Kimi K2.6: النموذج الثاني لشبكة Gonka

Kimi K2.6 هو نموذج لغوي كبير (LLM) من سلسلة Kimi، تم تطويره بواسطة شركة بكين Moonshot AI. Moonshot AI هي واحدة من مختبرات الذكاء الاصطناعي الرائدة في الصين، تأسست عام 2023 من قبل فريق من الباحثين بقيادة يانغ تشيلين. وقد اجتذبت الشركة تمويلًا من Alibaba و Tencent ومستثمرين كبار آخرين ودخلت قائمة "نمور الذكاء الاصطناعي الصينية" — الشركات التي تحدد وتيرة تطوير الذكاء الاصطناعي في آسيا.

اشتهرت سلسلة Kimi منذ عام 2024. وقد لفتت الإصدارات المبكرة (K1، K1.5) الانتباه فورًا من خلال نافذة السياق الطويلة بشكل استثنائي — ما يصل إلى 200,000 رمز في طلب واحد، وهو ما كان عند الإطلاق رقمًا قياسيًا للنماذج المتاحة للجمهور. يشير السياق الطويل إلى الإمكانية العملية لتحليل كتاب كامل، أو قاعدة بيانات متوسطة الحجم، أو مجموعة من الوثائق القانونية في طلب واحد. عند إطلاق Kimi، كانت هذه الميزة ميزة تنافسية قوية.

ظهرت النسخة K2 في عام 2025 وجلبت قفزة معمارية أساسية — الانتقال إلى MoE (Mixture of Experts). هذه البنية نفسها هي أساس Qwen3-235B و DeepSeek-R1 — لقد أصبحت المعيار الفعلي لأكبر النماذج للسنوات 2025—2026. تسمح MoE بامتلاك مئات المليارات من المعلمات "إجمالًا"، ولكن تنشيط مجموعة فرعية فقط (عادةً 5-10٪) لكل طلب، مما يقلل بشكل جذري من تكلفة الحوسبة للاستدلال مع جودة مماثلة.

K2.6 هو أحدث تكرار لسلسلة K2 في وقت كتابة هذا المقال. من التصريحات العامة لشركة Moonshot AI، يبدو أن هذا الإصدار قد حسن قدرات النموذج في التفكير المنطقي (reasoning)، وتوليد الكود، واستدعاء الأدوات الأصلي (tool calling). في شبكة Gonka، يتم تحديد النموذج كـ moonshotai/Kimi-K2.6 — هذا هو الاسم الذي يجب تمريره في حقل model في طلب API.

كلا النموذجين يمثلان التطورات الرائدة لأكبر مختبرات الذكاء الاصطناعي الصينية وكلاهما متاحان من خلال واجهة واحدة متوافقة مع OpenAI JoinGonka Gateway. ومع ذلك، لديهما نقاط قوة مختلفة وتراث مختلف، مما يجعل الاختيار بينهما ليس مسألة "أيهما أفضل"، بل مسألة "أيهما يناسب المهمة".

على مقاييس التفكير المنطقي (MATH-500، GSM8K، AIME)، أظهرت سلسلة Kimi K2 تاريخيًا نتائج في المجموعة العلوية من نماذج الأوزان المفتوحة، متنافسة مع DeepSeek-R1 ونماذج من طراز o1. في مهام توليد الكود (HumanEval، MBPP)، حافظ كلا النموذجين على مستويات متقاربة. في تعدد اللغات والترجمة، يتمتع Qwen3-235B بميزة بفضل تدريبه على 119 لغة، بينما تم تحسين Kimi بشكل أكبر للغتين الصينية والإنجليزية.

ملاحظة هامة حول مقاييس 2026: تقلص الفارق بين النماذج العليا في الاختبارات العامة إلى نسبة مئوية واحدة، وغالبًا ما يكون هذا الفارق ضمن الخطأ الإحصائي للمقاييس نفسها. للعمل العملي، لا يهم "من أعلى بنسبة 2٪ في MMLU"، بل طبيعة المهام: السياق الذي تمرره إلى النموذج، مدى تعقيد سلاسل المنطق، ما إذا كانت هناك حاجة إلى سجل حوار طويل، ما هي اللغات المستخدمة. لذلك، لا يصنف الجدول أعلاه النماذج — بل يساعد على فهم سريع لأي مهام تم تحسين كل منها.

للاختيار العملي: إذا كانت المهمة تتطلب سياقًا طويلًا (تحليل مستندات كبيرة، قراءة قاعدة بيانات كود كبيرة، حوارات طويلة مع حفظ التاريخ) أو مهام تفكير منطقي معقدة — يجب البدء بـ Kimi K2.6. للمهام العامة، الترجمات، العمل متعدد اللغات، واستدعاء الأدوات المستقر في الإنتاج — يبدو Qwen3-235B خيارًا أكثر ثبتًا حتى الآن، لأنه يعمل في شبكة Gonka لفترة أطول. الاستراتيجية الجيدة في الإنتاج هي الحصول على كلا النموذجين في الكود الخاص بك: التبديل السريع عبر معلمة model يسمح بالتبديل بينهما اعتمادًا على المهمة دون تغيير بنية التطبيق.

حتى ربيع 2026، كانت شبكة Gonka بأكملها تخدم نموذجًا واحدًا بالضبط — Qwen3-235B. من وجهة نظر معمارية، كان هذا قرارًا منطقيًا: الاستدلال الموزع عبر DiLoCo يتطلب من جميع المشاركين في الشبكة الاحتفاظ بنفس النموذج في ذاكرة الفيديو، وإلا فمن المستحيل ضمان أن أي عقدة يمكنها معالجة أي طلب. Qwen3-235B الكامل بصيغة FP8 يشغل حوالي 640 جيجابايت من VRAM، وهو بحد ذاته التزام ضخم لكل عقدة ML.

للانتقال إلى شبكة متعددة النماذج، كانت هناك حاجة إلى آلية تسمح بالاحتفاظ بنماذج متعددة في وقت واحد، ولكن لا تتطلب من كل مضيف تشغيلها جميعًا. أصبحت هذه الآلية DevShards — شاردات منفصلة للشبكة، يتخصص كل منها في نموذج واحد. تعمل العقد داخل شارد واحد على نفس النموذج، ويوجه موجه الشبكة الطلب إلى الشارد الذي يحتوي على النموذج المطلوب.

لم تأت الفكرة من فراغ — لقد تم إضفاء الطابع الرسمي عليها في Gonka Improvement Proposal #800 "Multi-Model PoC"، الذي طرح للتصويت في المجتمع في ربيع 2026. وقد حظي الاقتراح بدعم المشاركين ومحققي الشبكة وتم تنفيذه في أبريل-مايو 2026. أصبح Kimi K2.6 أول نموذج يتم إطلاقه على DevShard منفصل — أي في الواقع تنفيذًا تجريبيًا للنهج الجديد. إذا كانت التجربة ناجحة، فلا شيء يمنع إطلاق نموذج ثالث، رابع، وهكذا — كل على شارده الخاص، مع مجموعة المضيفين الخاصة به، واقتصاده الخاص، وخارطة طريقه الخاصة.

ماذا يعني هذا للمستخدمين والمطورين:

• واجهة برمجة تطبيقات واحدة — نماذج متعددة. عبر JoinGonka Gateway، لا تحتاج إلى تغيير نقطة النهاية أو المفاتيح: يكفي تحديد model مختلف في نص الطلب. يتم الاحتفاظ بالتنسيق المتوافق مع OpenAI بالكامل.
• السعر هو نفسه. حاليًا، يتم تسعير Kimi K2.6 في الشبكة بنفس سعر Qwen3-235B — 0.001 دولار لكل مليون رمز عبر Gateway. في المستقبل، قد تختلف الأسعار حسب النموذج، ولكن التسعير الموحد في البداية هو قرار واع لتبسيط هجرة المستخدمين.
• الاستقرار يعتمد على تحميل الشارد. في المرحلة المبكرة، يحتوي شارد Kimi على عدد أقل من المضيفين مقارنة بشارد Qwen الرئيسي، لذلك عند تركيز الطلبات، قد يعيد النموذج مؤقتًا 429 طلبات متزامنة كثيرة جدًا. هذه مرحلة طبيعية للنموذج الجديد — مع نمو الاهتمام، سيتصل المضيفون بشارد Kimi، وستزداد الحدود.
• استدعاء الأدوات — قيد التحسين. في وقت كتابة هذا المقال، لوحظت مشكلات طفيفة في Kimi K2.6 في شبكة Gonka فيما يتعلق بالاختيار التلقائي للأدوات (tool_choice: "auto"). يعمل فريق Gonka على مطابقة السلوك بمعيار OpenAI؛ للسيناريوهات الحرجة في الإنتاج والتي تتضمن استدعاء الأدوات، يوصى حاليًا باستخدام Qwen3-235B.

الطريقة الأكثر مباشرة هي عبر JoinGonka API Gateway. توفر البوابة واجهة برمجة تطبيقات متوافقة مع OpenAI، مما يعني: نفس الكود الذي يعمل مع GPT أو Claude أو Qwen سيبدأ بالعمل مع Kimi بعد تغيير قيمة حقل model في نص الطلب.

مثال بسيط باستخدام curl:

curl https://gate.joingonka.ai/v1/chat/completions \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "moonshotai/Kimi-K2.6",
    "messages": [
      {"role": "user", "content": "اشرح الفرق بين نماذج MoE والكثيفة"}
    ]
  }'

نفس الطلب باستخدام Python من خلال مكتبة openai:

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://gate.joingonka.ai/v1",
)

response = client.chat.completions.create(
    model="moonshotai/Kimi-K2.6",
    messages=[{"role": "user", "content": "مرحباً كيمي"}],
)
print(response.choices[0].message.content)

البث (Server-Sent Events) — للواجهات التفاعلية والمحادثات، حيث ترغب في عرض الرد فور إنشائه:

stream = client.chat.completions.create(
    model="moonshotai/Kimi-K2.6",
    messages=[{"role": "user", "content": "اكتب مقالاً عن MoE"}],
    stream=True,
)
for chunk in stream:
    delta = chunk.choices[0].delta.content
    if delta:
        print(delta, end="", flush=True)

تكلفة Kimi K2.6 — 0.001 دولار لكل مليون رمز، وهو نفس سعر Qwen3-235B. هذا أرخص بحوالي 2500 مرة من GPT-5.4 و 3000 مرة من Claude Sonnet 4.5. عند التسجيل في JoinGonka Gateway، تحصل على 10 ملايين رمز مجاني لاختبار أي نموذج من نماذج الشبكة — وهذا يكفي لعدة ساعات من العمل المكثف أو عشرات الآلاف من الطلبات العادية.

التوافق مع أدوات التطوير: كل ما يعمل مع OpenAI API، يعمل أيضًا مع Kimi عبر Gateway. على مستوى النموذج، يكفي تغيير المعلمة model:

• Cursor: في إعدادات Custom Model، حدد moonshotai/Kimi-K2.6
• Claude Code: متغير البيئة ANTHROPIC_MODEL أو العلامة --model
• OpenClaw، Cline، Continue.dev: في إعدادات CustomChatModel، غير اسم النموذج
• LangChain، n8n: المعلمة model عند تهيئة العميل
• Open WebUI، LibreChat: يظهر النموذج في القائمة المنسدلة بعد إضافة Gonka كمزود مخصص

قائمة النماذج المتاحة محدثة دائمًا في نقطة النهاية GET /v1/models لنسخة Gateway الخاصة بك — من هناك يمكنك سحبها ديناميكيًا إلى واجهة المستخدم لتطبيقك، ليتمكن المستخدمون من رؤية القائمة الكاملة واختيار النموذج بأنفسهم.

محادثة العرض التوضيحي على صفحة /try في وقت النشر تعمل فقط مع Qwen3-235B — المحدد متعدد النماذج في الأداة المساعدة قيد التطوير. لتجربة Kimi الآن، استخدم Gateway API: 10 ملايين رمز مجاني تكفي لعدة ساعات من التجارب. إذا جاء الرد 429 كثير جدًا من الطلبات المتزامنة — فهذه مرحلة طبيعية لنموذج جديد في المراحل المبكرة من نمو شبكة Gonka. ما عليك سوى تكرار الطلب بعد بضع ثوانٍ أو الانتظار حتى فترة أقل تحميلًا.

ما التالي لشبكة Gonka: نجاح DevShards لـ Kimi يفتح الطريق لنماذج أخرى. في مناقشات المجتمع، تظهر DeepSeek-V3/R1، و Llama 4، والنماذج المتخصصة للكود. كل نموذج جديد هو عقد جديد، ومضيفون جدد، وفرص جديدة للمستخدمين، ومصدر دخل جديد لمزودي GPU. الهندسة المعمارية متعددة النماذج مهمة أيضًا استراتيجيًا: الشبكة المرتبطة بنموذج واحد هشة بشكل أساسي (إصدار جديد هو أزمة هجرة)، بينما الشبكة القادرة على الاحتفاظ بنماذج متعددة في وقت واحد تتطور بسلاسة وباستمرار.