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 الصينية، وكلاهما متاح عبر واجهة برمجة تطبيقات موحدة متوافقة مع OpenAI تُعرف بـ JoinGonka Gateway. ومع ذلك، هناك نقاط قوة وإرث مختلف لكل منهما، مما يجعل الاختيار بينهما ليس مسألة "أيهما أفضل"، بل "أيهما الأنسب للمهمة".

في اختبارات الاستنتاج (MATH-500, GSM8K, AIME)، أظهرت سلسلة Kimi K2 تاريخياً نتائج في المجموعة العليا من نماذج الأوزان المفتوحة، منافسة بذلك نماذج DeepSeek-R1 ونماذج طراز o1. وفي مهام توليد الأكواد (HumanEval, MBPP)، يحافظ كلا النموذجين على مستويات متقاربة. تكمن قوة MiniMax M2.7 في الـ attention الفعال (الخطي) للتسلسلات الطويلة جداً، بينما تشتهر Kimi بقدرات استنتاج قوية وسياق طويل ضمن سلسلة Kimi.

ملاحظة مهمة حول الاختبارات القياسية في عام 2026: تقلصت الفجوة بين النماذج الرائدة في الاختبارات العامة إلى نسب مئوية ضئيلة، وغالباً ما تكون هذه الاختلافات ضمن هامش الخطأ الإحصائي للاختبارات نفسها. بالنسبة للعمل العملي، لا يهم "من هو الأعلى بنسبة 2% في MMLU"، بل طبيعة المهام: ما هو السياق الذي تقدمه للنموذج، ومدى تعقيد السلاسل المنطقية، وهل تحتاج إلى تاريخ حوار طويل، وما هي اللغات المستخدمة. لذلك، لا يقوم الجدول أعلاه بترتيب النماذج، بل يساعدك على فهم ملف تعريف المهام الذي تم تحسين كل منها لأجله.

للاختيار العملي: إذا كانت المهمة تتطلب سياقاً طويلاً (تحليل مستندات ضخمة، قراءة قاعدة أكواد واسعة، حوارات طويلة مع حفظ التاريخ) أو مهام استنتاج معقدة — فابدأ بـ Kimi K2.6. إذا كانت الأولوية هي معالجة تسلسلات إدخال طويلة جداً وبيانات متدفقة — جرب MiniMax M2.7 بفضل الـ attention الفعال الخاص بها. استراتيجية جيدة في بيئة الإنتاج هي امتلاك كلا النموذجين في الكود الخاص بك: التبديل السريع عبر معامل model يتيح لك الانتقال بينهما وفقاً للمهمة دون تغيير بنية التطبيق.

حتى ربيع عام 2026، كانت شبكة Gonka بأكملها تخدم نموذجاً واحداً فقط وهو Qwen3-235B. من وجهة نظر هندسية، كان هذا قراراً منطقياً: حيث يتطلب distributed inference عبر بروتوكول DiLoCo أن يحتفظ جميع المشاركين في الشبكة بنفس النموذج في ذاكرة الفيديو، وإلا لن يكون من الممكن ضمان أن أي عقدة (node) ستتمكن من 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 (multi-model)، كانت هناك حاجة إلى آلية تسمح بالحفاظ على عدة نماذج في وقت واحد، دون الحاجة إلى أن يقوم كل مضيف (host) بتشغيلها جميعاً. أصبحت هذه الآلية عبارة عن DevShards — وهي أجزاء (shards) مستقلة من الشبكة، 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 تأت الفكرة من العدم — بل تم إضفاء الطابع الرسمي عليها في Gonka Improvement Proposal #800 «Multi-Model PoC»، الذي تم طرحه لتصويت المجتمع في ربيع عام 2026. حظي الاقتراح بدعم المشاركين والمصادقين في الشبكة وتم تنفيذه في الفترة من أبريل إلى مايو 2026. أصبح Kimi K2.6 أول نموذج يتم تشغيله على DevShard منفصل — أي أنه في الواقع تطبيق تجريبي للنهج الجديد. إذا أثبتت التجربة نجاحها، لا شيء يمنع إطلاق نموذج ثالث ورابع وهكذا — كل منها على شارد خاص به، مع مجموعة مضيفين خاصة به، واقتصاد خاص به، و roadmap خاص به.

ماذا يعني هذا للمستخدمين والمطورين:

• API واحد — نماذج متعددة. من خلال JoinGonka Gateway، لا داعي لتغيير الـ endpoint أو المفاتيح: يكفي تحديد model مختلف في نص الطلب. يتم الحفاظ على التنسيق المتوافق مع OpenAI بالكامل.
• السعر كما هو. حالياً، يتم احتساب Kimi K2.6 في الشبكة بنفس سعر MiniMax M2.7 — وهو $0.003 لكل مليون رمز (token) عبر Gateway. في المستقبل، قد تختلف الأسعار وفقاً للنماذج، لكن السعر الموحد في البداية هو قرار واعٍ لتبسيط عملية انتقال المستخدمين.
• الاستقرار يعتمد على تحميل الشارد. في المرحلة المبكرة، يحتوي شارد النموذج الجديد على عدد أقل من المضيفين، لذا عند تكثيف الطلبات قد يعيد النموذج مؤقتاً 429 too many concurrent requests. هذه مرحلة طبيعية لأي نموذج جديد — مع زيادة الاهتمام، ستتصل المضيفات بشارده وسترتفع الحدود.
• Tool calling — قيد التحسين. في وقت كتابة هذا المقال، لوحظت في Kimi K2.6 ضمن شبكة Gonka مشكلات بسيطة في الاختيار التلقائي للأدوات (tool_choice: "auto"). يعمل فريق Gonka على مطابقة السلوك مع معيار OpenAI؛ بالنسبة للسيناريوهات الحرجة في بيئة الإنتاج (production) التي تستخدم tool calling، يرجى اختبار سلوك النموذج مسبقاً مع طلباتك.

الطريق الأكثر مباشرة هو من خلال JoinGonka API Gateway. توفر البوابة واجهة برمجة تطبيقات متوافقة مع OpenAI، وهذا يعني أن الكود نفسه الذي يعمل مع GPT أو Claude أو طرازات أخرى سيبدأ في العمل مع Kimi بعد 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 الكثيفة (dense)"}
    ]
  }'

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

البث المباشر (Server-Sent Events) — للواجهات التفاعلية والمحادثات التي ترغب فيها بعرض الإجابة أثناء إنشائها:

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)

تبلغ تكلفة Kimi K2.6 نفس السعر: $0.003 لكل مليون رمز (token)، وهو السعر الموحد للشبكة. هذا أرخص بحوالي 1700 مرة من GPT-5.5 وأرخص بحوالي 1000 مرة من Claude Sonnet 4.6. عند التسجيل في JoinGonka Gateway، تحصل على 10 ملايين رمز مجاني لاختبار أي نموذج في الشبكة — وهو ما يكفي لساعات من العمل المكثف أو عشرات الآلاف من الطلبات العادية.

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

• Cursor: في إعدادات Custom Model حدد moonshotai/Kimi-K2.6
• Claude Code: متغير البيئة ANTHROPIC_MODEL أو flag --model
• OpenClaw, Cline, Continue.dev: في إعدادات CustomChatModel، قم بتغيير اسم النموذج
• LangChain, n8n: المعامل model في تهيئة العميل
• Open WebUI, LibreChat: يظهر النموذج في القائمة المنسدلة بعد إضافة Gonka كموفر مخصص (custom provider)

قائمة النماذج المتاحة محدثة دائماً في endpoint GET /v1/models الخاصة بـ Gateway-instance الخاص بك — من هناك يمكنك بسهولة جلبها ديناميكياً في واجهة التطبيق الخاصة بك حتى يتمكن المستخدمون من رؤية القائمة الكاملة واختيار النموذج بأنفسهم.

تستخدم محادثة العرض (demo chat) في صفحة /try في وقت النشر أحد النماذج النشطة في الشبكة — يوجد مُحدد النماذج المتعددة في الودجت حالياً في خارطة الطريق. لتجربة Kimi الآن استخدم Gateway API: الـ 10M رمز مجانية تكفي لساعات من التجارب. إذا جاء الرد 429 too many concurrent requests — فهذه مرحلة طبيعية لنموذج جديد في المراحل المبكرة من نمو شبكة Gonka. ما عليك سوى تكرار الطلب بعد بضع ثوانٍ أو الانتظار حتى تنخفض حركة المرور.

ما التالي لشبكة Gonka: نجاح DevShards بالنسبة لـ Kimi يفتح الطريق لنماذج أخرى. تناقش المجمتع إضافة DeepSeek-V3/R1 وLlama 4 ونماذج متخصصة للكود البرمجي. كل نموذج جديد يعني shard جديد، ومضيفين جدد، وفرصاً جديدة للمستخدمين، ومصدراً جديداً للدخل لموفري GPU. البنية متعددة النماذج مهمة أيضاً بشكل استراتيجي: الشبكة المرتبطة بنموذج واحد تكون هشة بشكل أساسي (إصدار نسخة جديدة يعني أزمة انتقال)، بينما الشبكة القادرة على تشغيل عدة نماذج في وقت واحد تتطور بسلاسة وبشكل مستمر.

نفس Kimi K2.6 عبر OpenRouter يكلف $0.684/$3.42 لكل 1M، مقابل $0.003 في JoinGonka (أغلى بمئات المرات).