MoonshotAI: Kimi K2.7 Code مقابل Relace: Relace Search
مقارنة جنبًا إلى جنب بين MoonshotAI: Kimi K2.7 Code (2.10 US$ / مليون رمز (≈ 7.87 ر.س.)) وRelace: Relace Search (3.50 US$ / مليون رمز (≈ 13.13 ر.س.)) باستخدام الأسعار الحالية بالدولار والقدرات من كتالوج api14. يعمل كلاهما عبر API نفسها المتوافقة مع OpenAI.
المواصفات
| MoonshotAI: Kimi K2.7 Code | Relace: Relace Search | |
|---|---|---|
| المزوّد | Moonshot AI | Relace |
| الإدخال | 2.10 US$ / مليون رمز (≈ 7.87 ر.س.) | 3.50 US$ / مليون رمز (≈ 13.13 ر.س.) |
| الإخراج | 12.25 US$ / مليون رمز (≈ 45.94 ر.س.) | 10.50 US$ / مليون رمز (≈ 39.38 ر.س.) |
| قراءة ذاكرة التخزين المؤقت | 0.56 US$ / مليون رمز (≈ 2.10 ر.س.) | - |
| نافذة السياق | 262,144 | 256,000 |
| الحد الأقصى للإخراج | 235,929 | 128,000 |
| الإدخال | text, image | text |
| الإخراج | text | text |
| استدعاء الأدوات | ||
| المخرجات المنظّمة | ||
| التحكم في الاستدلال | ||
| تاريخ الإضافة | 12/06/2026 | 08/12/2025 |
أبرز الفروق
- MoonshotAI: Kimi K2.7 Code أرخص بنسبة 40% في رموز الإدخال.
- Relace: Relace Search أرخص بنسبة 14% في رموز الإخراج.
- MoonshotAI: Kimi K2.7 Code وحده يدعم مخرجات JSON منظّمة.
- MoonshotAI: Kimi K2.7 Code وحده يدعم التحكم في جهد الاستدلال.
- يكلّف طلب يتضمن 1000 رمز إدخال و500 رمز إخراج 0.00823 US$ مع MoonshotAI: Kimi K2.7 Code و0.00875 US$ مع Relace: Relace Search.
بالتفصيل
MoonshotAI: Kimi K2.7 Code هو نموذج نصي من Moonshot AI، صدر في 2026-06-12. Relace: Relace Search هو نموذج نصي من Relace، صدر في 2025-12-08. يتم تقديم كليهما عبر api14 ضمن فئة النصوص، لذا لا يمثل أي منهما نقطة نهاية ذات غرض خاص يجب الوصول إليها عبر SDK منفصل. الشيء الرئيسي الذي يجب ملاحظته منذ البداية هو أنهما بُنيا بواسطة فرق مختلفة ذات أولويات مختلفة، وهذا يظهر في قوائم المعاملات والأنماط التي يقبلها كل منهما.
الانقسام الأوضح يكمن في ما يقبله كل نموذج كمدخلات. يقبل Kimi K2.7 Code مدخلات نصية وصورية ويعيد نصا، لذا يمكنك إرسال لقطات شاشة أو مخططات أو صفحات ممسوحة ضوئيا إلى جانب الطلب. أما Relace Search فيقبل النصوص فقط. فيما يخص السياق، النموذجان متقاربان بما يكفي بحيث لا يستحق الفرق التخطيط حوله: يسرد Kimi K2.7 Code 262144 رمزا ويسرد Relace Search 256000، والمقارنة النوعية تعتبر نافذتي السياق غير مختلفتين بشكل ذي معنى. أما حيث يختلفان حقا فهو في المعاملات المدعومة. يكشف Kimi K2.7 Code عن reasoning و include_reasoning و structured_outputs و logprobs و top_logprobs و logit_bias و min_p و repetition_penalty و frequency_penalty و presence_penalty و parallel_tool_calls و top_k و seed و stop و temperature و top_p و max_tokens و response_format و tool_choice و tools. يدعم Relace Search مجموعة أقصر بكثير: max_tokens و response_format و seed و stop و temperature و tool_choice و tools و top_p. لذا فإن المخرجات المنظمة والاستدلال متاحان فقط على Kimi K2.7 Code، بينما استدعاء الأدوات متاح على كليهما.
لاختيار المهمة، قائمة المعاملات هي الدليل العملي. إذا كنت بحاجة إلى أن يصدر النموذج كائنا متوافقا مع مخطط، أو أردت فحص آثار الاستدلال، أو أردت تحييز أو أخذ عينات من توزيع المخرجات بطرق دقيقة، فإن Kimi K2.7 Code هو القادر على ذلك. إذا كان عبء عملك نصا بسيطا دخلا ونصا بسيطا خرجًا، مع استدعاءات أدوات وتنسيق استجابة، فإن Relace Search يغطي ذلك بعدد أقل من المقابض للتفكير فيها. إدخال الرؤية عامل حاسم آخر: فقط Kimi K2.7 Code يقبل الصور، لذا فإن أي شيء يتضمن لقطة شاشة أو مخططا يجب أن يذهب إليه. فيما يخص السعر، Kimi K2.7 Code هو الجانب الأرخص للمدخلات، بينما Relace Search هو الجانب الأرخص للمخرجات، لذا تعتمد صورة التكلفة على نسبة المدخلات إلى المخرجات لديك وليس على كون أحد النموذجين أرخص بشكل موحد. تحقق من جدول الأسعار المباشر في هذه الصفحة للحصول على الأرقام الحالية.
استدعاء أي من النموذجين عبر api14 يعمل بالطريقة نفسها، لأن API متوافق مع OpenAI. توجه عميلك إلى عنوان URL الأساسي لـ api14، وأرسل طلب إكمال محادثة مع رسائلك، واضبط حقل model. التغيير الوحيد بين الاثنين هو تلك السلسلة: استخدم "moonshotai/kimi-k2.7-code" لـ Kimi K2.7 Code و "relace/relace-search" لـ Relace Search. كل شيء آخر في جسم الطلب يبقى في مكانه. إذا كنت ترسل بالفعل tools أو temperature أو max_tokens أو response_format، فإن تلك الحقول تنتقل إلى كليهما. إذا كنت ترسل reasoning أو structured_outputs أو logprobs أو محتوى صور، فإن تلك تنتمي إلى Kimi K2.7 Code ولن يقبلها Relace Search، لذا احتفظ بشكل طلب منفصل لكل نموذج بدلا من افتراض أن حمولة واحدة تناسب كليهما.
لا تزال هناك حالات يكون فيها Relace Search هو الخيار الأفضل رغم أن Kimi K2.7 Code يمتلك مجموعة الميزات الأوسع. إذا كانت مهمتك نصية فقط، وتحتاج إلى استدعاء أدوات، وتنتج الكثير من المخرجات نسبة إلى مدخلاتها، فإن جانب المخرجات الأرخص يهم أكثر من المعاملات الإضافية التي لن تستخدمها. وينطبق الشيء نفسه على مهام الاستخراج أو التنسيق البسيطة حيث يكفي تنسيق استجابة وإعداد temperature. في تلك الحالات، قائمة المعاملات الأقصر ليست قيدا، بل هي مجرد مساحة سطح أقل للتكوين، وتتجنب الدفع مقابل قدرات لا تلمسها المهمة أبدا.
بدّل بتغيير سلسلة واحدة
يستخدم النموذجان نقطة النهاية نفسها وبنية الطلب نفسها. غيّر قيمة model من "moonshotai/kimi-k2.7-code" إلى "relace/relace-search"، وتستمر الموجّهات والبث والأدوات في العمل.
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api14.com/api/v1",
apiKey: process.env.API14_API_KEY,
});
const result = await client.chat.completions.create({
"model": "relace/relace-search",
"messages": [
{
"role": "user",
"content": "Explain vector databases in two sentences."
}
]
});
console.log(result.choices[0].message.content);
مقارنات أخرى
- LiquidAI: LFM3-1.7B مقابل Ricursive: Ripple 65B Preview
- LiquidAI: LFM3-1.7B مقابل Crouton Alpha
- LiquidAI: LFM3-1.7B مقابل Tencent: Hy4
- LiquidAI: LFM3-1.7B مقابل Z.ai: GLM 5.3 FlashX Legal
- Ricursive: Ripple 65B Preview مقابل Crouton Alpha
- Ricursive: Ripple 65B Preview مقابل Tencent: Hy4
- Ricursive: Ripple 65B Preview مقابل Z.ai: GLM 5.3 FlashX Legal
- Crouton Alpha مقابل Tencent: Hy4