MoonshotAI: Kimi K2.7 Code karşı Relace: Relace Search
MoonshotAI: Kimi K2.7 Code ($2,10 / 1M token (≈ ₺105,16)) ve Relace: Relace Search ($3,50 / 1M token (≈ ₺175,27)) modellerinin api14 kataloğundaki güncel USD fiyatları ve yetenekleriyle yan yana karşılaştırması. İkisi de aynı OpenAI uyumlu API üzerinden çalışır.
Teknik özellikler
| MoonshotAI: Kimi K2.7 Code | Relace: Relace Search | |
|---|---|---|
| Sağlayıcı | Moonshot AI | Relace |
| Girdi | $2,10 / 1M token (≈ ₺105,16) | $3,50 / 1M token (≈ ₺175,27) |
| Çıktı | $12,25 / 1M token (≈ ₺613,43) | $10,50 / 1M token (≈ ₺525,80) |
| Önbellek okuma | $0,56 / 1M token (≈ ₺28,04) | - |
| Bağlam penceresi | 262.144 | 256.000 |
| Maks. çıktı | 235.929 | 128.000 |
| Girdi | text, image | text |
| Çıktı | text | text |
| Araç çağırma | ||
| Yapılandırılmış çıktı | ||
| Akıl yürütme kontrolü | ||
| Eklenme | 12 Haz 2026 | 8 Ara 2025 |
Temel farklar
- MoonshotAI: Kimi K2.7 Code girdi tokenlarında 40% daha ucuz.
- Relace: Relace Search çıktı tokenlarında 14% daha ucuz.
- yapılandırılmış JSON çıktısı özelliğini yalnızca MoonshotAI: Kimi K2.7 Code destekler.
- akıl yürütme düzeyi kontrolü özelliğini yalnızca MoonshotAI: Kimi K2.7 Code destekler.
- 1.000 girdi ve 500 çıktı tokenlı bir istek MoonshotAI: Kimi K2.7 Code ile $0,00823, Relace: Relace Search ile $0,00875 tutar.
Ayrıntılı bakış
MoonshotAI: Kimi K2.7 Code, Moonshot AI tarafından 2026-06-12 tarihinde yayımlanan bir metin modelidir. Relace: Relace Search, Relace tarafından 2025-12-08 tarihinde yayımlanan bir metin modelidir. Her ikisi de api14 üzerinden metin kategorisi altında sunulur, yani ikisi de ayrı bir SDK ile erişmeniz gereken özel amaçlı bir uç nokta değildir. Baştan belirtilmesi gereken en önemli şey, farklı ekipler tarafından farklı önceliklerle geliştirilmiş olmalarıdır ve bu durum parametre listelerinde ve her birinin kabul ettiği kiplerde kendini gösterir.
En net ayrım, her modelin girdi olarak neyi kabul ettiğindedir. Kimi K2.7 Code metin ve görsel girdi kabul eder ve metin döndürür, böylece bir istemle birlikte ekran görüntüleri, diyagramlar veya taranmış sayfalar gönderebilirsiniz. Relace Search yalnızca metin kabul eder. Bağlam konusunda ikisi birbirine yeterince yakındır, bu yüzden fark etrafında plan yapmaya değmez: Kimi K2.7 Code 262144 token listeler ve Relace Search 256000 listeler, niteliksel karşılaştırma ise bağlam pencerelerini anlamlı biçimde farklı saymaz. Gerçekten ayrıştıkları nokta desteklenen parametrelerdir. Kimi K2.7 Code reasoning ve include_reasoning, structured_outputs, logprobs ve 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 ve tools sunar. Relace Search çok daha kısa bir küme destekler: max_tokens, response_format, seed, stop, temperature, tool_choice, tools ve top_p. Yani yapılandırılmış çıktılar ve reasoning yalnızca Kimi K2.7 Code üzerinde mevcuttur, araç çağırma ise her ikisinde de kullanılabilir.
Görev seçimi için parametre listesi pratik rehberdir. Modelin bir şemaya uygun nesne üretmesini istiyorsanız, reasoning izlerini incelemek istiyorsanız veya çıktı dağılımını ince taneli biçimlerde yanlı veya örneklemeli hale getirmek istiyorsanız, bunu yapabilen Kimi K2.7 Code'dur. İş yükünüz düz metin girişi ve düz metin çıkışından oluşuyorsa, araç çağrıları ve bir yanıt biçimiyle birlikte, Relace Search bunu üzerinde düşünülecek daha az ayarla karşılar. Görsel girdi bir diğer belirleyici faktördür: yalnızca Kimi K2.7 Code görselleri kabul eder, bu yüzden ekran görüntüsü veya diyagram içeren her şey oraya gitmelidir. Fiyat konusunda, Kimi K2.7 Code girdi için daha ucuz taraftır, Relace Search ise çıktı için daha ucuz taraftır, yani maliyet tablosu tek bir modelin her bakımdan daha ucuz olmasına değil, girdi-çıktı oranınıza bağlıdır. Güncel rakamlar için bu sayfadaki canlı fiyat tablosuna bakın.
Her iki modeli api14 üzerinden çağırmak aynı şekilde çalışır, çünkü API OpenAI uyumludur. İstemcinizi api14 temel URL'sine yönlendirin, mesajlarınızla bir sohbet tamamlama isteği gönderin ve model alanını ayarlayın. İkisi arasındaki tek değişiklik bu dizedir: Kimi K2.7 Code için "moonshotai/kimi-k2.7-code" ve Relace Search için "relace/relace-search" kullanın. İstek gövdesindeki diğer her şey olduğu yerde kalır. Zaten tools, temperature, max_tokens veya bir yanıt biçimi gönderiyorsanız, bu alanlar her ikisine de taşınır. reasoning, structured_outputs, logprobs veya görsel içerik gönderiyorsanız, bunlar Kimi K2.7 Code'a aittir ve Relace Search bunları kabul etmez, bu yüzden tek bir yükün her ikisine de uyduğunu varsaymak yerine her model için ayrı bir istek şekli tutun.
Tek bir metinle geçiş yap
İki model de aynı uç noktayı ve istek yapısını kullanır. model değerini "moonshotai/kimi-k2.7-code" yerine "relace/relace-search" yap, istemler, akış ve araçlar çalışmaya devam eder.
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);
Diğer karşılaştırmalar
- LiquidAI: LFM3-1.7B karşı Ricursive: Ripple 65B Preview
- LiquidAI: LFM3-1.7B karşı Crouton Alpha
- LiquidAI: LFM3-1.7B karşı Tencent: Hy4
- LiquidAI: LFM3-1.7B karşı Z.ai: GLM 5.3 FlashX Legal
- Ricursive: Ripple 65B Preview karşı Crouton Alpha
- Ricursive: Ripple 65B Preview karşı Tencent: Hy4
- Ricursive: Ripple 65B Preview karşı Z.ai: GLM 5.3 FlashX Legal
- Crouton Alpha karşı Tencent: Hy4