Kimi K2 API bez cenzure

Većina stranica o „jeftinom modelu” zapravo govori o malom modelu koji nosi porodično ime velikog. Ova ne. Kimi K2.6 je pun temelj razmere s vrha polja — bilion parametara retke mešavine eksperata, sa izvornim enkoderom za sliku i programom treniranja usmerenim pravo na agentsku upotrebu alata. Nivoom vrednosti ga ne čini manji mozak nego agresivniji recept kompresije. Pitanje, dakle, nije „da li je dovoljno dobar?” nego „koji poslovi zaista primete razliku između njega i pet puta skupljeg brata?” Najveći deo ovog članka odgovara upravo na to.

01Šta je Kimi K2.6, zapravo?

Kimi K2.6 je model otvorenih težina iz Moonshot AI-ja, pekinške laboratorije iza serije Kimi, objavljen 20. aprila 2026. Nasleđuje arhitekturu koja je K2 učinila zapaženim: transformer sa retkom mešavinom eksperata i otprilike bilion ukupnih parametara i oko 32 milijarde aktivnih po tokenu, organizovan kao 384 eksperta, 8 rutiranih plus 1 zajednički po sloju kroz 61 sloj, uz Multi-head Latent Attention. Na bilo kom pojedinačnom tokenu opali samo mali deo tog biliona — i upravo zato model ovakve veličine može da ima cenu u centima.

Loza je važna zbog onoga za šta ju je Moonshot optimizovao. Izvorni K2 pretreniran je na otprilike 15,5 biliona tokena uz optimizator Muon / MuonClip, građen upravo da MoE od bilion parametara sačuva od eksplozija pažnje i skokova gubitka koji na toj razmeri destabilizuju treniranje; Moonshot je prijavio nula nestabilnosti kroz ceo tok. To stoji uzvodno od svega ostalog — omogućilo im je da budžet treniranja potroše na agentsko ponašanje umesto na gašenje požara.

K2.6 to proširuje u dva pravca. Prvo, izvorno je multimodalan: slike i video kadrovi prolaze kroz MoonViT, enkoder za sliku od oko 400 miliona parametara koji sliku deli na delove od 448x448 i svaki deo projektuje pravo u prostor tokena jezičkog modela — vizuelni tokeni sede u istoj sekvenci kao i sve ostalo, a ne u prikačenom opisivaču koji hrani slep model. Drugo, građen je za orkestraciju u dubinu: Moonshot-ov rad na Agent Swarm-u prijavljuje koordinaciju kroz do 300 podagenata specijalizovanih po domenu i do 4.000 koordinisanih koraka u jednom autonomnom izvršavanju.

Profil benčmarkova kako ga Moonshot prijavljuje

Ovo su brojke koje prijavljuje Moonshot za nekompresovan temelj K2.6, a ne naša merenja. Korisne za oblik, ne za preciznost:

Čitajte oblik, a ne cifre. Rezultati u upotrebi alata i pretrazi stoje visoko; rezultati čiste težine stoje niže. To je potpis modela treniranog da dobro dela, a ne da sve zna — prava razmena ako vaš agent ima pregledač, ljusku i sistem datoteka, pogrešna ako postavljate jedno teško pitanje bez ijednog alata.

02Šta znači W4A16-AUTOROUND-REAP

Sufiks na identifikatoru modela nije ukras. To je tačan recept kompresije, objavljen da biste mogli da rasuđujete o razmeni koju pravite.

• W4A16 — težine na 4 bita, aktivacije računate na 16. Memorija za težine pada otprilike 4x u odnosu na bf16, dok aritmetika koja akumulira grešku ostaje u 16-bitnoj preciznosti. To je standardna tačka serviranja visokog kvaliteta za veoma velike MoE modele.
• AUTOROUND — Intel-ov kvantizator AutoRound. Naivno zaokruživanje na najbliže svaku težinu tretira nezavisno i odbacuje informaciju na koju se model oslanjao; AutoRound umesto toga uči odluke o zaokruživanju prema kalibracionim podacima. Na 4-bitnom cilju to je razlika između modela koji i dalje prati šemu i onog koji odluta.
• REAP — Router-weighted Expert Activation Pruning, iz Cerebras Research-a (arXiv 2510.13999, ICLR 2026). Većini eksperata u MoE-u ruter retko propušta saobraćaj. REAP svakog ocenjuje i po vrednostima kapije rutera i po normama aktivacije, pa najmanje istaknute uklanja u jednom potezu. Objavljen rezultat: do 50% orezanih eksperata iz modela sa bilion parametara uz uglavnom očuvan osnovni kvalitet, i orezivanje koje na generativnim zadacima tuče stapanje eksperata — stapanje razmazuje specijaliste jedne u druge, orezivanje jednostavno izbacuje neiskorišćene.

Primenjeno tim redom — prvo orezati, pa kvantizovati ono što ostane — dobijate model koji staje i radi brzo bez kolapsa kvaliteta koji bi pri ovim odnosima izazvala bilo koja tehnika sama. Da budemo direktni o trošku: kompresovan model nije bitovno identičan originalu. Recept kupuje to da degradacija sleti tamo gde je verovatno nećete primetiti — na retke putanje rutiranja, na repove tokena male verovatnoće — a ne u praćenju uputstava, oblikovanju poziva alata ili poštovanju šeme.

03Šta „bez cenzure” znači na ovoj krajnjoj tački

Bez cenzure je ovde tvrdnja o arhitekturi, a ne o stavu. Ispred modela nema sloja odbijanja, a na njegovom izlazu nema filtriranja sadržaja. Vaš zahtev stiže do temelja, a njegov odgovor stiže do vas; ništa ne presreće nijedan smer.

Ta razlika je važna, jer se „bez cenzure” koristi olako. Pod tu odrednicu se pakuju tri odvojene stvari:

1. Klasifikacija ulaza — zaseban model čita vaš prompt i odlučuje da li da ga propusti. Ovde je nema.
2. Filtriranje izlaza — skener pregleda generisani tekst pa ga skraćuje ili zamenjuje. Ovde ga nema.
3. Sopstvene sklonosti temelja — šta god je osnovni model naučio u treniranju. To je modelovo i ne tvrdimo da smo to izbrisali.

Prve dve stvari su ono što lomi produkcijske sisteme, i njih dve uklanjamo. Klasifikator koji opali na 0,5% zahteva jeste stopa kvara od 0,5% koju ne možete da otklonite, ne možete da osporite i ne možete da vidite da dolazi — a kroz agentsku petlju od 200 koraka, kvar od 0,5% po koraku složi se u izvršavanje koje češće propadne nego što uspe. Odbijanje u razgovoru je smetnja; odbijanje na 147. koraku autonomnog izvršavanja uništava stanje tog izvršavanja i spaljuje sve što ste potrošili da biste dotle stigli. Za agentske poslove, uklanjanje površine odbijanja jeste svojstvo pouzdanosti, a ne stilska sklonost.

Posledica je da odgovornost prelazi na vas. Između vaše aplikacije i vaših korisnika nema sigurnosne mreže; ako je vašem proizvodu treba, izgradite je tamo gde je vidite, štimujete i beležite. Prvo pročitajte našu politiku odgovorne upotrebe.

04Kimi K2.6 naspram Kimi K3: kada 5x vredi?

Ovo je odluka zbog koje je većina čitalaca došla, pa evo je bez ograđivanja. Kimi-K3 · 3BIT-REAP je veći, noviji temelj: najavljen 16. jula 2026, sa otvorenim težinama 27. jula, na otprilike 2,8 biliona ukupnih parametara i oko 104 milijarde aktivnih po tokenu — više od 3x aktivnog računa K2.6. Uzvodno, Moonshot K3 navodi po oko 5x ceni K2.6, a cene našeg gejtveja prate taj odnos.

	Kimi-K2.6 · W4A16-AUTOROUND-REAP	Kimi-K3 · 3BIT-REAP
Ulaz / 1M tokena	$0.78	$3.83
Izlaz / 1M tokena	$3.67	$19.12
Prozor konteksta	262.144	262.144
Maksimalni izlaz / zahtev	16.384	16.384
Slika na ulazu	Da	Da
Izvorno pozivanje alata	Da	Da
Strog json_schema	Da	Da
Bez cenzure	Da	Da
Aktivnih parametara / token	~32B	~104B

Pogledajte šta tabela ne pokazuje: nema nijednog reda u kojem K3 ima mogućnost koja K2.6 nedostaje. Isti prozor, isti maksimalni izlaz, isti vizuelni ulaz, isto pozivanje alata, isti strukturirani izlaz, isto držanje bez cenzure, ista tri dijalekta. Tih 5x kupuje tačno jednu stvar — sirovu sposobnost po prolazu unapred. To je stvarno, ali je jedna jedina osa, i ne čini ništa na osama gde vam nije usko grlo.

Konkretno o prozoru konteksta

Uzvodno, glavna karakteristika K3 jeste kontekst od 1M tokena naspram 262K kod K2.6. Na Shannon gejtveju oba modela se serviraju na 262.144 tokena. Ako vam je dug kontekst bio razlog da platite 5x, taj razlog ovde ne važi — platili biste premiju i dobili isti prozor. To je vrsta stvari koju je dobavljač u iskušenju da prećuti, i zato je odštampana masno.

Platite 5x kada

• Jedan pokušaj mora da uspe. Jedan težak prolaz gde je ponavljanje skupo ili nemoguće — nepovratna radnja, odluka na kraju dugog cevovoda. Više aktivnih parametara po tokenu jeste upravo ono što podiže plafon jednog prolaza.
• Zadatak je vezan za znanje, a ne za alate. Duboka sinteza gde odgovor mora da izađe iz težina. Profil K2.6 je agentski; oduzmite alate i veći temelj se pokaže.
• Obim je mali, a ulozi visoki. Pri 500 poziva mesečno, 5x je $40 umesto $8. Jednostavno kupite bolji model.

Ne plaćajte 5x kada

• Vrtite petlju. Dugim agentskim izvršavanjima zavladaju mehanički koraci — pročitaj datoteku, pozovi alat, proveri rezultat, izaberi sledeći — a to je upravo ono za šta je K2.6 treniran. Na 200 koraka, tih 5x je $7.71 naspram $38.29 po izvršavanju.
• Obrađujete slike u obimu. Poslovi sa slikama teški su po ulaznim tokenima, a rezonovanje po stavci je plitko. Vidite odeljak 05; nije ni blizu.
• Posao je izvlačenje podataka, klasifikacija ili transformacija. Vađenje polja iz dokumenata, rutiranje tiketa, normalizacija zapisa, sažimanje — omeđeni zadaci gde veći model proizvodi isti JSON.
• Imate korak provere. Ako se izlaz proverava — skupom testova, validatorom šeme, drugim prolazom, čovekom — povremeni promašaji su jeftini, a ekonomija odlučno ide u prilog obimu. To je najpotcenjeniji argument za nivo vrednosti.

Obrazac vredan imena: vrtite K2.6 za petlju, a K3 za presudu. Pustite jeftin agentski model da odradi stotinu koraka prikupljanja, pozivanja i skiciranja, pa potrošite jedan skup poziv na konačnu sintezu. Oba modela govore identičan API sa istim prozorom konteksta, pa je prebacivanje promena jednog reda u polju model.

05Vizuelni ulaz po radnoj ceni

Vizuelni ulaz je najoštrija ivica K2.6 u ovom katalogu. Od dvanaest modela bez cenzure na gejtveju samo četiri uopšte primaju slike, a K2.6 je jedini koji sliku na ulazu spaja sa agentskom lozom Kimi ispod dolara po milionu ulaznih tokena.

Poslovi sa slikama imaju neobičan oblik troška. Prema Moonshot-ovom objavljenom opisu MoonViT-a, slika od 1024x1024 kodira se u otprilike 576 tokena slike — a to su ulazni tokeni, jeftina strana knjige. Tipičan posao sa slikama sleće gotovo u celosti na stopu od $0.78, a ne na onu od $3.67. Uzmite 10.000 slika, svaku sa ~200 tokena prompta (dakle ~776 ulaznih tokena) i ~150 tokena strukturiranog izlaza:

Posao	Kimi-K2.6	Kimi-K3	Umnožak
Jedan korak agenta (40K ulaz / 2K izlaz)	$0.0385	$0.1914	5.0x
Autonomno izvršavanje od 200 koraka	$7.71	$38.29	5.0x
10.000 slika, strukturirani izlaz	$11.56	$58.40	5.1x
Grupni posao (1M ulaz / 200K izlaz)	$1.51	$7.65	5.1x

Izračunato po cenovniku Shannon gejtveja. Procena tokena slike koristi Moonshot-ovu objavljenu brojku za MoonViT od ~576 tokena za sliku od 1024x1024; tačna tokenizacija varira sa rezolucijom i odnosom stranica.

Cevovod za slike od $11.56 pokrećete svakodnevno bez razmišljanja. Onaj od $58.40 zakazujete, opravdavate i na kraju ukinete. Ta razlika je ceo argument za nivo vrednosti.

Jedna poštena ograda. Na nezavisnim lestvicama za multimodalne i uzemljene zadatke K2.6 je prijavljen na oko 26. mestu od 115 modela, uz prosek blizu 68,1 — ugledno, ali ne i na čelu klase. Njegov vizuelni deo istinski je snažan u razumevanju dokumenata, čitanju snimaka ekrana i korisničkih interfejsa te tumačenju grafikona ili dijagrama; slabiji je u preciznom prostornom uzemljenju — tačnim graničnim okvirima, sitnozrnom brojanju u pretrpanim scenama, gustom OCR-u nagriženih skenova. Ako vam treba lokalizacija tačna do piksela, prvo testirajte na sopstvenim podacima. Ako vam treba model koji pogleda snimak ekrana i odluči šta sledeće da klikne, ovo je upravo pravi alat.

06Pozivanje alata bez odbijanja i agentske petlje

K2.6 podržava izvorno pozivanje alata: model strukturirane pozive alata emituje direktno iz definicija alata po JSON shemi koje mu date, umesto da ga nagovarate da proizvede tekst pogodan za parsiranje. Uz razgovor u više poteza i sistemske upute, to je potpuna podloga za agentsku petlju.

Ono što „pozivanje alata bez odbijanja” dodaje suptilnije je nego što zvuči. Na filtriranom API-ju odbijanja unutar agentske petlje pojavljuju se u tri različita načina kvara:

• Tvrdo odbijanje — korak vraća prozu umesto poziva alata, parser pukne, petlja se prekine. Bar je glasno.
• Meko odbijanje — poziv se izvrši, ali su argumenti prigušeni: sužen upit, ograđen parametar, skraćen teret. Petlja se nastavlja sa tiho pogoršanim stanjem, a vi to saznate četiri koraka kasnije.
• Preventivno izbegavanje — plan skreće od legitimne grane pre nego joj se približi. Ovo nikad ne vidite; samo dobijete lošiji plan i nikakvo objašnjenje.

Drugo i treće su skupi, jer su nevidljivi: nema greške, nema ničega u logovima, nema šta da se grepuje. Krajnja tačka bez sloja odbijanja uklanja celu klasu — argumenti poziva alata koje model daje jesu argumenti koje model daje.

Ovo najviše znači u domenima koji ionako traže duga autonomna izvršavanja i dodiruju osetljiv materijal: bezbednosna istraživanja i red teaming, analiza zlonamernog koda i incidenata, obrada kliničkih dokumenata, pravna priprema dokaza i alati za moderaciju koji moraju da rasuđuju o sadržaju koji moderiraju. Gradnja klasifikatora za moderaciju traži model voljan da pogleda ono što klasifikuje; to nije paradoks, nego posao.

Praktične napomene za duga izvršavanja: reasoning_effort vam dopušta da više razmišljanja potrošite na korake planiranja, a manje na mehaničke. Striming je dostupan na sva tri dijalekta, pa dug korak može da iznosi napredak ili da bude rano prekinut. A 262.144 tokena konteksta drži stvarno radno stanje — sadržaj datoteka, ranije rezultate alata, tekući plan — prisutnim kroz mnogo koraka bez ponovnog sažimanja u svakom potezu, što je i samo čest izvor lutanja agenata.

07Strukturirani izlaz i tri API dijalekta

K2.6 podržava i json_schema (strogu generaciju ograničenu šemom) i labaviji response_format. Proverite to prema katalogu: dva od dvanaest modela ovde ne podržavaju strog izlaz po šemi, a ako sledeća faza vašeg cevovoda parsira JSON, ta kolona nije opciona.

Strog izlaz po šemi je ono što model bez cenzure čini upotrebljivim kao infrastrukturu: ako model mora da emituje objekat koji odgovara vašoj šemi, dobijate garanciju parsiranja nezavisnu od onoga što bi inače rekao — bez uvoda, bez izvinjenja, bez pasusa omotanog oko vašeg JSON-a. U sprezi sa odsustvom sloja odbijanja, to je krajnja tačka za izvlačenje podataka koja vraća vaš objekat na svaki poziv, za svaki dokument, o čemu god dokument bio.

Površina	Podrška u Kimi-K2.6	Napomene
/v1/chat/completions	Da	OpenAI dijalekt — ubacuje se u postojeće SDK-ove
/v1/messages	Da	Anthropic dijalekt — isti model, iste težine
/v1/responses	Da	Interfejs u stilu Responses
Striming	Da	Na sva tri dijalekta
Pozivanje alata	Da	Izvorno, definicije alata po JSON shemi
json_schema	Da	Strog strukturirani izlaz
response_format	Da	Labaviji JSON režim
reasoning_effort	Da	Štimovanje budžeta razmišljanja po pozivu
Slika na ulazu	Da	Slike uz tekst

Sva tri dijalekta obraćaju se istim težinama na istom klasteru. Uperite postojećeg OpenAI klijenta na osnovni URL, postavite model na Kimi-K2.6-W4A16-AUTOROUND-REAP i radi. Oblici zahteva i odgovora, semantika strimovanja i živo igralište nalaze se u API dokumentaciji.

08Gde je Kimi K2.6 pogrešan izbor

Vodič za model koji navodi samo prednosti jeste reklama. Evo gde bismo vas poslali drugde.

• Treba vam apsolutni plafon na jednom teškom prolazu. Idite na Kimi-K3 i platite 5x. Za to i služi.
• Treba vam vizuelno uzemljenje tačno do piksela. Granični okviri, gust OCR na nagriženim skenovima i tačno brojanje u pretrpanim scenama nisu njegov najjači teren — prvo testirajte na svojim podacima.
• Treba vam jeftinije od jeftinog, bez vizuelnog ulaza. Nekoliko modela u katalogu stoji na $0.50 / $2.00. Premija K2.6 kupuje vizuelni ulaz i agentski profil Kimi; ako vam ne treba nijedno, uzmite jeftiniji nivo.
• Treba vam više od 16.384 izlazna tokena u jednom odgovoru. Taj plafon važi kroz ceo katalog — dugi dokumenti traže generisanje u delovima koji god model izabrali.
• Želite bitovno tačno uzvodno ponašanje. Ovo je orezana i kvantizovana gradnja: promišljena, objavljena razmena. Za studiju ponovljivosti radite na Moonshot-ovim izvornim težinama.

Brojke o arhitekturi, benčmarkovima i datumima objave za Kimi K2.6 i K3 prijavio je Moonshot i prikazane su za uzvodni temelj, a ne za našu kompresovanu gradnju. Brojka o multimodalnom rangiranju dolazi sa nezavisne lestvice treće strane. Cene Shannon gejtveja jesu cenovničke na dan 5. septembra 2026.

09Često postavljana pitanja

---

Shannon AI-jem upravlja Shannon Lab LLC, Nju Meksiko, SAD. Izvori: Moonshot AI — Kimi K2 · REAP the Experts (arXiv 2510.13999) · Cerebras Research — REAP. Uzvodne brojke sa benčmarkova za Kimi prijavio je Moonshot i privremene su do nezavisne provere; opisuju nekompresovan temelj, a ne Shannon-ovu kvantizovanu gradnju.