API e pacensuruar Kimi K2
Pamje, thirrje mjetesh vendase dhe një dritare 262K mbi themelin agjentik me një trilion parametra të Moonshot-it — i pacensuruar, me 0.78 $ hyrje / 3.67 $ dalje për milion tokena.
Shkurt
Kimi-K2.6 · W4A16-AUTOROUND-REAP është niveli me vlerë i familjes Kimi në portën e Shannon-it. Është MoE-ja agjentike me 1 trilion parametra e Moonshot AI — modeli i ndërtuar për laqe të gjata përdorimi mjetesh — e shërbyer e pacensuruar me hyrje me imazh, thirrje mjetesh vendase, dalje të rreptë me skemë JSON dhe një kontekst prej 262.144 tokenash, me 0.78 $ / 3.67 $ për milion tokena. Motra e tij Kimi-K3 kushton afërsisht 5 herë më shumë. Seksioni 04 është një rrëfim i ndershëm se kur ai 5-fish ju blen diçka dhe kur nuk ju blen asgjë.
Shumica e faqeve për "modele të lira" flasin në të vërtetë për një model të vogël që mban emrin e familjes së një modeli të madh. Kjo jo. Kimi K2.6 është një themel i plotë në shkallë të vijës së parë — një trilion parametra Mixture-of-Experts të rrallë, me një kodues pamjeje vendas dhe një program stërvitjeje drejtuar pikërisht te përdorimi agjentik i mjeteve. Ajo që e bën nivelin me vlerë nuk është një tru më i vogël, por një recetë ngjeshjeje më agresive. Prandaj pyetja nuk është "a është mjaftueshëm i mirë?", por "cilat punë e vërejnë vërtet diferencën mes tij dhe motrës së tij 5 herë më të shtrenjtë?". Pjesa më e madhe e këtij artikulli i përgjigjet asaj.
01Çfarë është vërtet Kimi K2.6?
Kimi K2.6 është një model me pesha të hapura nga Moonshot AI, laboratori i Pekinit pas serisë Kimi, i publikuar më 20 prill 2026. Ai trashëgon arkitekturën që e bëri K2-shin të shquar: një transformer Mixture-of-Experts i rrallë me rreth 1 trilion parametra në total dhe rreth 32 miliardë aktivë për token, i organizuar si 384 ekspertë, 8 të drejtuar plus 1 i përbashkët për shtresë përgjatë 61 shtresash, me Multi-head Latent Attention. Vetëm një copëz e vogël e atij trilioni ndizet mbi çdo token të dhënë — pikërisht prandaj një model i kësaj përmase mund të çmohet në cent.
Linja ka rëndësi për shkak të asaj që optimizoi Moonshot. K2-shi origjinal u para-stërvit mbi rreth 15.5 trilion tokena duke përdorur optimizuesin Muon / MuonClip, i ndërtuar posaçërisht për ta ruajtur një MoE me një trilion parametra nga shpërthimet e vëmendjes dhe majat e humbjes që e destabilizojnë stërvitjen në atë shkallë; Moonshot raportoi zero paqëndrueshmëri stërvitjeje përgjatë ekzekutimit. Kjo qëndron para gjithçkaje tjetër — u lejoi ta shpenzonin buxhetin e stërvitjes për sjellje agjentike e jo për të shuar zjarre.
K2.6 e zgjeron atë në dy drejtime. Së pari, është multimodal vendas: imazhet dhe kornizat e videove kalojnë përmes MoonViT, një kodues pamjeje me ~400M parametra që e ndan imazhin në pjesëza 448x448 dhe e projekton çdo pjesëz drejt e në hapësirën e tokenave të modelit gjuhësor — tokenat pamorë qëndrojnë në të njëjtën sekuencë me gjithçka tjetër, jo në një përshkrues të mbërthyer që ushqen një model të verbër. Së dyti, është ndërtuar për orkestrim në thellësi: puna e Moonshot-it me Agent Swarm raporton koordinim përgjatë deri në 300 nënagjentëve të specializuar për fusha dhe deri në 4.000 hapa të koordinuar në një ekzekutim të vetëm autonom.
Profili i benchmark-eve i raportuar nga Moonshot
Këto janë shifra të raportuara nga Moonshot për themelin e pangjeshur K2.6, jo matjet tona. Të dobishme për formën, jo për saktësinë:
Lexoni formën, jo shifrat. Pikët me përdorim mjetesh dhe me kërkim qëndrojnë lart; pikët e vështirësisë së pastër qëndrojnë më poshtë. Kjo është nënshkrimi i një modeli të stërvitur të veprojë mirë e jo të dijë gjithçka — shkëmbimi i duhur nëse agjenti juaj ka një shfletues, një shell dhe një sistem skedarësh, ai i gabuari nëse po bëni një pyetje të vetme të vështirë pa asnjë mjet të bashkëngjitur.
02Çfarë do të thotë W4A16-AUTOROUND-REAP
Prapashtesa te id-ja e modelit nuk është dekor. Është receta e saktë e ngjeshjes, e publikuar që të mund të arsyetoni mbi shkëmbimin që po bëni.
- W4A16 — pesha me 4 bita, aktivizime të llogaritura me 16. Memoria e peshave bie rreth 4 herë kundrejt bf16, ndërsa aritmetika që e grumbullon gabimin mbetet me saktësi 16-bitëshe. Ky është pika standarde e shërbimit me cilësi të lartë për modele MoE shumë të mëdha.
- AUTOROUND — kuantizuesi AutoRound i Intel-it. Rrumbullakimi naiv te më i afërti e trajton çdo peshë të pavarur dhe hedh tutje informacion nga i cili varej modeli; AutoRound në vend të kësaj i mëson vendimet e rrumbullakimit kundrejt të dhënave të kalibrimit. Me një objektiv 4-bitësh, kjo është diferenca mes një modeli që ende e ndjek një skemë dhe një modeli që rrëshqet.
- REAP — Router-weighted Expert Activation Pruning, nga Cerebras Research (arXiv 2510.13999, ICLR 2026). Shumica e ekspertëve në një MoE drejtohen rrallë. REAP e vlerëson secilin si sipas vlerave të portës së drejtuesit ashtu edhe sipas normave të aktivizimit, pastaj i heq më pak të rëndësishmit me një hedhje të vetme. Rezultati i publikuar: deri në 50% e ekspertëve të krasitur nga modele me një trilion parametra duke ruajtur kryesisht cilësinë bazë, dhe krasitja që ia kalon bashkimit të ekspertëve te detyrat gjeneruese — bashkimi i turbullon specialistët bashkë, krasitja thjesht i heq të papërdorurit.
E zbatuar në atë radhë — krasit së pari, kuantizo atë që mbetet — merrni një model që hyn dhe ekzekutohet shpejt pa kolapsin e cilësisë që do të shkaktonte secila teknikë e vetme me këto raporte. Të jemi të prerë për koston: një model i ngjeshur nuk është bit për bit identik me origjinalin. Ajo që blen receta është që degradimi të bjerë atje ku me gjasë nuk e vini re — rrugë drejtimi të rralla, bishta tokenash me probabilitet të ulët — e jo te ndjekja e udhëzimeve, formatimi i thirrjeve të mjeteve ose përmbajtja e skemës.
03Çfarë do të thotë "i pacensuruar" te ky endpoint
"I pacensuruar" këtu është pohim për arkitekturën, jo për qëndrimin. Nuk ka shtresë refuzimi para modelit dhe nuk ka filtrim përmbajtjeje mbi daljen e tij. Kërkesa juaj e arrin themelin dhe përgjigjja e tij ju arrin juve; asgjë nuk e ndërpret asnjërin drejtim.
Ai dallim ka rëndësi, sepse "i pacensuruar" përdoret lirshëm. Tri gjëra të veçanta grumbullohen nën atë fjalë:
- Klasifikimi i hyrjes — një model i veçantë e lexon promptin tuaj dhe vendos nëse ta lërë të kalojë. Nuk është i pranishëm këtu.
- Filtrimi i daljes — një skanues e shqyrton tekstin e gjeneruar dhe e cungon ose e zëvendëson. Nuk është i pranishëm këtu.
- Prirjet e vetë themelit — çfarëdo që mësoi modeli bazë në stërvitje. Ajo është e modelit, dhe ne nuk pretendojmë ta kemi fshirë.
Dy të parat janë ato që i prishin sistemet e prodhimit, dhe ato janë të dyja që ne i heqim. Një klasifikues që ndizet mbi 0.5% të kërkesave është një normë dështimi prej 0.5% që nuk e korrigjoni dot, nuk e ankimoni dot dhe nuk e parashikoni dot — dhe përgjatë një laku agjenti me 200 hapa, një dështim prej 0.5% për hap përbëhet në një ekzekutim që dështon më shpesh sesa ia del. Një refuzim në një bisedë është bezdi; një refuzim te hapi 147 i një ekzekutimi autonom e shkatërron gjendjen e ekzekutimit dhe djeg gjithçka që keni shpenzuar për të mbërritur atje. Për ngarkesat agjentike, heqja e sipërfaqes së refuzimit është një veti besueshmërie, jo një parapëlqim stili.
Rrjedhoja është që përgjegjësia kalon te ju. Nuk ka rrjetë sigurie mes aplikacionit tuaj dhe përdoruesve tuaj; nëse produkti juaj ka nevojë për një të tillë, ndërtojeni aty ku e shihni, e rregulloni dhe e regjistroni. Ju lutemi lexoni së pari politikën tonë të përdorimit të përgjegjshëm.
04Kimi K2.6 kundrejt Kimi K3: kur i vlen 5-fishi?
Ky është vendimi për të cilin erdhi shumica e lexuesve, prandaj ja pa dorashka. Kimi-K3 · 3BIT-REAP është themeli më i madh dhe më i ri: i njoftuar më 16 korrik 2026 me pesha të hapura më 27 korrik, me rreth 2.8 trilion parametra në total dhe rreth 104 miliardë aktivë për token — më shumë se 3 herë llogaritja aktive e K2.6-shit. Te burimi, Moonshot e rendit K3-shin me rreth 5 herë çmimin e K2.6-shit, dhe çmimi i portës sonë e ndjek atë raport.
| Kimi-K2.6 · W4A16-AUTOROUND-REAP | Kimi-K3 · 3BIT-REAP | |
|---|---|---|
| Hyrje / 1M tokena | $0.78 | $3.83 |
| Dalje / 1M tokena | $3.67 | $19.12 |
| Dritarja e kontekstit | 262.144 | 262.144 |
| Dalje maksimale / kërkesë | 16.384 | 16.384 |
| Hyrje me pamje | Po | Po |
| Thirrje mjetesh vendase | Po | Po |
| json_schema e rreptë | Po | Po |
| I pacensuruar | Po | Po |
| Parametra aktivë / token | ~32B | ~104B |
Shikoni çfarë nuk tregon tabela: nuk ka asnjë rresht ku K3 të ketë një veçori që i mungon K2.6-shit. E njëjta dritare, e njëjta dalje maksimale, e njëjta pamje, e njëjta thirrje mjetesh, e njëjta dalje e strukturuar, i njëjti qëndrim i pacensuruar, të njëjtat tri dialekte. Ai 5-fish blen saktësisht një gjë — aftësi të papërpunuar për kalim përpara. Kjo është e vërtetë, por është një bosht i vetëm, dhe nuk bën asgjë mbi boshtet ku ai nuk është ngushtica juaj.
Posaçërisht për dritaren e kontekstit
Te burimi, veçoria kryesore e K3-shit është një kontekst prej 1M tokenash kundrejt 262K të K2.6-shit. Në portën e Shannon-it të dy modelet shërbehen me 262.144 tokena. Nëse konteksti i gjatë ishte arsyeja juaj për të paguar 5-fishin, ajo arsye nuk vlen këtu — do të paguanit premiumin dhe do të merrnit të njëjtën dritare. Kjo është lloji i gjërave që një shitës tundohet ta lërë pa thënë, prandaj është me të trasha.
Paguani 5-fishin kur
- Një hedhje e vetme duhet të bjerë në shenjë. Një kalim i vetëm i vështirë ku riprova është e shtrenjtë ose e pamundur — një veprim i pakthyeshëm, një vendim në fund të një tubacioni të gjatë. Më shumë parametra aktivë për token është pikërisht ajo që e ngre tavanin në një kalim të vetëm.
- Detyra është e kufizuar nga dija, jo nga mjetet. Sintezë e thellë ku përgjigjja duhet të dalë nga peshat. Profili i K2.6-shit është agjentik; hiqni mjetet dhe themeli më i madh duket.
- Volumi është i ulët dhe rreziku i lartë. Me 500 thirrje në muaj, 5-fishi është 40 $ në vend të 8 $. Thjesht blini modelin më të mirë.
Mos e paguani 5-fishin kur
- Po ekzekutoni një lak. Ekzekutimet e gjata agjentike sundohen nga hapa mekanikë — lexo një skedar, thirr një mjet, kontrollo një rezultat, zgjidh të ardhshmin — që është pikërisht ajo për të cilën u stërvit K2.6. Me 200 hapa, 5-fishi është 7.71 $ kundrejt 38.29 $ për ekzekutim.
- Po përpunoni imazhe në volum. Ngarkesat me pamje janë të rënda në tokena hyrjeje dhe arsyetimi për element është i cekët. Shihni seksionin 05; nuk është as afër.
- Puna është nxjerrje, klasifikim ose shndërrim. Nxjerrja e fushave nga dokumente, drejtimi i biletave, normalizimi i regjistrimeve, përmbledhja — detyra të kufizuara ku një model më i madh prodhon të njëjtin JSON.
- Keni një hap verifikimi. Nëse dalja kontrollohet — një grup testesh, një validues skeme, një kalim i dytë, një njeri — humbjet e rastësishme janë të lira dhe ekonomia e favorizon volumin në mënyrë vendimtare. Ky është argumenti më i nënvlerësuar për nivelin me vlerë.
Një model që ia vlen ta emërtojmë: ekzekutoni K2.6 për lakun dhe K3 për verdiktin. Lëreni modelin e lirë agjentik t'i bëjë njëqind hapat e mbledhjes, thirrjes dhe hartimit, pastaj shpenzojeni një thirrje të shtrenjtë për sintezën përfundimtare. Të dy modelet flasin të njëjtën API me të njëjtën dritare konteksti, kështu që kalimi është një ndryshim me një rresht te fusha model.
05Pamja me një çmim pune
Pamja është skaji më i mprehtë i K2.6-shit në këtë katalog. Nga dymbëdhjetë modelet e pacensuruara në portë vetëm katër pranojnë fare imazhe, dhe K2.6 është i vetmi që e çiftëzon hyrjen me imazh me linjën agjentike Kimi nën një dollar për milion tokena hyrjeje.
Ngarkesat me pamje kanë një formë të pazakontë kostoje. Sipas përshkrimit të publikuar nga Moonshot për MoonViT-in, një imazh 1024x1024 kodohet në rreth 576 tokena imazhi — dhe ata janë tokena hyrjeje, ana e lirë e librit. Një punë tipike me pamje bie thuajse tërësisht mbi tarifën 0.78 $ e jo mbi atë 3.67 $. Merrni 10.000 imazhe, secili me ~200 tokena prompti (pra ~776 tokena hyrjeje) dhe ~150 tokena dalje të strukturuar:
| Ngarkesa e punës | Kimi-K2.6 | Kimi-K3 | Shumëfishi |
|---|---|---|---|
| Një hap agjenti (40K hyrje / 2K dalje) | $0.0385 | $0.1914 | 5.0x |
| Ekzekutim autonom me 200 hapa | $7.71 | $38.29 | 5.0x |
| 10.000 imazhe, dalje e strukturuar | $11.56 | $58.40 | 5.1x |
| Punë masive (1M hyrje / 200K dalje) | $1.51 | $7.65 | 5.1x |
Llogaritur nga çmimet e listës së portës së Shannon-it. Vlerësimi i tokenave të imazhit përdor shifrën e publikuar të Moonshot-it për MoonViT-in prej ~576 tokenash për një imazh 1024x1024; tokenizimi i saktë ndryshon me rezolucionin dhe raportin e faqeve.
Një tubacion imazhesh prej 11.56 $ është diçka që e ekzekutoni çdo ditë pa e menduar. Një prej 58.40 $ është diçka që e planifikoni, e përligjni dhe përfundimisht e prisni. Ai hendek është krejt argumenti për një nivel me vlerë.
Një vërejtje e ndershme. Në renditje të pavarura multimodale dhe me detyra të bazuara, K2.6 është raportuar rreth i 26-ti nga 115 modele, me mesatare afër 68.1 — i respektueshëm, jo kryesues i klasës. Pamja e tij është vërtet e fortë te kuptimi i dokumenteve, te leximi i pamjeve të ekranit dhe i ndërfaqeve, dhe te interpretimi i grafikëve ose diagrameve; është më e dobët te bazimi i saktë hapësinor — kuti kufizuese të përpikta, numërim i imët në skena të mbingarkuara, OCR i dendur i skanimeve të degraduara. Nëse ju duhet lokalizim me saktësi piksele, bëni së pari benchmark mbi të dhënat tuaja. Nëse ju duhet një model që të shohë një pamje ekrani dhe të vendosë ku të klikojë më pas, ky është pikërisht mjeti i duhur.
06Thirrje mjetesh pa refuzime dhe laqe agjentike
K2.6 mbështet thirrje mjetesh vendase: modeli nxjerr thirrje të strukturuara mjetesh drejtpërdrejt nga përkufizimet e mjeteve me skemë JSON që i jepni ju, në vend që të bindet të prodhojë tekst të analizueshëm. Bashkë me bisedën shumëraundëshe dhe promptet e sistemit, ky është krejt substrati për një lak agjenti.
Ajo që shton "thirrja e mjeteve pa refuzime" është më e hollë se sa tingëllon. Në një API të filtruar, refuzimet brenda një laku agjenti shfaqen në tri mënyra të dallueshme dështimi:
- Refuzim i fortë — hapi kthen prozë në vend të një thirrjeje mjeti, analizuesi dështon, laku këputet. Të paktën me zë.
- Refuzim i butë — thirrja bëhet, por argumentet mbahen mbrapa: një pyetje e ngushtuar, një parametër me dorashka, një ngarkesë e cunguar. Laku vazhdon me gjendje të degraduar në heshtje dhe ju e merrni vesh katër hapa më vonë.
- Shmangie paraprake — plani largohet nga një degë e ligjshme përpara se t'i afrohet asaj. Këtë nuk e shihni kurrë; thjesht merrni një plan më të keq dhe asnjë shpjegim.
E dyta dhe e treta janë të shtrenjtat, sepse janë të padukshme: pa gabim, asgjë në regjistra, asgjë për të kërkuar. Një endpoint pa shtresë refuzimi e heq krejt këtë klasë — argumentet e thirrjes së mjeteve të modelit janë argumentet e thirrjes së mjeteve të modelit.
Kjo ka më shumë rëndësi te fushat që kanë nevojë për ekzekutime të gjata autonome dhe që gjithsesi prekin material të ndjeshëm: kërkimi i sigurisë dhe red-teaming-u, analiza e malware-it dhe e incidenteve, përpunimi i dokumenteve klinike, zbulimi ligjor dhe mjetet e moderimit që duhet të arsyetojnë mbi përmbajtjen që moderojnë. Ndërtimi i një klasifikuesi moderimi kërkon një model të gatshëm ta shohë atë që klasifikon; kjo nuk është paradoks, është thjesht puna.
Shënime praktike për ekzekutime të gjata: reasoning_effort ju lejon të shpenzoni më shumë mendim te hapat e planifikimit dhe më pak te ata mekanikë. Transmetimi është i disponueshëm në të tri dialektet, kështu që një hap i gjatë mund të nxjerrë përparimin ose të ndërpritet herët. Dhe 262.144 tokena kontekst e mbajnë gjendjen e vërtetë të punës — përmbajtje skedarësh, rezultate të mëparshme mjetesh, një plan në ecuri — të pranishme përgjatë shumë hapave pa e ripërmbledhur çdo raund, që në vetvete është një burim i shpeshtë rrëshqitjeje agjentësh.
07Dalja e strukturuar dhe tri dialektet e API-t
K2.6 mbështet si json_schema (gjenerim të kufizuar rreptësisht nga skema) ashtu edhe response_format më të lirshëm. Krahasojeni këtë me katalogun: dy nga dymbëdhjetë modelet këtu nuk e mbështesin daljen e rreptë me skemë, dhe nëse faza tjetër e tubacionit tuaj analizon JSON, ajo kolonë nuk është opsionale.
Dalja e rreptë me skemë është ajo që e bën një model të pacensuruar të përdorshëm si infrastrukturë: nëse modeli duhet të nxjerrë një objekt që përputhet me skemën tuaj, merrni një garanci analize të pavarur nga ajo që përndryshe do të kishte thënë — pa hyrje, pa falje, pa paragraf të mbështjellë rreth JSON-it tuaj. E kombinuar me mungesën e shtresës së refuzimit, kjo është një endpoint nxjerrjeje që e kthen objektin tuaj në çdo thirrje, për çdo dokument, pavarësisht se për çfarë bën fjalë dokumenti.
| Sipërfaqja | Mbështetja te Kimi-K2.6 | Shënime |
|---|---|---|
| /v1/chat/completions | Po | Dialekti OpenAI — zëvendësim i drejtpërdrejtë për SDK-të ekzistuese |
| /v1/messages | Po | Dialekti Anthropic — i njëjti model, të njëjtat pesha |
| /v1/responses | Po | Ndërfaqe në stilin Responses |
| Transmetim | Po | Në të tri dialektet |
| Thirrje mjetesh | Po | Vendase, me përkufizime mjetesh me skemë JSON |
| json_schema | Po | Dalje e strukturuar e rreptë |
| response_format | Po | Modalitet JSON më i lirshëm |
| reasoning_effort | Po | Rregulloni buxhetin e mendimit për çdo thirrje |
| Hyrje me pamje | Po | Imazhe përkrah tekstit |
Të tri dialektet i adresohen po atyre peshave në po atë grup. Drejtoni një klient ekzistues OpenAI te URL-ja bazë, vendosni model në Kimi-K2.6-W4A16-AUTOROUND-REAP, dhe jeni në punë. Format e kërkesave dhe të përgjigjeve, semantika e transmetimit dhe një terren prove i drejtpërdrejtë gjenden te dokumentacioni i API-t.
08Ku Kimi K2.6 është zgjedhja e gabuar
Një udhëzues modeli që rendit vetëm pikat e forta është reklamë. Ja ku do t'ju dërgonim gjetiu.
- Ju duhet tavani absolut mbi një kalim të vetëm të vështirë. Shkoni te Kimi-K3 dhe paguani 5-fishin. Pikërisht për këtë është.
- Ju duhet bazim pamor me saktësi piksele. Kutitë kufizuese, OCR-i i dendur mbi skanime të degraduara dhe numërimi i përpiktë në skena të mbingarkuara nuk janë terreni i tij më i fortë — provojeni së pari mbi të dhënat tuaja.
- Ju duhet më lirë se e lira, pa pamje. Disa modele të katalogut qëndrojnë me 0.50 $ / 2.00 $. Premiumi i K2.6-shit blen pamjen dhe profilin agjentik Kimi; nëse nuk ju duhet asnjëra, merrni nivelin më të lirë.
- Ju duhen më shumë se 16.384 tokena dalje në një përgjigje të vetme. Ai tavan vlen përgjatë krejt katalogut — dokumentet e gjata kërkojnë gjenerim të copëzuar, cilindo model që zgjidhni.
- Doni sjellje bit për bit identike me burimin. Ky është një ndërtim i krasitur dhe i kuantizuar: një shkëmbim i qëllimshëm dhe i publikuar. Për një studim riprodhueshmërie, ekzekutoni kundrejt peshave origjinale të Moonshot-it.
Çdo shifër nga burimi këtu është publikuar nga Moonshot AI ose nga kërkues të pavarur. Shifrat tona — çmimi, konteksti, dalja maksimale, flamujt e aftësive — vijnë drejtpërdrejt nga endpoint-i i drejtpërdrejtë /v1/models që mund ta pyesni edhe vetë. Kontrollojini të dyja.
Shifrat e arkitekturës, të benchmark-eve dhe të datave të publikimit për Kimi K2.6 dhe K3 janë të raportuara nga Moonshot dhe tregohen për themelin e burimit, jo për ndërtimin tonë të ngjeshur. Shifra e renditjes multimodale vjen nga një renditje e pavarur e palës së tretë. Çmimet e portës së Shannon-it janë çmime liste më 5 shtator 2026.
09Pyetje të bëra shpesh
A ka një API të pacensuruar Kimi K2?
Po. Shannon AI e shërben Kimi-K2.6 si një endpoint të pacensuruar në grupin e vet të GPU-ve: nuk ka shtresë refuzimi para modelit dhe nuk zbatohet filtrim përmbajtjeje mbi daljen e tij. Merrni sjelljen e vetë themelit, me një dritare konteksti prej 262.144 tokenash, hyrje me pamje dhe thirrje mjetesh vendase.
Sa kushton API-ja e pacensuruar Kimi K2.6?
Kimi-K2.6 është 0.78 $ për milion tokena hyrjeje dhe 3.67 $ për milion tokena dalje. Një hap tipik agjenti me 40K hyrje dhe 2K dalje kushton rreth 3.9 cent; një ekzekutim autonom me 200 hapa kushton afërsisht 7.71 $.
A e mbështet Kimi K2.6 pamjen në Shannon AI?
Po. Kimi-K2.6 pranon hyrje me imazh përkrah tekstit. Është një nga vetëm katër modelet me pamje në katalogun e Shannon-it, dhe i vetmi që e çiftëzon pamjen me linjën agjentike Kimi nën një dollar për milion tokena hyrjeje.
Duhet të përdor Kimi K2.6 apo Kimi K3?
Kimi K3 kushton rreth 5 herë më shumë (3.83 $/19.12 $ kundrejt 0.78 $/3.67 $) për një themel më të madh. Zgjidhni K3-shin kur një kalim i vetëm i vështirë arsyetimi duhet të bjerë në shenjë që herën e parë dhe riprova është e shtrenjtë. Zgjidhni K2.6-shin për volum: laqe të gjata agjentësh, tubacione imazhesh, nxjerrje dhe gjithçka që e ekzekutoni mijëra herë, ku 5-fishi është diferenca mes të qenit i realizueshëm dhe jo.
A mbështet API-ja e pacensuruar Kimi K2 thirrje mjetesh dhe skemë JSON?
Po për të dyja. Kimi-K2.6 mbështet thirrje mjetesh vendase, dalje të strukturuar të rreptë me json_schema dhe response_format, përgjatë të tri dialekteve të API-t: /v1/chat/completions, /v1/messages dhe /v1/responses. Transmetimi dhe reasoning_effort mbështeten në të tria.
Ekzekutoni Kimi-K2.6 të pacensuruar
Pamje, thirrje mjetesh, kontekst 262K. 0.78 $ hyrje / 3.67 $ dalje për milion tokena.
Lexoni dokumentet e API-t Shfletoni të gjitha modeletId-ja e modelit: Kimi-K2.6-W4A16-AUTOROUND-REAP · shërbehet në grupin tonë të GPU-ve
Shannon AI operohet nga Shannon Lab LLC, Nju Meksiko, SHBA. Burimet: Moonshot AI — Kimi K2 · REAP the Experts (arXiv 2510.13999) · Cerebras Research — REAP. Shifrat e benchmark-eve të Kimi-t te burimi janë të raportuara nga Moonshot dhe të përkohshme derisa të verifikohen në mënyrë të pavarur; ato përshkruajnë themelin e pangjeshur, jo ndërtimin e kuantizuar të Shannon-it.