Kimi K2.6: গংকা নেটওয়ার্কের দ্বিতীয় মডেল

Kimi K2.6 হল Kimi সিরিজের একটি বৃহৎ ভাষার মডেল (LLM), যা বেইজিং-এর কোম্পানি Moonshot AI দ্বারা তৈরি। Moonshot AI হল চীনের অন্যতম প্রধান এআই ল্যাব, যা 2023 সালে Yang Zhilin-এর নেতৃত্বে গবেষকদের একটি দল দ্বারা প্রতিষ্ঠিত। কোম্পানিটি আলিবাবা, টেনসেন্ট এবং অন্যান্য বৃহৎ বিনিয়োগকারীদের কাছ থেকে তহবিল সংগ্রহ করেছে এবং “চীনা এআই টাইগার্স” – এশিয়াতে এআই-এর বিকাশের গতি নির্ধারণকারী কোম্পানিগুলির তালিকায় স্থান পেয়েছে।

Kimi সিরিজ 2024 সাল থেকে পরিচিত। প্রথম সংস্করণগুলি (K1, K1.5) অবিলম্বে তাদের অত্যন্ত দীর্ঘ প্রসঙ্গ উইন্ডোর জন্য দৃষ্টি আকর্ষণ করেছিল – একটি একক অনুরোধে 200,000 পর্যন্ত টোকেন, যা প্রকাশের সময় সর্বজনীনভাবে উপলব্ধ মডেলগুলির জন্য একটি রেকর্ড ছিল। দীর্ঘ প্রসঙ্গ মানে একটি একক অনুরোধে একটি সম্পূর্ণ বই, মাঝারি আকারের কোডবেস বা আইনি নথির একটি নির্বাচন বিশ্লেষণ করার ব্যবহারিক সম্ভাবনা। Kimi প্রকাশের সময় এই বৈশিষ্ট্যটি একটি শক্তিশালী প্রতিযোগিতামূলক সুবিধা ছিল।

K2 সংস্করণটি 2025 সালে এসেছিল এবং একটি মৌলিক কাঠামোগত লাফ এনেছিল – MoE (Mixture of Experts)-এ রূপান্তর। এই একই আর্কিটেকচার Qwen3-235B এবং DeepSeek-R1-এর ভিত্তি তৈরি করে – এটি 2025-2026 সালের বৃহত্তম মডেলগুলির জন্য একটি বাস্তব মান হয়ে উঠেছে। MoE শত শত বিলিয়ন প্যারামিটার “সব” থাকার অনুমতি দেয়, কিন্তু প্রতিটি অনুরোধে শুধুমাত্র একটি উপসেট (সাধারণত 5-10%) সক্রিয় করে, যা তুলনামূলক গুণমানের সাথে ইনফারেন্সের গণনা খরচকে নাটকীয়ভাবে হ্রাস করে।

K2.6 এই লেখার সময় K2 সিরিজের সর্বশেষ পুনরাবৃত্তি। Moonshot AI-এর জন বিবৃতিতে বলা হয়েছে যে এই সংস্করণে মডেলের কারণ (যৌক্তিক যুক্তি), কোড জেনারেশন এবং নেটিভ টুল কলিং ক্ষমতা উন্নত করা হয়েছে। গংকা নেটওয়ার্কে মডেলটিকে moonshotai/Kimi-K2.6 হিসাবে চিহ্নিত করা হয়েছে – এটিই API অনুরোধের modelA ফিল্ডে পাস করতে হবে।

উভয় মডেলই চীনের বৃহত্তম AI ল্যাবগুলির ফ্ল্যাগশিপ ডেভেলপমেন্টের প্রতিনিধিত্ব করে এবং উভয়ই একটি একক OpenAI-সামঞ্জস্যপূর্ণ ইন্টারফেস JoinGonka Gateway এর মাধ্যমে উপলব্ধ। তবে, তাদের বিভিন্ন শক্তিশালী দিক এবং উত্তরাধিকার রয়েছে, যা তাদের মধ্যে পছন্দ করাকে «কোনটি সেরা» তা নয়, বরং «কোনটি কাজের জন্য উপযুক্ত» তা নির্ধারণের বিষয়ে পরিণত করে।

Reasoning বেঞ্চমার্কে (MATH-500, GSM8K, AIME) Kimi K2 সিরিজ ঐতিহাসিকভাবে open-weights মডেলের শীর্ষ গ্রুপে ফলাফল দেখায়, যা DeepSeek-R1 এবং o1-style মডেলের সাথে প্রতিদ্বন্দ্বিতা করে। কোড জেনারেশন টাস্কে (HumanEval, MBPP) উভয় মডেলই কাছাকাছি পর্যায়ে থাকে। MiniMax M2.7 এর শক্তিশালী দিক হলো খুব দীর্ঘ সিকোয়েন্সের জন্য কার্যকর (লিনিয়ার) attention, যেখানে Kimi তার শক্তিশালী reasoning এবং Kimi সিরিজের দীর্ঘ কনটেক্সটের জন্য পরিচিত।

2026 সালের বেঞ্চমার্ক সম্পর্কে একটি গুরুত্বপূর্ণ সতর্কতা: পাবলিক টেস্টে শীর্ষ মডেলগুলোর মধ্যে ব্যবধান একক শতাংশে নেমে এসেছে এবং এই পার্থক্য প্রায়শই বেঞ্চমার্কের পরিসংখ্যানগত ত্রুটির মধ্যেই থাকে। ব্যবহারিক কাজের জন্য MMLU তে «কে 2% এগিয়ে» তা গুরুত্বপূর্ণ নয়, বরং কাজের ধরন গুরুত্বপূর্ণ: আপনি মডেলকে কী কনটেক্সট দিচ্ছেন, লজিক্যাল চেইন কতটা জটিল, দীর্ঘ সংলাপের ইতিহাসের প্রয়োজন আছে কি না এবং কোন ভাষা ব্যবহৃত হচ্ছে। তাই উপরের টেবিলটি মডেলগুলিকে র‍্যাঙ্ক করে না — এটি কোন মডেলটি কোন ধরনের কাজের জন্য অপ্টিমাইজ করা হয়েছে তা দ্রুত বুঝতে সাহায্য করে।

ব্যবহারিক পছন্দের জন্য: যদি কাজের জন্য দীর্ঘ কনটেক্সট (বড় ডকুমেন্টের বিশ্লেষণ, বিশাল কোডবেস পড়া, ইতিহাস সহ দীর্ঘ সংলাপ) বা জটিল reasoning-টাস্ক প্রয়োজন হয়, তবে Kimi K2.6 দিয়ে শুরু করা উচিত। যদি খুব দীর্ঘ ইনপুট সিকোয়েন্স এবং স্ট্রিমিং ডেটা প্রক্রিয়াকরণ অগ্রাধিকার পায়, তবে কার্যকর attention সহ MiniMax M2.7 পরীক্ষা করা উচিত। প্রোডাকশনে ভালো কৌশল হলো আপনার কোডে উভয় মডেল রাখা: model প্যারামিটারের মাধ্যমে দ্রুত পরিবর্তন করে অ্যাপ্লিকেশনের আর্কিটেকচার পরিবর্তন না করেই কাজের প্রয়োজন অনুযায়ী তাদের মধ্যে সুইচ করা সম্ভব।

২০২৬ সালের বসন্ত পর্যন্ত, পুরো Gonka নেটওয়ার্ক ঠিক একটি মডেল পরিচালনা করত — Qwen3-235B। আর্কিটেকচারের দিক থেকে এটি একটি অর্থপূর্ণ সিদ্ধান্ত ছিল: distributed inference DiLoCo-এর মাধ্যমে এটি নিশ্চিত করে যে নেটওয়ার্কের সমস্ত অংশগ্রহণকারী একই মডেল তাদের VRAM-এ ধরে রাখে, অন্যথায় কোনো নোড যে কোনো অনুরোধ প্রক্রিয়া করতে পারবে তার নিশ্চয়তা দেওয়া অসম্ভব। পূর্ণ Qwen3-235B FP8 ফরম্যাটে প্রায় ৬৪০ জিবি VRAM দখল করে, যা প্রতিটি MLNode-এর জন্য নিজেই একটি বিশাল দায়বদ্ধতা।

একটি মাল্টি-মডেল নেটওয়ার্কে স্থানান্তরের জন্য এমন একটি প্রক্রিয়ার প্রয়োজন ছিল যা একাধিক মডেলকে একসাথে ধরে রাখতে দেয়, কিন্তু প্রতিটি হোস্টকে সেগুলোর সবকটি চালানোর প্রয়োজন হয় না। এই প্রক্রিয়ার নাম DevShards — নেটওয়ার্কের আলাদা আলাদা শার্ড, যার প্রতিটি একটি নির্দিষ্ট মডেলে বিশেষজ্ঞ। একই শার্ডের ভেতরের নোডগুলো একই মডেল নিয়ে কাজ করে এবং নেটওয়ার্ক রাউটার অনুরোধটিকে সঠিক মডেলযুক্ত শার্ডে পাঠিয়ে দেয়।

এই ধারণাটি এমনি আসেনি — এটি Gonka Improvement Proposal #800 «Multi-Model PoC»-এ আনুষ্ঠানিক রূপ পায়, যা ২০২৬ সালের বসন্তে কমিউনিটির ভোটের জন্য রাখা হয়েছিল। প্রস্তাবটি নেটওয়ার্কের অংশগ্রহণকারী এবং ভ্যালিডেটরদের সমর্থন পায় এবং ২০২৬ সালের এপ্রিল-মে মাসে বাস্তবায়িত হয়। Kimi K2.6 ছিল প্রথম মডেল যা একটি আলাদা DevShard-এ চালু করা হয় — অর্থাৎ কার্যকরভাবে নতুন পদ্ধতির একটি পরীক্ষামূলক বাস্তবায়ন। যদি অভিজ্ঞতা সফল হয়, তবে তৃতীয়, চতুর্থ এবং পরবর্তী মডেলগুলো চালু করতে কোনো বাধা নেই — প্রতিটি তার নিজস্ব শার্ড, নিজস্ব হোস্ট সেট, নিজস্ব অর্থনীতি এবং নিজস্ব roadmap নিয়ে।

ব্যবহারকারী এবং ডেভেলপারদের জন্য এর মানে হলো:

• একটি API — একাধিক মডেল। JoinGonka Gateway-এর মাধ্যমে endpoint বা কী পরিবর্তন করার প্রয়োজন নেই: অনুরোধের বডিতে শুধু একটি ভিন্ন model উল্লেখ করলেই চলে। OpenAI-সামঞ্জস্যপূর্ণ ফরম্যাটটি পুরোপুরি বজায় থাকে।
• মূল্য একই। বর্তমানে নেটওয়ার্কে Kimi K2.6-এর মূল্য MiniMax M2.7-এর মতোই — Gateway-এর মাধ্যমে ১ মিলিয়ন টোকেনের জন্য $0.0047। ভবিষ্যতে মডেল অনুযায়ী দাম পরিবর্তিত হতে পারে, তবে শুরুতে একক প্রাইসিং রাখাটা ব্যবহারকারীদের মাইগ্রেশন সহজ করার জন্য একটি সচেতন সিদ্ধান্ত।
• স্থিতিশীলতা শার্ডের লোডের ওপর নির্ভর করে। প্রাথমিক পর্যায়ে নতুন মডেলের শার্ডে কম হোস্ট থাকে, তাই অনুরোধের ঘনত্বের কারণে মডেলটি সাময়িকভাবে 429 too many concurrent requests দেখাতে পারে। এটি নতুন মডেলের জন্য একটি স্বাভাবিক পর্যায় — আগ্রহ বাড়ার সাথে সাথে হোস্টরা এর শার্ডে যুক্ত হবে এবং সীমা বৃদ্ধি পাবে।
• Tool calling — উন্নতির পথে। এই নিবন্ধটি লেখার সময়, Gonka নেটওয়ার্কে Kimi K2.6-এর ক্ষেত্রে অটোমেটিক টুল সিলেকশন (tool_choice: "auto")-এর ছোটখাটো সমস্যা দেখা যাচ্ছে। Gonka টিম এর আচরণকে OpenAI স্ট্যান্ডার্ডে আনার জন্য কাজ করছে; প্রোডাকশনে টুল কলিংয়ের জন্য গুরুত্বপূর্ণ সিনারিওতে আপনার অনুরোধগুলোর ওপর মডেলের আচরণ আগেই পরীক্ষা করে নিন।

সবচেয়ে সহজ উপায় হলো JoinGonka API Gateway এর মাধ্যমে। Gateway একটি OpenAI-সামঞ্জস্যপূর্ণ API প্রদান করে, যার মানে হলো: যে কোডটি GPT, Claude বা অন্যান্য মডেলের সাথে কাজ করে, সেটি অনুরোধের বডিতে model ফিল্ডের মান পরিবর্তন করার পরেই Kimi-এর সাথে কাজ করা শুরু করবে।

curl এর মাধ্যমে একটি সংক্ষিপ্ত উদাহরণ:

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": "MoE এবং dense মডেলের পার্থক্য ব্যাখ্যা করো"}
    ]
  }'

Python এ openai লাইব্রেরি ব্যবহার করে একই অনুরোধ:

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": "হ্যালো, Kimi"}],
)
print(response.choices[0].message.content)

স্ট্রিমিং (Server-Sent Events) — ইন্টারঅ্যাক্টিভ ইন্টারফেস এবং চ্যাটের জন্য যেখানে জেনারেট হওয়ার সাথে সাথে উত্তর দেখাতে চান:

stream = client.chat.completions.create(
    model="moonshotai/Kimi-K2.6",
    messages=[{"role": "user", "content": "MoE সম্পর্কে একটি প্রবন্ধ লেখো"}],
    stream=True,
)
for chunk in stream:
    delta = chunk.choices[0].delta.content
    if delta:
        print(delta, end="", flush=True)
Kimi K2.6 এর খরচ — ১ মিলিয়ন টোকেনের জন্য মাত্র $0.0047, যা নেটওয়ার্কের একটি নির্দিষ্ট হার। এটি GPT-5.5 এর তুলনায় প্রায় ৮০০ গুণ সস্তা এবং Claude Sonnet 4.6 এর তুলনায় প্রায় ৫০০ গুণ সস্তা। JoinGonka Gateway তে রেজিস্ট্রেশন করলে আপনি যেকোনো নেটওয়ার্ক মডেল পরীক্ষার জন্য বিনামূল্যে 1.5M টোকেন পাবেন — যা কার্ড ছাড়াই মডেলটি ব্যবহার করে দেখার জন্য বা হাজার হাজার সাধারণ অনুরোধের জন্য যথেষ্ট।
ডেভেলপমেন্ট টুলের সাথে সামঞ্জস্যতা: OpenAI API এর সাথে কাজ করা যেকোনো কিছু Gateway এর মাধ্যমে Kimi এর সাথে কাজ করে। মডেল লেভেলে শুধুমাত্র model প্যারামিটারটি পরিবর্তন করা যথেষ্ট:
Cursor: Custom Model সেটিংস-এ moonshotai/Kimi-K2.6 উল্লেখ করুন
Claude Code: এনভায়রনমেন্ট ভেরিয়েবল ANTHROPIC_MODEL অথবা ফ্ল্যাগ --model
OpenClaw, Cline, Continue.dev: CustomChatModel কনফিগারেশনে মডেলের নাম পরিবর্তন করুন
LangChain, n8n: ক্লায়েন্ট ইনিশিয়ালাইজেশনে model প্যারামিটার
Open WebUI, LibreChat: Gonka-কে কাস্টম প্রোভাইডার হিসেবে যোগ করার পর ড্রপ-ডাউন লিস্টে মডেলটি দেখা যাবে
উপলব্ধ মডেলের তালিকা সবসময় আপনার Gateway ইন্সট্যান্সের GET /v1/models এন্ডপয়েন্টে পাওয়া যায় — সেখান থেকে আপনার অ্যাপ্লিকেশনের UI-তে এটি ডায়নামিকভাবে আনা সুবিধাজনক, যাতে ব্যবহারকারীরা সম্পূর্ণ তালিকা দেখে নিজে থেকে মডেল নির্বাচন করতে পারেন।
প্রকাশের সময় /try পৃষ্ঠার ডেমো চ্যাট নেটওয়ার্কের সক্রিয় মডেলগুলোর একটি ব্যবহার করে — উইজেটে মাল্টি-মডেল সিলেক্টর আমাদের রোডম্যাপে রয়েছে। এখনই Kimi পরীক্ষা করতে Gateway API ব্যবহার করুন: বিনামূল্যে প্রাপ্ত 1.5M টোকেন কার্ড ছাড়াই মডেলটি ট্রাই করার জন্য যথেষ্ট। যদি উত্তরে 429 too many concurrent requests আসে — তবে এটি Gonka নেটওয়ার্কের প্রাথমিক বৃদ্ধির পর্যায়ে নতুন মডেলের জন্য একটি স্বাভাবিক পরিস্থিতি। কয়েক সেকেন্ড পর অনুরোধটি পুনরায় করুন অথবা কম ট্রাফিকের জন্য অপেক্ষা করুন।
Gonka নেটওয়ার্কের পরবর্তী ধাপ: Kimi এর জন্য DevShards এর সাফল্য অন্যান্য মডেলের পথ খুলে দিয়েছে। কমিউনিটি আলোচনায় DeepSeek-V3/R1, Llama 4 এবং কোডিংয়ের জন্য বিশেষ মডেলের নাম উঠে আসছে। প্রতিটি নতুন মডেল মানেই একটি নতুন শার্ড, নতুন হোস্ট, ব্যবহারকারীদের জন্য নতুন সুযোগ এবং GPU প্রোভাইডারদের জন্য নতুন আয়ের উৎস। মাল্টি-মডেল আর্কিটেকচার কৌশলীভাবেও গুরুত্বপূর্ণ: একটি একক মডেলের সাথে যুক্ত নেটওয়ার্ক মৌলিকভাবে ভঙ্গুর (নতুন ভার্সন রিলিজ মানেই মাইগ্রেশন সংকট), আর যে নেটওয়ার্ক একই সাথে একাধিক মডেল ধরে রাখতে পারে, তা মসৃণভাবে এবং অবিরাম বিবর্তিত হয়।
OpenRouter এর মাধ্যমে একই Kimi K2.6 এর খরচ প্রতি 1M টোকেন $0.684/$3.42, যেখানে JoinGonka তে খরচ মাত্র $0.0047 (শতগুণ বেশি ব্যয়বহুল)।