MoonshotAI: Kimi K2.7 Code kontra Relace: Relace Search
Porównanie MoonshotAI: Kimi K2.7 Code (2,10 USD / 1M tokenów (≈ 8,23 zł)) i Relace: Relace Search (3,50 USD / 1M tokenów (≈ 13,71 zł)) obok siebie na podstawie aktualnych cen w USD i możliwości z katalogu api14. Oba działają przez to samo API zgodne z OpenAI.
Specyfikacja
| MoonshotAI: Kimi K2.7 Code | Relace: Relace Search | |
|---|---|---|
| Dostawca | Moonshot AI | Relace |
| Wejście | 2,10 USD / 1M tokenów (≈ 8,23 zł) | 3,50 USD / 1M tokenów (≈ 13,71 zł) |
| Wyjście | 12,25 USD / 1M tokenów (≈ 47,99 zł) | 10,50 USD / 1M tokenów (≈ 41,14 zł) |
| Odczyt z cache | 0,56 USD / 1M tokenów (≈ 2,19 zł) | - |
| Okno kontekstu | 262 144 | 256 000 |
| Maks. wyjście | 235 929 | 128 000 |
| Wejście | text, image | text |
| Wyjście | text | text |
| Wywołania narzędzi | ||
| Ustrukturyzowane wyjście | ||
| Sterowanie rozumowaniem | ||
| Dodano | 12 cze 2026 | 8 gru 2025 |
Najważniejsze różnice
- MoonshotAI: Kimi K2.7 Code jest o 40% tańszy na tokenach wejściowych.
- Relace: Relace Search jest o 14% tańszy na tokenach wyjściowych.
- Tylko MoonshotAI: Kimi K2.7 Code obsługuje ustrukturyzowane wyjście JSON.
- Tylko MoonshotAI: Kimi K2.7 Code obsługuje sterowanie intensywnością rozumowania.
- Żądanie z 1000 tokenów wejściowych i 500 wyjściowych kosztuje 0,00823 USD z MoonshotAI: Kimi K2.7 Code i 0,00875 USD z Relace: Relace Search.
Szczegółowo
MoonshotAI: Kimi K2.7 Code to model tekstowy od Moonshot AI, wydany 2026-06-12. Relace: Relace Search to model tekstowy od Relace, wydany 2025-12-08. Oba są udostępniane przez api14 w kategorii tekstowej, więc żaden z nich nie jest endpointem specjalnego przeznaczenia, do którego trzeba sięgać przez osobne SDK. Najważniejsze na wstępie jest to, że zostały zbudowane przez różne zespoły o różnych priorytetach, co widać w listach parametrów i modalnościach, które każdy z nich akceptuje.
Najwyraźniejszy podział dotyczy tego, co każdy model przyjmuje jako dane wejściowe. Kimi K2.7 Code akceptuje tekst i obraz jako dane wejściowe i zwraca tekst, więc można wysyłać zrzuty ekranu, diagramy lub zeskanowane strony razem z promptem. Relace Search akceptuje wyłącznie tekst. Jeśli chodzi o kontekst, oba są wystarczająco blisko, że różnica nie jest warta planowania wokół niej: Kimi K2.7 Code podaje 262144 tokeny, a Relace Search podaje 256000, a porównanie jakościowe traktuje okna kontekstu jako nieznacząco różne. Tam, gdzie naprawdę się rozchodzą, są obsługiwane parametry. Kimi K2.7 Code udostępnia reasoning i include_reasoning, structured_outputs, logprobs i top_logprobs, logit_bias, min_p, repetition_penalty, frequency_penalty, presence_penalty, parallel_tool_calls, top_k, seed, stop, temperature, top_p, max_tokens, response_format, tool_choice i tools. Relace Search obsługuje znacznie krótszy zestaw: max_tokens, response_format, seed, stop, temperature, tool_choice, tools i top_p. Zatem strukturalne wyjścia i reasoning są dostępne tylko w Kimi K2.7 Code, podczas gdy wywoływanie narzędzi jest dostępne w obu.
Przy wyborze zadania lista parametrów jest praktycznym przewodnikiem. Jeśli potrzebujesz, aby model emitował obiekt zgodny ze schematem, albo chcesz sprawdzić ślady rozumowania, albo chcesz w drobnoziarnisty sposób wpływać na rozkład wyjściowy lub go próbkować, Kimi K2.7 Code jest tym, który to potrafi. Jeśli twoje obciążenie to zwykły tekst na wejściu i zwykły tekst na wyjściu, z wywołaniami narzędzi i formatem odpowiedzi, Relace Search pokrywa to mniejszą liczbą pokręteł do przemyślenia. Wejście wizyjne to kolejny czynnik decydujący: tylko Kimi K2.7 Code przyjmuje obrazy, więc wszystko, co wiąże się ze zrzutem ekranu lub diagramem, musi trafić tam. Jeśli chodzi o cenę, Kimi K2.7 Code jest tańszy po stronie wejścia, a Relace Search jest tańszy po stronie wyjścia, więc obraz kosztów zależy od stosunku wejścia do wyjścia, a nie od tego, że jeden model jest jednolicie tańszy. Sprawdź bieżącą tabelę cen na tej stronie, aby poznać aktualne liczby.
Wywoływanie któregokolwiek z modeli przez api14 działa tak samo, ponieważ API jest zgodne z OpenAI. Kierujesz klienta na bazowy URL api14, wysyłasz żądanie ukończenia czatu ze swoimi wiadomościami i ustawiasz pole model. Jedyna zmiana między nimi to ten ciąg: użyj "moonshotai/kimi-k2.7-code" dla Kimi K2.7 Code i "relace/relace-search" dla Relace Search. Wszystko inne w treści żądania pozostaje na swoim miejscu. Jeśli już wysyłasz tools, temperature, max_tokens lub format odpowiedzi, te pola przenoszą się do obu. Jeśli wysyłasz reasoning, structured_outputs, logprobs lub treść obrazu, należą one do Kimi K2.7 Code i Relace Search ich nie zaakceptuje, więc trzymaj osobny kształt żądania dla każdego modelu, zamiast zakładać, że jedna treść pasuje do obu.
Zmień jednym ciągiem znaków
Oba modele używają tego samego endpointu i tej samej struktury żądania. Zmień wartość model z "moonshotai/kimi-k2.7-code" na "relace/relace-search", prompty, streaming i narzędzia działają dalej.
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);
Więcej porównań
- LiquidAI: LFM3-1.7B kontra Ricursive: Ripple 65B Preview
- LiquidAI: LFM3-1.7B kontra Crouton Alpha
- LiquidAI: LFM3-1.7B kontra Tencent: Hy4
- LiquidAI: LFM3-1.7B kontra Z.ai: GLM 5.3 FlashX Legal
- Ricursive: Ripple 65B Preview kontra Crouton Alpha
- Ricursive: Ripple 65B Preview kontra Tencent: Hy4
- Ricursive: Ripple 65B Preview kontra Z.ai: GLM 5.3 FlashX Legal
- Crouton Alpha kontra Tencent: Hy4