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.

يمثل كلا النموذجين تطورات رائدة من أكبر مختبرات الذكاء الاصطناعي في الصين، وكلاهما متاح عبر واجهة موحدة متوافقة مع OpenAI وهي JoinGonka Gateway. ومع ذلك، لديهما نقاط قوة وخلفيات مختلفة، مما يجعل الاختيار بينهما ليس مسألة «أيهما أفضل»، بل «أيهما يناسب المهمة المطلوبة».

في معايير الـ reasoning (مثل MATH-500, GSM8K, AIME)، أظهرت سلسلة Kimi K2 تاريخياً نتائج في المجموعة العليا من نماذج open-weights، متنافسة مع DeepSeek-R1 والنماذج من نوع o1. في مهام توليد الكود (HumanEval, MBPP)، يظل كلا النموذجين عند مستويات متقاربة. نقطة قوة MiniMax M2.7 هي الـ attention الفعال (الخطي) للتسلسلات الطويلة جداً، بينما تشتهر Kimi بقدرات الـ reasoning القوية والسياق الطويل لسلسلة Kimi.

تنبيه مهم حول المعايير في عام 2026: تقلصت الفجوة بين أفضل النماذج في الاختبارات العامة إلى نسب مئوية ضئيلة، وغالباً ما تقع هذه الفرق ضمن هامش الخطأ الإحصائي للمعايير نفسها. للعمل العملي، الأهم ليس «من يتفوق بـ 2% في MMLU» بل طبيعة المهام: ما هو السياق الذي تقدمه للنموذج، مدى تعقيد سلاسل المنطق، هل تحتاج إلى سجل محادثة طويل، وما هي اللغات المستخدمة. لذلك، الجدول أعلاه لا يرتب النماذج، بل يساعد على فهم سريع للملف الشخصي للمهام التي تم تحسين كل نموذج لها.

للاختيار العملي: إذا كانت المهمة تتطلب سياقاً طويلاً (تحليل مستندات ضخمة، قراءة قواعد بيانات برمجية كبيرة، محادثات طويلة مع الحفاظ على السجل) أو مهام reasoning معقدة — يجب البدء بـ Kimi K2.6. إذا كانت الأولوية لمعالجة تسلسلات الإدخال الطويلة جداً وتدفق البيانات — يجب اختبار MiniMax M2.7 بفضل الـ attention الفعال الخاص بها. استراتيجية جيدة في الإنتاج هي امتلاك كلا النموذجين في الكود الخاص بك: التبديل السريع عبر المعلمة model يسمح لك بالتنقل بينهما بناءً على المهمة دون تغيير بنية التطبيق.

حتى ربيع 2026، كانت شبكة Gonka بأكملها تخدم نموذجاً واحداً فقط وهو Qwen3-235B. من منظور الهندسة المعمارية، كان هذا قراراً منطقياً: يتطلب inference الموزع عبر DiLoCo أن يحتفظ جميع المشاركين في الشبكة بنفس النموذج في ذاكرة الفيديو، وإلا لا يمكن ضمان أن أي عقدة (node) قادرة على معالجة أي طلب. يشغل نموذج Qwen3-235B الكامل بصيغة FP8 حوالي 640 جيجابايت من VRAM، وهو بحد ذاته التزام ضخم لكل MLNode.

للتحول إلى شبكة متعددة النماذج، كانت هناك حاجة إلى آلية تسمح بالحفاظ على عدة نماذج في وقت واحد، دون مطالبة كل مضيف (host) بتشغيلها جميعاً. أصبحت هذه الآلية هي DevShards — وهي شظايا (shards) منفصلة للشبكة، يتخصص كل منها في نموذج واحد. تعمل العقد داخل الشارد الواحد على نفس النموذج، ويقوم موجه الشبكة بتوجيه الطلب إلى الشارد الذي يحتوي على النموذج المطلوب.

لم تظهر الفكرة من فراغ، بل تم إضفاء الطابع الرسمي عليها في Gonka Improvement Proposal #800 «Multi-Model PoC»، الذي تم طرحه لتصويت المجتمع في ربيع 2026. تلقى الاقتراح دعم أعضاء الشبكة ومدققيها وتم تنفيذه في أبريل-مايو 2026. أصبحت Kimi K2.6 أول نموذج يتم تشغيله على DevShard منفصل — أي في الواقع تنفيذ تجريبي للنهج الجديد. إذا كانت التجربة ناجحة، فلا شيء يمنع إطلاق نموذج ثالث ورابع وهكذا — كل منها على الشارد الخاص به، مع مجموعة المضيفين الخاصة به، واقتصاده الخاص، وخارطة الطريق (roadmap) الخاصة به.

ماذا يعني هذا للمستخدمين والمطورين:

• API واحد — نماذج متعددة. من خلال JoinGonka Gateway لا تحتاج إلى تغيير endpoint أو المفاتيح: يكفي تحديد model مختلف في جسم الطلب. يتم الحفاظ على التنسيق المتوافق مع OpenAI بالكامل.
• السعر كما هو. حالياً يتم محاسبة Kimi K2.6 في الشبكة بنفس سعر MiniMax M2.7 — $0.0047 لكل مليون توكن عبر Gateway. في المستقبل قد تختلف الأسعار حسب النماذج، لكن التسعير الموحد عند البداية هو قرار واعٍ لتبسيط ترحيل المستخدمين.
• الاستقرار يعتمد على تحميل الشارد. في المرحلة المبكرة، يحتوي شارد النموذج الجديد على عدد أقل من المضيفين، لذلك عند تكدس الطلبات قد يعيد النموذج مؤقتاً 429 too many concurrent requests. هذه مرحلة طبيعية لأي نموذج جديد — مع زيادة الاهتمام، ستتصل المضيفات بشارده وسترتفع الحدود.
• استدعاء الأدوات (Tool calling) — قيد التحسين. في وقت كتابة هذا المقال، لوحظت في Kimi K2.6 داخل شبكة Gonka مشاكل بسيطة مع الاختيار التلقائي للأدوات (tool_choice: "auto"). يعمل فريق Gonka على مواءمة السلوك مع معايير OpenAI؛ بالنسبة للسيناريوهات الحرجة في بيئة الإنتاج (production) التي تستخدم استدعاء الأدوات، يرجى اختبار سلوك النموذج مسبقاً مع طلباتك.

الطريقة الأكثر مباشرة هي عبر JoinGonka API Gateway. توفر البوابة واجهة برمجة تطبيقات متوافقة مع OpenAI، مما يعني أن الكود الذي يعمل مع GPT أو Claude أو نماذج أخرى سيعمل مع Kimi بمجرد تغيير قيمة الحقل model في نص الطلب.

مثال مبسط عبر 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 والنماذج dense"}
    ]
  }'

نفس الطلب باستخدام Python ومكتبة 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": "مرحبا Kimi"}],
)
print(response.choices[0].message.content)

البث المباشر (Server-Sent Events) — لواجهات الدردشة التفاعلية، حيث ترغب في عرض الإجابة أثناء توليدها:

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 هي نفس السعر $0.0047 لكل مليون توكن، وهو السعر الموحد للشبكة. هذا أرخص بحوالي 800 مرة من GPT-5.5 وأرخص بحوالي 500 مرة من Claude Sonnet 4.6. عند التسجيل في JoinGonka Gateway تحصل على 1.5M توكن مجانية لاختبار أي نموذج في الشبكة — وهذا يكفي لتجربة النموذج بدون بطاقة ائتمان أو إجراء عشرات الآلاف من الطلبات العادية.

التوافق مع أدوات التطوير: كل ما يعمل مع OpenAI API يعمل مع Kimi عبر البوابة. على مستوى النموذج، يكفي تغيير المعامل 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 ملف إعدادات CustomChatModel، غير اسم النموذج
• LangChain, n8n: معامل model عند تهيئة العميل
• Open WebUI, LibreChat: سيظهر النموذج في القائمة المنسدلة بعد إضافة Gonka كموفر مخصص

قائمة النماذج المتاحة محدثة دائماً في endpoint GET /v1/models الخاص بمثيل البوابة الخاص بك — ومن هناك يمكنك بسهولة سحبها ديناميكياً إلى واجهة تطبيقك ليرى المستخدمون القائمة الكاملة ويتمكنوا من اختيار النموذج بأنفسهم.

دردشة تجريبية على صفحة /try وقت النشر تستخدم أحد النماذج النشطة في الشبكة — والمحدد متعدد النماذج في الأداة موجود في خارطة الطريق. لتجربة Kimi الآن، استخدم Gateway API: الـ 1.5M توكن المجانية تكفي لتجربة النموذج بدون بطاقة. إذا تلقيت استجابة 429 too many concurrent requests — فهذه مرحلة طبيعية لنموذج جديد في المراحل الأولى من نمو شبكة Gonka. فقط كرر الطلب بعد بضع ثوانٍ أو انتظر انخفاض الضغط على الشبكة.

ما التالي لشبكة Gonka: نجاح DevShards بالنسبة لـ Kimi يفتح الطريق لنماذج أخرى. في مناقشات المجتمع يتردد ذكر DeepSeek-V3/R1 و Llama 4 ونماذج مخصصة للكود البرمجي. كل نموذج جديد هو shard جديد، ومضيفون جدد، وفرص جديدة للمستخدمين ومصدر دخل جديد لموفري الـ GPU. البنية متعددة النماذج مهمة أيضاً من الناحية الاستراتيجية: الشبكة المرتبطة بنموذج واحد هشة جوهرياً (إصدار نسخة جديدة يعني أزمة ترحيل)، بينما الشبكة القادرة على استضافة عدة نماذج في وقت واحد تتطور بسلاسة وبشكل مستمر.

نفس Kimi K2.6 عبر OpenRouter يكلف $0.684/$3.42 لكل 1M، مقابل $0.0047 في JoinGonka (أغلى بمئات المرات).