od legitímnej vetvy skôr, než sa k nej priblíži. Toto nikdy neuvidíte; jednoducho dostanete horší plán a žiadne vysvetlenie.

Drahé sú to druhé a tretie, pretože sú neviditeľné: žiadna chyba, nič v logoch, nič, na čo by sa dalo grepnúť. Koncový bod bez vrstvy odmietania odstraňuje celú túto triedu — argumenty volania nástroja od modelu sú argumenty volania nástroja od modelu.

Najviac to hrá v doménach, ktoré potrebujú dlhé autonómne behy a tak či tak sa dotýkajú citlivého materiálu: bezpečnostný výskum a red teaming, analýza malvéru a incidentov, spracovanie klinických dokumentov, právne dokazovanie a nástroje na moderovanie, ktoré musia o moderovanom obsahu uvažovať. Postaviť klasifikátor na moderovanie si vyžaduje model ochotný pozrieť sa na to, čo klasifikuje; to nie je paradox, len práca.

Praktické poznámky pre dlhé behy: reasoning_effort vám umožní minúť viac myslenia na plánovacie kroky a menej na mechanické. Streamovanie je dostupné na všetkých troch dialektoch, takže dlhý krok môže priebežne ukazovať postup alebo sa dá skoro prerušiť. A 262 144 tokenov kontextu udrží skutočný pracovný stav — obsahy súborov, predchádzajúce výsledky nástrojov, priebežný plán — rezidentný naprieč mnohými krokmi bez preskupovania v každom kole, čo je samo o sebe bežný zdroj driftu agenta.

07Štruktúrovaný výstup a tri dialekty API

K2.6 podporuje aj json_schema (prísne generovanie viazané schémou), aj voľnejší response_format. Porovnajte to s katalógom: dva z dvanástich tunajších modelov prísny výstup podľa schémy nepodporujú, a ak ďalší stupeň vašej pipeline parsuje JSON, tento stĺpec nie je voliteľný.

Prísny výstup podľa schémy je to, čo robí z necenzurovaného modelu použiteľnú infraštruktúru: ak model musí vydať objekt zodpovedajúci vašej schéme, dostanete záruku parsovania nezávislú od toho, čo by inak povedal — žiadna predohra, žiadne ospravedlnenie, žiadny odsek omotaný okolo vášho JSON. V kombinácii so žiadnou vrstvou odmietania je to extrakčný koncový bod, ktorý vráti váš objekt pri každom volaní, pre každý dokument, nech je o čomkoľvek.

Plocha	Podpora v Kimi-K2.6	Poznámky
/v1/chat/completions	Áno	Dialekt OpenAI — priama náhrada pre existujúce SDK
/v1/messages	Áno	Dialekt Anthropic — ten istý model, tie isté váhy
/v1/responses	Áno	Rozhranie v štýle Responses
Streamovanie	Áno	Na všetkých troch dialektoch
Volanie nástrojov	Áno	Natívne, definície nástrojov v JSON schéme
json_schema	Áno	Prísny štruktúrovaný výstup
response_format	Áno	Voľnejší JSON režim
reasoning_effort	Áno	Ladenie rozpočtu na myslenie na volanie
Obrazový vstup	Áno	Obrázky popri texte

Všetky tri dialekty adresujú tie isté váhy na tom istom klastri. Namierte existujúceho klienta OpenAI na základnú URL, nastavte model na Kimi-K2.6-W4A16-AUTOROUND-REAP a bežíte. Tvary požiadaviek a odpovedí, sémantika streamovania a živé ihrisko sú v dokumentácii API.

08Kde je Kimi K2.6 zlou voľbou

Sprievodca modelom, ktorý vymenúva len silné stránky, je reklama. Tu je, kam by sme vás poslali inam.

• Potrebujete absolútny strop na jedinom náročnom priechode. Choďte na Kimi-K3 a zaplaťte 5-násobok. Presne na to je.
• Potrebujete vizuálne ukotvenie presné na pixel. Ohraničujúce rámčeky, husté OCR degradovaných skenov a presné počítanie v preplnených scénach nie sú jeho najsilnejšou pôdou — otestujte najprv na svojich dátach.
• Potrebujete lacnejšie než lacné, bez videnia. Viacero modelov v katalógu sedí na 0,50 $ / 2,00 $. Prirážka K2.6 kupuje videnie a agentský profil Kimi; ak nepotrebujete ani jedno, vezmite lacnejšiu úroveň.
• Potrebujete v jednej odpovedi viac než 16 384 výstupných tokenov. Tento strop platí naprieč celým katalógom — dlhé dokumenty potrebujú generovanie po častiach, nech si vyberiete ktorýkoľvek model.
• Chcete bitovo presné správanie originálu. Toto je prerezaný a kvantizovaný build: zámerná, zverejnená výmena. Na štúdiu reprodukovateľnosti bežte na pôvodných váhach od Moonshotu.

Údaje o architektúre, benchmarkoch a dátumoch vydania Kimi K2.6 a K3 uvádza Moonshot a sú zobrazené pre pôvodný základ, nie pre náš komprimovaný build. Údaj o multimodálnom poradí pochádza z nezávislého rebríčka tretej strany. Ceny brány Shannon sú cenníkové ceny k 5. septembru 2026.

09Často kladené otázky

---

Shannon AI prevádzkuje Shannon Lab LLC, Nové Mexiko, USA. Zdroje: Moonshot AI — Kimi K2 · REAP the Experts (arXiv 2510.13999) · Cerebras Research — REAP. Prevzaté benchmarkové čísla Kimi uvádza Moonshot a sú predbežné, kým ich nezávisle neoverí tretia strana; opisujú nekomprimovaný základ, nie kvantizovaný build Shannonu.