Kimi K2.6: النموذج الذي كانت تدعمه Gonka سابقاً

Kimi K2.6 هو نموذج لغوي كبير (LLM) من سلسلة Kimi، طوّرته شركة Moonshot AI ومقرها بكين. تُعد Moonshot AI واحدة من مختبرات الذكاء الاصطناعي الرائدة في الصين، وقد أُسست عام 2023 على يد فريق من الباحثين بقيادة Yang Zhilin. جمعت الشركة تمويلاً من Alibaba وTencent وغيرهم من المستثمرين الكبار، وانضمّت إلى قائمة "نمور الذكاء الاصطناعي الصينية" — الشركات التي تُحدّد وتيرة تطوّر الذكاء الاصطناعي في آسيا.

عُرفت سلسلة Kimi منذ عام 2024. وقد لفتت إصداراتها الأولى (K1 وK1.5) الأنظار على الفور بنافذة سياق طويلة استثنائياً — تصل إلى 200,000 رمز في الطلب الواحد، وهو رقم قياسي لحظة صدورها بين النماذج المتاحة للعموم. السياق الطويل يعني القدرة عملياً على تحليل كتاب كامل، أو قاعدة شيفرة متوسطة الحجم، أو مجموعة من الوثائق القانونية، في الطلب الواحد. وفي وقت صدور Kimi، كان هذا العامل ميزة تنافسية قوية.

ظهر الإصدار K2 في عام 2025 ليأتي بقفزة معمارية جوهرية — الانتقال إلى MoE (Mixture of Experts). وهذه المعمارية ذاتها تقوم عليها Qwen3-235B وDeepSeek-R1 — إذ أصبحت المعيار الفعلي لأكبر نماذج الأعوام 2025—2026. يتيح MoE امتلاك مئات المليارات من المعاملات "إجمالاً"، مع تفعيل مجموعة فرعية فقط مع كل طلب (عادةً 5—10%)، ما يخفّض كلفة الحوسبة اللازمة لـ inference تخفيضاً جذرياً مع جودة مماثلة.

K2.6 هو أحدث إصدار في سلسلة K2 وقت كتابة المقال. ويُستنتج من تصريحات Moonshot AI العلنية أن هذا الإصدار حسّن قدرات النموذج في reasoning (الاستدلال المنطقي) وتوليد الشيفرة والاستدعاء الأصلي للأدوات (tool calling). وفي الفترة التي كان النموذج يعمل فيها عبر شبكة Gonka، كان متاحاً تحت المُعرّف moonshotai/Kimi-K2.6؛ أما الآن فالـ gateway لا يقبل هذا المُعرّف — والقائمة الحالية للنماذج تُعاد دائماً عبر GET /v1/models.

كلا النموذجين يمثلان ابتكارات رائدة من أكبر مختبرات الذكاء الاصطناعي الصينية؛ بينما كان كلاهما يُخدم عبر الشبكة، كانا متاحين من خلال واجهة متوافقة مع OpenAI — JoinGonka Gateway — اليوم من هذا الزوج، النموذج المتاح فقط عبر البوابة هو MiniMax M2.7. ومع ذلك، لديهما نقاط قوة مختلفة وتراث مختلف، مما يجعل الاختيار بينهما ليس مسألة «أيهما أفضل»، بل مسألة «أيهما يناسب المهمة».

في اختبارات الـ reasoning (مثل MATH-500, GSM8K, AIME)، أظهرت سلسلة Kimi K2 تاريخياً نتائج في المجموعة العليا من نماذج open-weights، منافسةً DeepSeek-R1 ونماذج o1-style. في مهام توليد الكود (HumanEval, MBPP)، يحافظ كلا النموذجين على مستويات متقاربة. نقطة قوة MiniMax M2.7 هي الـ attention الفعال (الخطي) للتسلسلات الطويلة جدًا، بينما تشتهر Kimi بقدرات الـ reasoning القوية والسياق الطويل لسلسلة Kimi.

تنبيه هام حول الاختبارات المعيارية في 2026: الفجوة بين أفضل النماذج في الاختبارات العامة تقلصت إلى نسب مئوية ضئيلة، وغالبًا ما يقع هذا الاختلاف ضمن هامش الخطأ الإحصائي للاختبارات نفسها. للعمل العملي، ما يهم ليس «من أعلى بنسبة 2% في MMLU»، بل طبيعة المهام: ما السياق الذي ترسله للنموذج، مدى تعقيد سلاسل المنطق، هل تحتاج إلى سجل محادثة طويل، ما هي اللغات المستخدمة. لذلك، الجدول أعلاه لا يصنف النماذج — بل يساعد في فهم سريع لأي ملف تعريف مهام تم تحسين كل منها.

بالنسبة للاختيار العملي اليوم: مجال Kimi K2.6 — السياق الطويل (تحليل الوثائق الكبيرة، قراءة قاعدة كود ضخمة، محادثات طويلة مع الاحتفاظ بالسجل) ومهام الـ reasoning المعقدة — مغطى حاليًا في الشبكة بنموذجين. الـ GLM-5.3 Flash مسؤول عن الاستنتاج: فهو يفكر قبل الإجابة، وهو ما يجب اختياره للمنطق المعقد؛ كما أنه يمتلك أطول سياق في الشبكة (390K). للطلبات الكبيرة (prompts) بدون استنتاج وجلسات الوكيل الطويلة — DeepSeek V4 Flash (380K، ثاني أطول سياق). إذا كانت الأولوية لمعالجة تسلسلات إدخال طويلة جدًا وبيانات التدفق مع استجابة سريعة — MiniMax M2.7 مع الـ attention الفعال. الاستراتيجية الجيدة في الإنتاج (production) لم تتغير — احتفظ بعدة نماذج من الشبكة في كودك: التبديل السريع عبر المعامل model يسمح بالتبديل بينها حسب المهمة دون تغيير معمارية التطبيق.

حتى ربيع 2026، كانت شبكة Gonka بأكملها تخدم نموذجاً واحداً فقط — Qwen3-235B. من وجهة نظر البنية المعمارية، كان هذا قراراً منطقياً: inference الموزّع عبر DiLoCo يتطلب أن يحتفظ جميع المشاركين في الشبكة بالنموذج نفسه في ذاكرة الفيديو، وإلا يستحيل ضمان أن أي عقدة قادرة على معالجة أي طلب. يشغل Qwen3-235B الكامل بصيغة FP8 نحو 640 جيجابايت من VRAM، وهو بحد ذاته التزام هائل لكل عقدة ML.

للانتقال إلى شبكة متعددة النماذج، كان لا بد من آلية تتيح الاحتفاظ بعدة نماذج في آن واحد دون إلزام كل مضيف بتشغيلها جميعاً. هذه الآلية هي DevShards — شاردات منفصلة في الشبكة، يتخصص كل منها بنموذج واحد. تعمل العقد داخل الشارد الواحد على النموذج نفسه، بينما يوجّه موجّه الشبكة الطلب إلى الشارد الذي يحتوي النموذج المطلوب.

لم تأتِ الفكرة من فراغ — بل صيغت رسمياً في Gonka Improvement Proposal #800 «Multi-Model PoC»، الذي طُرح للتصويت المجتمعي في ربيع 2026. حظي الاقتراح بدعم المشاركين والمدققين في الشبكة، ونُفّذ في أبريل—مايو 2026. وكان Kimi K2.6 أول نموذج يُشغَّل على DevShard منفصل — أي أنه كان فعلياً تطبيقاً تجريبياً للنهج الجديد. أثبتت التجربة نجاحها: تبعته MiniMax M2.7 وDeepSeek V4 Flash وGLM-5.3 Flash على شارداتها الخاصة، لكل منها مجموعة مضيفين خاصة واقتصاد خاص. وتعمل الآلية ذاتها في الاتجاه المعاكس أيضاً: النموذج الذي يتوقف المضيفون عن دعمه يُسحب من الشبكة بالتصويت — وهكذا خرج Kimi K2.6 نفسه في سبتمبر 2026.

ماذا يعني هذا للمستخدمين والمطورين:

• API واحد — نماذج متعددة. عبر JoinGonka Gateway لا حاجة لتغيير endpoint أو المفاتيح: يكفي تحديد model آخر في جسم الطلب. ويبقى التنسيق المتوافق مع OpenAI محفوظاً بالكامل.
• السعر نفسه. طوال فترة خدمة Kimi K2.6، كانت تسعيرته بالسعر ذاته المطبق على MiniMax M2.7؛ ويستمر التسعير الموحّد للشبكة أيضاً للنماذج الحالية — $0.0069 لكل 1M من الرموز عبر Gateway. التسعير الموحّد قرار متعمّد لتبسيط انتقال المستخدمين بين النماذج.
• الاستقرار يعتمد على حمل الشارد. في المرحلة المبكرة، يضم شارد النموذج الجديد عدداً أقل من المضيفين، لذا عند تركّز الطلبات قد يعيد النموذج مؤقتاً 429 too many concurrent requests. هذه مرحلة طبيعية لأي نموذج جديد: مع نمو الاهتمام ينضم المضيفون إلى شارده، وترتفع الحدود. والعكس صحيح أيضاً — إذا انسحب المضيفون من الشارد، يفقد النموذج سعته؛ وهكذا انتهت قصة Kimi K2.6 في الشبكة.
• خاصية tool calling تختلف من نموذج لآخر. مع Kimi K2.6 في شبكة Gonka رُصدت عند الإطلاق مشكلات طفيفة في الاختيار التلقائي للأدوات (tool_choice: "auto")، عولجت لاحقاً بتحديث العقد. ويبقى الدرس سارياً لأي نموذج في الشبكة: تنسيق استدعاء الأدوات هو خاصية لنموذج بعينه على عقدة بعينها، لذا في السيناريوهات الحرجة في بيئة الإنتاج، اختبر مسبقاً سلوك النموذج الذي اخترته على طلباتك الفعلية.

الإجابة المباشرة: عبر شبكة Gonka، لم يعد Kimi K2.6 متاحًا. توقفت المضيفات عن تقديمه في أوائل سبتمبر 2026، وأخرج اقتراح الحوكمة #101 النموذج نهائيًا من قائمة نماذج الشبكة — لذا سترفض البوابة أي طلب يحمل model: "moonshotai/Kimi-K2.6". وبما أن أوزان النموذج مفتوحة، فلا يزال بإمكانك الحصول عليه من استضافات طرف ثالث لنماذج open-weights (مثلًا عبر OpenRouter) أو نشره بنفسك.

أما إذا كنت تريد ذلك الاستدلال اللامركزي الرخيص تحديدًا الذي يأتي الناس إلى Gonka من أجله، فهو لم يختفِ، لكنه يعمل الآن على نماذج الشبكة الفعّالة. عبر JoinGonka API Gateway وبواجهة متوافقة مع OpenAI وAnthropic، تتوفر ثلاثة نماذج، وكل نموذج منها يغطي جانبًا مما كان يُقدَّر في Kimi:

• GLM-5.3 Flash (zai-org/GLM-5.3-Flash) — نموذج Reasoning من Z.ai: يفكر قبل الإجابة، لذا هو الخيار الأمثل للمنطق المعقد وتحليل الأكواد ومهام «التفكير»؛ وهو أيضًا صاحب أطول سياق في الشبكة (390K). تدخل عمليات التفكير ضمن حد الإجابة — لذا خصص max_tokens باحتياط وفعّل stream.
• DeepSeek V4 Flash (deepseek-ai/DeepSeek-V4-Flash-0731) — أحد أطول السياقات في الشبكة (380K)، وأطول المخرجات، وأقوى النماذج في البرمجة الوكيلية: مستودعات كبيرة وسلاسل طويلة من استدعاءات الأدوات.
• MiniMax M2.7 (MiniMaxAI/MiniMax-M2.7) — النموذج الافتراضي للبوابة: ردود سريعة ومتزنة في المهام اليومية، والمستندات الطويلة، والمعالجة المتدفقة.

الانتقال من Kimi K2.6 هو مجرد استبدال سطر واحد. أي كود مكتوب لـ OpenAI يعمل دون أي تغيير: يكفي استبدال الـ URL ومفتاح API واسم النموذج.

curl https://gate.joingonka.ai/v1/chat/completions \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "MiniMaxAI/MiniMax-M2.7",
    "messages": [{"role": "user", "content": "Explain the difference between MoE and dense models"}]
  }'

القاعدة نفسها تنطبق في أدوات التطوير: في كل مكان تجد فيه moonshotai/Kimi-K2.6 في الإعدادات، استبدله بمعرّف أحد النماذج الفعّالة. في Cursor هو حقل Custom Model، وفي Claude Code متغير البيئة ANTHROPIC_MODEL أو الخيار --model، وفي OpenClaw وCline وContinue.dev اسم النموذج في إعداد المزوّد، وفي LangChain وn8n معامل model عند تهيئة العميل. أداة التثبيت npx @joingonka/setup ستكتب البوابة والنموذج الحالي في إعداد الأداة بأمر واحد. قائمة النماذج المتاحة محدثة دائمًا في الـ endpoint GET /v1/models — ومن هناك يمكنك جلبها ديناميكيًا إلى واجهة تطبيقك حتى لا يؤدي رحيل نموذج أو ظهوره في الشبكة إلى تعطيل منتجك.

يمكنك التجربة دون تسجيل في الدردشة المجانية على صفحة /try — حيث تتوفر نماذج الشبكة الفعّالة. وعند التسجيل في JoinGonka Gateway تحصل على 3M توكن مجانًا لاختبار أي من نماذج الشبكة — يكفي لتشغيل مهامك على النماذج الثلاثة واختيار البديل بوعي.

ما علّمته قصة Kimi K2.6 لشبكة Gonka: آلية DevShards عملت في الاتجاهين. مكّنت من إضافة نماذج دون إيقاف الشبكة — فبعد Kimi جاء MiniMax M2.7 وDeepSeek V4 Flash وGLM-5.3 Flash — وهي نفسها مكّنت من إخراج نموذج توقفت المضيفات عن دعمه بسلاسة. الشبكة المرتبطة بنموذج واحد هشّة جوهريًا؛ أما الشبكة القادرة على تغيير تشكيلتها بالتصويت فتتطور بسلاسة واستمرارية. ومن هذا يستنتج المطور قاعدة بسيطة: لا «اختر نموذجًا إلى الأبد»، بل أبقِ اسم النموذج في الإعداد وراقب القائمة الحية.