
Kimi API, Moonshot AI'ın açık ağırlıklı K2 serisidir; doğal olarak multimodal K2.5'ten kodlamaya özel K2.7 Code'a kadar uzanır. Görüntü yetenekleri modelin içine yerleşik olduğundan ekran görüntülerini, UI mockup'larını ve kısa videoları çalışan frontend koduna dönüştürebilir, 100 adede kadar paralel alt aracıyı koordine edebilir ve 256K token bağlamı boyunca akıl yürütebilirsiniz. Atlas Cloud, tüm aileyi tek bir birleşik endpoint üzerinden, şeffaf kullandıkça öde fiyatlandırmasıyla sunar. Bugün geliştirmeye başlayın.
Atlas Cloud size sektörün en yeni ve önde gelen yaratıcı modellerini sunar.
Her Kimi endpoint’inin odağını ve standart milyon token başına fiyatlandırmasını tek bakışta karşılaştırın.
| Modalite | Açıklama |
|---|---|
| Kimi K2.7 Code API (Text to Text) | Mühendislik çalışmaları için özel olarak tasarlanan bu endpoint, doğal dil istemlerini ve mevcut kaynak dosyalarını çalışan koda, düzeltmelere ve geliştirici otomasyonlarına dönüştürür. Güvenilir kod üretiminin öncelik olduğu programlama, hata ayıklama ve AI geliştirici iş akışlarını hedefler; standart olarak milyon input token başına $0.95 ve milyon output token başına $4 olarak ücretlendirilir. |
| Kimi K2.6 API (Text to Text) | Metin istemleri verin; Kimi K2.6 günlük üretkenlik görevlerinde gerekçelendirilmiş yanıtlar, kod ve yapılandırılmış çıktı döndürür. Hem akıl yürütme hem de kodlama için geliştirilmiş olan bu model, analiz, taslak oluşturma ve yazılım geliştirme için tek bir genel amaçlı model isteyen ekipler için uygundur; yinelenen bağlamlarda cached input fiyatı milyon token başına $0.16’dır. |
| Kimi K2.5 API (Text to Text) | Bir iş uzun belgeleri veya çok adımlı işlem hatlarını kapsadığında, Kimi K2.5 genişletilmiş metin girdilerini alır ve tutarlı, bağlama duyarlı yanıtlar döndürür. Uzun bağlamı anlama ve akıllı iş akışları için geliştirilen model, milyon input token başına $0.60 ve milyon output token başına $3 ile şeffaf kullandıkça öde fiyatlandırmasıyla çalışır; büyük ölçekli analizi maliyet açısından verimli tutar. |
Kimi API, Moonshot AI'ın trilyon parametreli K2 modellerini tek bir endpoint’e getirir; 262,144-token bağlam penceresini yerel görüntü ve video girdisi, kendi kendini yöneten ajan sürüleri ve kodlama, hata ayıklama ile uzun vadeli akıl yürütme için ayarlanmış özel modellerle birleştirir.

K2.6; metin, görüntü ve videoyu tek bir yerel multimodal mimari içinde işler, PNG ve WebP’den MP4, MOV ve WebM’ye kadar formatları harici eklenti gerektirmeden kabul eder. MoonViT görüntü kodlayıcısı ekran kayıtlarını, tasarım dosyalarını ve diyagramları doğrudan okur. Önceki K2.5 metin ve görüntüleri işlerken, K2.6 aynı yığını tam video anlamaya genişletir; böylece görsel bağlam sıradan bir başka girdi hâline gelir.

Kimi API, yaklaşık 4,000 koordineli adım boyunca çalışan 300 alt ajana kadar ölçeklenebilen kendi kendini yöneten bir ajan sürüsü sunar. K2.6, tek bir iş parçacığında akıl yürütmek yerine büyük bir hedefi paralel dallara ayırır ve tamamlanana kadar bunları orkestre eder. Her alt ajan görevin kendi payına düşen kısmını taşır, ardından ortak plana geri raporlar. Bu tasarım, bir projenin birbirine bağlı çok sayıda aşamaya yayıldığı uzun vadeli otomasyon için uygundur.

Ailenin merkezinde kodlama yer alır; Kimi K2.7 Code programlama, hata ayıklama ve geliştirici ajan iş akışları için özel olarak tasarlanmıştır. SWE-Bench Pro kodlama benchmark’ında K2.6, gerçek repository düzeltmelerinde birkaç frontier modelini geride bırakarak 58.6’ya ulaşır. Modellerden herhangi birini başarısız bir test suite’e yönelttiğinizde hatayı izler, bir patch önerir ve build yeşile dönene kadar yineleme yapar.

Şeffaf akıl yürütmeye mi ihtiyacınız var? Yapılandırılabilir düşünme modunu etkinleştirin; model, yerel tool ve function calling ile birlikte, bir yanıta karar vermeden önce adım adım akıl yürütme zincirini ortaya koyar. Atlas Cloud’da tüm Kimi API, OpenAI uyumlu tek bir anahtarın arkasında çalışır; çağrı başına kullandıkça öde fiyatlandırma ve her yeni sürüme Day-0 erişim sunar. Base URL’nizi değiştirin, mevcut kodunuz çalışmaya devam etsin.
Kimi API’ye ve iki rakip modele aynı kısa yönergeyi gönderin, ardından her birinin tamamen aynı talimatlarla oluşturduğu etkileşimli HTML sayfasını karşılaştırın.
Oynanabilir bir Snake arcade oyunu için eksiksiz, tek dosyalık bir HTML sayfası oluştur; tüm CSS ve JavaScript satır içinde olsun ve harici bağımlılık, CDN, görsel ya da font kullanılmasın. Oyun tahtasını modern, koyu zemin üzerinde neon renk şemasıyla bir canvas üzerinde çiz; akıcı hareket ve yılanın arkasında yumuşak parlayan bir iz efekti olsun. Ok tuşları ve WASD kontrollerinin yanı sıra dokunmatik cihazlarda kaydırma hareketlerini destekle; canlı skoru ve kalıcı yüksek skoru göster; skor arttıkça oyunu kademeli olarak hızlandır. Yem yenildiğinde küçük bir parçacık patlaması tetikle, yeniden başlatma düğmesi olan animasyonlu bir oyun bitti katmanı göster ve düzeni responsive tutarak tahtanın hem masaüstünde hem mobilde ortalanmış ve okunaklı kalmasını sağla.
Generated with Kimi K2.7 Code on Atlas Cloud
Generated with GPT 5.5 on Atlas Cloud
Generated with Kimi K2.6 on Atlas Cloud
Tek, tamamen kendi kendine yeten bir HTML dosyası oluştur (tüm CSS ve JavaScript satır içinde, kesinlikle harici bağımlılık, CDN, görsel veya web fontu yok). Bu dosya etkileşimli bir "yaşayan dijital teraryum" oluştursun: ekranın merkezinde duran, içinde gerçek zamanlı büyüyen, kendi kendini sürdüren minyatür bir yağmur ormanı bulunan kapalı bir cam kavanoz. Herhangi bir modern tarayıcıda açıldığında derleme adımı olmadan hemen 60fps çalışmalıdır. Ana sahne ve düzen: Kompozisyonu simetrik biçimde ortala; cam kavanozu, derin ve vignette uygulanmış koyu bir arka plan üzerinde baş sahne olarak ele al (yumuşak yosun ışıklı merkezden neredeyse siyah kenarlara solan radial gradient), böylece tüm odak kavanoza yönelsin. Her şeyi, gerçek glassmorphism DOM/CSS arayüz katmanının altında tam pencere HTML5 Canvas üzerinde çiz: kavanoz duvarı gerçek cam nitelikleri göstermeli — kavisli kırılma vurguları, parlak speküler rim-light şeridi, hafif buzlu blur ve minik lens etkileri olan dağınık yoğuşma damlacıkları — bunlar katmanlı radial/linear gradient’ler, backdrop-filter blur, yarı saydam beyaz çizgiler ve yumuşak box-shadow’larla elde edilmeli. Kavanozun içinde altta koyu, nemli humus ve yavaşça süzülen hafif hacimsel bir sis bulunsun. Üst üste durması ve birlikte var olması gereken üç teknik katman (zayıf ve güçlü modelleri ayıran yer burasıdır — zayıf model statik bir resim üretir, güçlü model tüm kavanozu canlı kılar): 1. Recursive L-system growth: sarmaşıklar, eğrelti yaprakları ve yosunlar bir L-system / recursive branching algoritmasıyla üretilir ve zaman içinde açılarak büyümeleri animasyonlanır — gövdeler uzar, dallar alt dallara ayrılır, yaprakçıklar kıvrımlarını açar, yapraklar easing ile ölçeklenerek belirir. Büyüme organik ve dal başına hafif rastlantısal olmalıdır (açı jitter’ı, kalınlık incelmesi, uzunluk azalması), böylece yeniden yüklendiğinde hiçbir iki bitki aynı görünmez. 2. Particle system: kehribar renkli ateş böceği benzeri ışık zerrecikleri (düzinelerce) yumuşak additive glow ve hafif parallax ile sisin içinde sürüklenip salınır; ayrıca yükselen yoğuşma/polen tanecikleri bulunur. Parçacıklar yeni büyüyen bitkilere incelikle tepki verir. 3. Day–night lighting cycle: sürekli bir ortam ışığı döngüsü, üstten gelen ana ışığı soğuk beyaz şafak → sıcak altın gün batımı → derin indigo gece ve tekrar geri olacak şekilde dolaştırır; tüm sahneyi, cam vurgularını, sisi ve bitki tonlarını buna göre yeniden renklendirir. Bitkiler fototropizm sergiler — gövdeler, ışık yönü hareket ettikçe uçlarını mevcut ışık yönüne doğru eğer ve yöneltir. Birincil etkileşim: Kavanoz duvarının/içinin herhangi bir yerine tıklamak, tıklanan x konumunda humusa tek bir tohum düşürür ve bu tohum sırasıyla tam, görünür bir yaşam döngüsü oynatır — tohum düşer ve yerleşir, filizlenir, filiz L-system ile recursive biçimde dallanır, sonra olgunlukta küçük parlayan bir çiçek açar — her aşama easing’li ve net okunur olmalı; inişte yumuşak bir dalga/toz pufu efekti bulunmalı. Birden fazla tıklama, birlikte var olan ve büyümeyi sürdüren birden fazla bitki oluşturur; teraryum zamanla daha yoğun bir çalılığa dönüşür. Glassmorphic pill düğmeler içinde birkaç ince satır içi kontrol ekle (ör. "Teraryumu sıfırla" ve kullanıcının günün saatini ileri geri gezdirebildiği bir "Gündüz/Gece: otomatik ⇄ sürükle" anahtarı, ayrıca isteğe bağlı duraklatma). İlk etkileşimden sonra kaybolan hafif bir ipucu satırı ekle ("tohum dikmek için cama dokun"). Palet ve atmosfer: orman mürekkebi yeşili ve yosunumsu sarı-yeşil yapraklar; ışık zerrecikleri ve çiçekler için kehribar/bal parıltısı; kavanozda serin camgöbeği-cam tonları; gündüz-gece geçişi boyunca sıcak altın ve soğuk indigo yıkamaları. Genel his sessiz, nefes alan, meditatif olmalı — yavaş ve nazik hareket, sert geçişler yok. Teknik gereksinimler: Animasyonun kare hızından bağımsız olması için delta-time ile requestAnimationFrame kullan; canvas’ı pencere yeniden boyutlandırmasına duyarlı hale getir, doğru devicePixelRatio ölçeklemesi yap ve kavanozu ortada tut; akıcı kalması için parçacık/dal sayılarını makul biçimde sınırla; büyümenin doğal görünmesi için tüm rastlantısallığı bitki bazında seeded tut. Geometri, parıltı, cam, sis, aydınlatma, parçacıklar ve recursive bitkiler dahil her şey kodla çizilmeli veya hesaplanmalı; harici asset kesinlikle kullanılmamalı. Yalnızca tek bir .html dosyası olarak kaydedilip açılmaya hazır eksiksiz HTML belgesini teslim et.
Generated with Kimi K2.7 Code on Atlas Cloud
Generated with GPT 5.5 on Atlas Cloud
Generated with Kimi K2.6 on Atlas Cloud
İster devasa depolarda kod geliştiriyor, ister tasarımları arayüzlere dönüştürüyor, ister agent sürülerini orkestre ediyor olun; Kimi API, uzun bağlamlı akıl yürütmeyi ve yerel araç kullanımını gerçek üretim iş yüklerine taşır.
Kimi K2.7 Code, 262K-token penceresi içinde tüm depoları okuyarak kod tabanlarını tek geçişte refactor eder, hata ayıklar ve genişletir. Ekipler, proje bağlamını kaybetmeden eski sistemleri modernize etmek ve çok dosyalı özellikleri yayına almak için ona güvenir.
Kimi K2.5’e bir ekran görüntüsü, mockup veya kısa demo videosu verin; görsel girdiden çalışan front-end kodu döndürsün. Tasarımcılar ve ürün ekipleri, statik fikirleri dakikalar içinde etkileşimli sayfalara ve prototiplere dönüştürür.
Raporlar veya sözleşmeler yüzlerce sayfayı bulduğunda, Kimi modelleri bunları 256K-token bağlam içinde işleyerek eğilimleri ve çelişkileri ortaya çıkarır. Analistler, her sayfayı elle okumak yerine alıntılarla desteklenen yapılandırılmış yanıtlar çıkarır.
Agent sürüleri, Kimi K2.5’in tek bir hedefi 100’e kadar paralel alt agent’a bölmesini sağlayarak yürütme süresini 4.5x’e kadar azaltır. Ekipler, tek bir modelin bitiremeyeceği toplu analizleri ve uzun kapsamlı geliştirme işlerini otomatikleştirir.
Agentic araç kullanımı için eğitilen Kimi modelleri, adım adım yönlendirme olmadan görevleri tamamlamak için harici fonksiyonları, APIs ve aramayı çağırır. Geliştiriciler; kullanıcı adına gerçek sistemlerde rezervasyon yapan, sorgulayan ve işlem gerçekleştiren asistanlar oluşturur.
Kimi API, OpenAI uyumlu olduğu için trafiği Moonshot modellerine yönlendirmek adına base URL’yi ve tek bir anahtarı değiştirmeniz yeterlidir. Startuplar, uygulama mantığını yeniden yazmadan Kimi’yi benimser ve şeffaf çağrı başına fiyatlandırma öder.
Kimi API’yi Atlas Cloud’daki diğer amiral gemisi dil modeli API’leriyle karşılaştırın; bağlam uzunluğu, girdi esnekliği ve token başına fiyat açısından nerede öne çıktığını görün.
| Model | Bağlam Penceresi | Girdi Türleri | Girdi Fiyatı ($/1M tokens) | Çıktı Fiyatı ($/1M tokens) |
|---|---|---|---|---|
| Kimi K2.7 Code | 256K tokens | Metin, Görsel | $0.95 | $4.00 |
| Kimi K2.6 | 256K tokens | Metin, Görsel, Video | $0.95 | $4.00 |
| Kimi K2.5 | 256K tokens | Metin, Görsel, Video | $0.60 | $3.00 |
| DeepSeek V4 Pro | 1M tokens | Metin | $1.74 | $3.45 |
| GLM 5.2 | 1M tokens | Metin | $1.40 | $4.40 |
| Grok 4.5 | 500K tokens | Metin | $2.00 | $6.00 |
| Doubao Seed 2.1 Pro | 256K tokens | Metin | $0.90 | $4.50 |
Dakikalar içinde başlayın — Atlas Cloud platformu üzerinden modelleri entegre etmek ve dağıtmak için şu basit adımları izleyin.
atlascloud.ai adresinde kaydolun ve doğrulamayı tamamlayın. Yeni kullanıcılar platformu keşfetmek ve modelleri test etmek için ücretsiz kredi alır.
Kimi'in gelişmiş modellerinin Atlas Cloud'un GPU hızlandırmalı platformuyla birleşimi, benzersiz performans, ölçeklenebilirlik ve geliştirici deneyimi sunar.
Düşük Gecikme:
Gerçek zamanlı akıl yürütme için GPU optimize çıkarım.
Birleşik API:
Kimi, GPT, Gemini ve DeepSeek'i tek entegrasyonla çalıştırın.
Şeffaf Fiyatlandırma:
Sunucusuz seçeneklerle öngörülebilir token tabanlı faturalandırma.
Geliştirici Deneyimi:
SDK'lar, analitik, ince ayar araçları ve şablonlar.
Güvenilirlik:
%99,99 kullanılabilirlik, RBAC ve uyumluluk için hazır günlükleme.
Güvenlik ve Uyumluluk:
SOC 2 Type II, HIPAA uyumluluğu, ABD'de veri egemenliği.
Kimi API, geliştiricilere Moonshot AI'ın Kimi büyük dil modeli ailesine akıl yürütme, kodlama ve uzun bağlam anlama gibi kullanım senaryoları için programatik erişim sağlar. Atlas Cloud üzerinde buna OpenAI uyumlu tek bir endpoint üzerinden ulaşırsınız; böylece tek bir anahtar, kullanım başına ve çağrı bazlı fiyatlandırmayla tüm Kimi sürümlerini kapsar.
Atlas Cloud, uzun bağlam ve agentic iş akışları için Kimi K2.5, Moonshot'ın en akıllı genel modeli olarak Kimi K2.6 ve programlama ile hata ayıklama için Kimi K2.7 Code dahil olmak üzere çeşitli sürümleri barındırır. Aynı istek formatını paylaştıkları için aralarında geçiş yapmak yalnızca tek bir model stringini değiştirmek anlamına gelir.
Bu modeller karmaşık kodlama, çok dosyalı repository analizi, yoğun doküman içeren akıl yürütme ve agentic tool calling konularında öne çıkar. Ekipler, tüm bir codebase’i yeniden düzenlemek veya uzun raporları denetlemek gibi hem büyük bir çalışma belleği hem de güçlü adım adım mantık gerektiren işlerde Kimi’yi tercih eder.
Faturalandırma kullandıkça öde modelindedir; abonelik veya minimum kullanım zorunluluğu yoktur. Kimi K2.5, milyon input token başına $0.60 ve milyon output token başına $3.00 olarak fiyatlandırılırken Kimi K2.6 ve Kimi K2.7 Code, milyon input token başına $0.95 ve milyon output token başına $4.00 ücretlendirilir. Context caching, tekrarlanan veya paylaşılan promptların maliyetini düşürür.
Atlas Cloud, Kimi’yi OpenAI uyumlu bir API üzerinden sunduğu için mevcut OpenAI SDK’nızı Atlas endpointine yönlendirip bir Kimi model adı kullanabilirsiniz. Uygulama mantığınızı yeniden yazmanız gerekmez; bu da onu chat, kodlama ve agent pipeline’ları için gerçekten drop-in bir seçenek haline getirir.
Kimi K2.5, K2.6 ve K2.7 Code modellerinin her biri 262,144 tokenlık, yani yaklaşık 256K tokenlık bir bağlam penceresini destekler. Bu kapasite sayesinde tüm codebase’leri, uzun teknik kılavuzları veya yüzlerce sayfalık raporları manuel parçalara bölmeden tek bir isteğe verebilirsiniz.
Güncel Kimi sürümleri yalnızca metin odaklı değildir; doğal olarak multimodal çalışır. Kimi K2.6 metin, görsel ve video girdilerini kabul eder; Kimi K2.5 ise birleşik görsel ve metin tokenları üzerinde akıl yürütür. Böylece ekran görüntülerini, tasarım dosyalarını veya kayıtları gönderip modelin bunları promptunuzla birlikte yorumlamasını sağlayabilirsiniz.
Geliştiriciler onu çoğunlukla maliyet ve bağlam kapasitesi için tercih eder. Topluluk raporları, benzer kodlama kalitesinde önde gelen kapalı kaynak modellere kıyasla ciddi tasarruf sağladığını gösteriyor; 256K bağlam penceresi ise daha kısa bağlamlı modellerin üstesinden gelemediği tüm repository ve tam doküman görevlerini mümkün kılıyor. Bugün geliştirmeye başlayın.
Atlas Cloud'dan en iyi şekilde yararlanmanız için kılavuzlar, eğitimler ve ürün güncellemeleri.