moonshot

Kimi K2.7 Code

Kimi K2.7 Code یک مدل MoE با ۱ تریلیون parameters از Moonshot AI است. این مدل دارای context window ۲۶۲ هزار تایی و ۳۰٪ reasoning بهینه‌تر برای مهندسی نرم‌افزار...

Coding FlagshipOpen WeightsMoE ArchitectureMultimodal AIReasoning Model
moonshot logomoonshotKimi۱۲ ژوئن ۲۰۲۶
پنجره زمینه
262Kتوکن
حداکثر خروجی
262Kتوکن
قیمت ورودی
$0.95/ 1M
قیمت خروجی
$4.00/ 1M
حالت:TextImageVideo
قابلیت‌ها:بیناییابزارهااستریمینگاستدلال
معیارها
GPQA
65.8%
GPQA: سوالات علمی سطح تحصیلات تکمیلی. معیار دقیق با 448 سوال از زیست‌شناسی، فیزیک و شیمی. کارشناسان دکترا فقط 65-74% دقت دارند. Kimi K2.7 Code امتیاز 65.8% در این معیار کسب کرد.
HLE
38.2%
HLE: استدلال سطح کارشناسی. توانایی مدل در نشان دادن استدلال سطح کارشناسی در حوزه‌های تخصصی را آزمایش می‌کند. Kimi K2.7 Code امتیاز 38.2% در این معیار کسب کرد.
MMLU
87.2%
MMLU: درک زبان چندوظیفه‌ای گسترده. معیار جامع با 16000 سوال در 57 موضوع دانشگاهی. Kimi K2.7 Code امتیاز 87.2% در این معیار کسب کرد.
MMLU Pro
71.4%
MMLU Pro: نسخه حرفه‌ای MMLU. نسخه بهبود یافته MMLU با 12032 سوال و فرمت 10 گزینه‌ای سخت‌تر. Kimi K2.7 Code امتیاز 71.4% در این معیار کسب کرد.
SimpleQA
52.4%
SimpleQA: معیار دقت واقعی. توانایی مدل در ارائه پاسخ‌های دقیق و واقعی را آزمایش می‌کند. Kimi K2.7 Code امتیاز 52.4% در این معیار کسب کرد.
IFEval
88.5%
IFEval: ارزیابی پیروی از دستورالعمل. اندازه‌گیری می‌کند مدل چقدر خوب از دستورالعمل‌ها و محدودیت‌های خاص پیروی می‌کند. Kimi K2.7 Code امتیاز 88.5% در این معیار کسب کرد.
AIME 2025
91.5%
AIME 2025: امتحان ریاضی دعوتی آمریکا. مسائل ریاضی سطح مسابقه از امتحان معتبر AIME. Kimi K2.7 Code امتیاز 91.5% در این معیار کسب کرد.
MATH
81.3%
MATH: حل مسئله ریاضی. معیار جامع ریاضی که حل مسئله در جبر، هندسه، حساب دیفرانسیل را آزمایش می‌کند. Kimi K2.7 Code امتیاز 81.3% در این معیار کسب کرد.
GSM8k
97.2%
GSM8k: ریاضی دبستان 8K. 8500 مسئله ریاضی کلامی سطح دبستان. Kimi K2.7 Code امتیاز 97.2% در این معیار کسب کرد.
MGSM
92.4%
MGSM: ریاضی دبستان چندزبانه. معیار GSM8k ترجمه شده به 10 زبان. Kimi K2.7 Code امتیاز 92.4% در این معیار کسب کرد.
MathVista
65.5%
MathVista: استدلال بصری ریاضی. توانایی حل مسائل ریاضی با عناصر بصری را آزمایش می‌کند. Kimi K2.7 Code امتیاز 65.5% در این معیار کسب کرد.
SWE-Bench
78.2%
SWE-Bench: معیار مهندسی نرم‌افزار. مدل‌های AI سعی می‌کنند مسائل واقعی GitHub را در پروژه‌های Python حل کنند. Kimi K2.7 Code امتیاز 78.2% در این معیار کسب کرد.
HumanEval
94.2%
HumanEval: مسائل برنامه‌نویسی Python. 164 مسئله برنامه‌نویسی که مدل‌ها باید پیاده‌سازی صحیح توابع Python تولید کنند. Kimi K2.7 Code امتیاز 94.2% در این معیار کسب کرد.
LiveCodeBench
68.5%
LiveCodeBench: معیار کدنویسی زنده. توانایی‌های کدنویسی را در چالش‌های برنامه‌نویسی واقعی به‌روز شده آزمایش می‌کند. Kimi K2.7 Code امتیاز 68.5% در این معیار کسب کرد.
MMMU
72.4%
MMMU: درک چندحالته. معیار درک چندحالته در 30 موضوع دانشگاهی. Kimi K2.7 Code امتیاز 72.4% در این معیار کسب کرد.
MMMU Pro
48.2%
MMMU Pro: نسخه حرفه‌ای MMMU. نسخه بهبود یافته MMMU با سوالات چالش‌برانگیزتر. Kimi K2.7 Code امتیاز 48.2% در این معیار کسب کرد.
ChartQA
84.2%
ChartQA: پرسش و پاسخ نمودار. توانایی درک و تحلیل اطلاعات از نمودارها را آزمایش می‌کند. Kimi K2.7 Code امتیاز 84.2% در این معیار کسب کرد.
DocVQA
90.1%
DocVQA: پرسش و پاسخ بصری سند. توانایی استخراج اطلاعات از تصاویر سند را آزمایش می‌کند. Kimi K2.7 Code امتیاز 90.1% در این معیار کسب کرد.
Terminal-Bench
67%
Terminal-Bench: وظایف ترمینال/CLI. توانایی انجام عملیات خط فرمان را آزمایش می‌کند. Kimi K2.7 Code امتیاز 67% در این معیار کسب کرد.
ARC-AGI
12.5%
ARC-AGI: انتزاع و استدلال. هوش سیال را از طریق پازل‌های تشخیص الگوی جدید آزمایش می‌کند. Kimi K2.7 Code امتیاز 12.5% در این معیار کسب کرد.

درباره Kimi K2.7 Code

درباره قابلیت‌های Kimi K2.7 Code، ویژگی‌ها و نحوه کمک به شما در دستیابی به نتایج بهتر بیاموزید.

مدل Mixture of Experts با یک تریلیون parameters

Kimi K2.7 Code جدیدترین نسخه از مدل Mixture of Experts (MoE) با یک تریلیون parameters شرکت Moonshot AI است. این مدل برای مهندسی نرم‌افزار و اتوماسیون agentic بهینه شده است. این مدل در هر مرحله inference حدود ۳۲ میلیارد parameters فعال می‌کند که تعادلی بین هوش بالا و سرعت عملیاتی ایجاد می‌کند. این مدل مکانیسم reasoning اصلاح‌شده‌ای را معرفی می‌کند که در مقایسه با نسخه‌های قبلی، ۳۰ درصد از tokens کمتری برای تفکر استفاده می‌کند. حل مسائل فنی در مکالمات چند مرحله‌ای با این مدل سریع‌تر و مقرون‌به‌صرفه‌تر است.

چندوجهی (Multimodality) بومی و context بصری

این مدل به صورت بومی multimodal بوده و ورودی‌های متن، تصویر و ویدیو را پردازش می‌کند. context window ۲۶۲,۱۴۴ توکنی آن، پایگاه‌کدهای بزرگ و stack traceهای پیچیده را مدیریت می‌کند. Moonshot AI با ارائه این مدل به صورت open weights، گزینه‌ای جایگزین برای مدل‌های frontier تجاری برای توسعه‌دهندگانی که در حال ساخت agentهای هوشمند خودکار هستند، فراهم کرده است. این مدل ثبات خود را در کارهای کدنویسی طولانی‌مدت حفظ کرده و طراحی‌های بصری را بدون نیاز به توصیفات متنی واسطه، به کد کاربردی تبدیل می‌کند.

Kimi K2.7 Code

موارد استفاده برای Kimi K2.7 Code

روش‌های مختلف استفاده از Kimi K2.7 Code برای دستیابی به نتایج عالی را کشف کنید.

کدنویسی Autonomous Agentic

قدرت بخشیدن به agentهایی که در ساختارهای پیچیده فایل جابه‌جا شده و refactorهای چند فایلی را از طریق دسترسی به ترمینال اجرا می‌کنند.

ترجمه بصری به کد

تبدیل مستقیم طرح‌های پیچیده UI یا دیاگرام‌های معماری به کدهای فرانت‌اند یا سیستم کاربردی.

دیباگینگ طولانی‌مدت

تحلیل کل تاریخچه پروژه و stack traceها در محدوده context window ۲۶۲ هزار تایی برای شناسایی باگ‌های معماری.

سنتز صحنه‌های سه‌بعدی

تولید محیط‌های تعاملی سه‌بعدی با کیفیت بالا با استفاده از Three.js یا ++C بر اساس توصیفات زبان طبیعی.

تضمین کیفیت (QA) مبتنی بر ویدیو

تحلیل جلسات ضبط شده از صفحه نمایش یا دموهای ویدیویی برای شناسایی باگ‌های بصری و ناهماهنگی در انتقال‌های UI.

نوسازی کدهای قدیمی (Legacy)

اتوماسیون مهاجرت پایگاه‌کدهای قدیمی به فریم‌ورک‌های مدرن با حفظ یک chain-of-thought منسجم.

نقاط قوت

محدودیت‌ها

بنچمارک‌های برتر کدنویسی: کسب امتیاز ۷۸.۲ درصد در SWE-bench Verified و ۹۴.۲ درصد در HumanEval، که عملکردی فراتر از اکثر مدل‌های open-weight است.
فرمت‌دهی ناهماهنگ در ++C: گاهی ممکن است برای بازنویسی فایل‌های بزرگ ++C بدون ایجاد خطاهای جزئی در syntax یا فرمت‌دهی، به تلاش‌های بیشتری نیاز باشد.
بهره‌وری در Reasoning: کاهش ۳۰ درصدی سربار thinking-tokens نسبت به نسل‌های قبل، که باعث سرعت بخشیدن به چرخه‌های پیچیده می‌شود.
Context Window در مقایسه با رقبا: اگرچه ۲۶۲ هزار بسیار بزرگ است، اما همچنان از context window یک میلیون توکنی گوگل Gemini 2.0 عقب‌تر است.
پشتیبانی Native از ویدیو: یکی از معدود مدل‌هایی که قادر به پردازش مستقیم ورودی ویدیو برای تست UI و دیباگ بصری است.
پایداری مرورگر Headless: خط لوله‌های QA خودکار که از Chrome headless استفاده می‌کنند، ممکن است گاهی در طول مراحل طولانی تأیید دچار تعلیق شوند.
نسبت قیمت به عملکرد: ارائه عملکردی در سطح GPT-5.5 در وظایف کدنویسی با هزینه پایین ۰.۹۵ دلار برای هر میلیون token ورودی.
دقت در فیزیک سه‌بعدی: ممکن است در شبیه‌سازی گرانش واقعی یا اصطکاک پیچیده در شبیه‌سازی‌های فیزیکی تولید شده دچار مشکل شود که نیاز به تنظیم دستی دارد.

شروع سریع API

moonshot/kimi-k2.7-code

مشاهده مستندات
moonshot SDK
import OpenAI from 'openai';

const client = new OpenAI({
  apiKey: process.env.KIMI_API_KEY,
  baseURL: 'https://api.moonshot.cn/v1',
});

const response = await client.chat.completions.create({
  model: 'kimi-k2.7-code',
  messages: [{ role: 'user', content: 'Generate a 3D WebGL pendulum sim.' }],
  stream: true,
  extra_body: { preserve_thinking: true }
});

for await (const chunk of response) {
  process.stdout.write(chunk.choices[0]?.delta?.content || '');
}

SDK را نصب کنید و در عرض چند دقیقه شروع به فراخوانی API کنید.

مردم درباره Kimi K2.7 Code چه می‌گویند

ببینید جامعه درباره Kimi K2.7 Code چه فکر می‌کند

مدل Kimi 2.7 بعد از Fable 5 و قبل از GPT-5 xhigh رتبه‌بندی شد... Kimi 2.7 به شکل شگفت‌انگیزی خوب است.
Przemek Chojecki
twitter
Kimi K2.7 Code مدل Kimi K2.6 را به طرز دردناکی قدیمی کرد... این مدل واقع‌گرایانه‌ترین رندر از موج‌های آب را ارائه داد!
GMI Cloud
twitter
این مدل رتبه ۱ مدل‌های open-weight در SWE-bench (۷۸.۲٪) و Terminal-Bench 2.1 است.
Vals AI
twitter
Kimi-K2.7-Code منتشر و open-source شد! بهبود در کدنویسی و عملکرد agent نسبت به K2.6.
Kimi.ai
twitter
این مدل ۵۰ فایل PDF حقوقی را یکجا و بدون ذره‌ای مشکل تحلیل کرد.
ThePromptEngineer
youtube
قیمت آن با API از ۲۰ دلار در ماه به ۱.۵ دلار در ماه کاهش یافته است. UX مناسبی دارد.
LocalLLaMA-User
reddit

ویدیوهای درباره Kimi K2.7 Code

آموزش‌ها، بررسی‌ها و بحث‌های درباره Kimi K2.7 Code را تماشا کنید

مدل شروع به تفکر بسیار عمیق‌تر و طولانی‌تری کرد.

نسخه ۲.۷ نتایج بهتری را سریع‌تر ارائه داد، اما از نظر تعداد کل tokenها کمی گران‌تر بود.

این مدل تا زمانی که واقعاً موفق نشود، به تحلیل عمیق در اجرای پروژه‌های طولانی ادامه می‌دهد.

این مدل فقط کد تولید نمی‌کند، بلکه ابتدا معماری را در thinking tokens خود برنامه‌ریزی می‌کند.

منطق اسکریپت پایتون در مقایسه با نسخه ۲.۶ قبلی بی‌نقص بود.

بهره‌وری token در این مدل نسبت به Kimi K2.6 بهبود یافته و استفاده از thinking tokens حدود ۳۰ درصد کاهش یافته است.

فرآیند reasoning بسیار مستقیم‌تر شده و در عین حال نرخ موفقیت بالای مدل حفظ شده است.

فاصله بین این دو مدل با توجه به اینکه این مدل ۱۲.۵ برابر ارزان‌تر از Claude Fable است، چندان زیاد نیست.

این مدل با قیمت‌گذاری فعلی API، ۱۲.۵ برابر ارزان‌تر از Claude Fable است.

عملکرد در SWE-bench Verified برای یک نسخه open-weight در سطح برتر است.

context window ۲۵۶ هزار تایی برای تولید پروژه‌های چند فایلی فوق‌العاده پایدار است.

این مدل منطق ++C را بدون نیاز به مستندات کتابخانه‌های خارجی مدیریت کرد.

فرآیند reasoning اکنون بسیار خطی‌تر شده و حلقه‌های تکراری در آن کمتر دیده می‌شود.

این مدل کل ساختار پروژه را در ۱۵ دقیقه، شامل اجزای backend، ساخت.

این بهترین مدل open-weight برای کارهای کدنویسی است که در حال حاضر در بازار موجود است.

بیشتر از فقط پرامپت

گردش کار خود را با اتوماسیون AI

Automatio قدرت عامل‌های AI، اتوماسیون وب و ادغام‌های هوشمند را ترکیب می‌کند تا به شما کمک کند در زمان کمتر بیشتر انجام دهید.

عامل‌های AI
اتوماسیون وب
گردش‌کارهای هوشمند

نکات حرفه‌ای برای Kimi K2.7 Code

نکات تخصصی برای کمک به شما در استفاده حداکثری از Kimi K2.7 Code و دستیابی به نتایج بهتر.

حفظ حالت تفکر (Preserve Thinking Mode)

همیشه گزینه preserve_thinking را در فراخوانی‌های API خود فعال کنید تا مطمئن شوید مدل از زنجیره reasoning بهینه‌شده خود برای منطق استفاده می‌کند.

استفاده از Multimodal Prompting

اسکرین‌شات‌هایی از باگ‌های فعلی یا طرح‌های UI را در کنار دستورات متنی قرار دهید تا نرخ موفقیت تولید کد بهبود یابد.

مدیریت بودجه Context

دستورات حساس به عملکرد را در ابتدا یا انتهای prompt قرار دهید تا قابل‌اطمینان‌ترین نتیجه را در اجرای دستورات دریافت کنید.

یکپارچه‌سازی CLI

از Kimi Code CLI رسمی برای توسعه محلی استفاده کنید تا از قابلیت native مدل برای تعامل با محیط‌های لوکال بهره‌مند شوید.

نظرات

کاربران ما چه می‌گویند

به هزاران کاربر راضی که گردش کار خود را متحول کرده‌اند بپیوندید

Jonathan Kogan

Jonathan Kogan

Co-Founder/CEO, rpatools.io

Automatio is one of the most used for RPA Tools both internally and externally. It saves us countless hours of work and we realized this could do the same for other startups and so we choose Automatio for most of our automation needs.

Mohammed Ibrahim

Mohammed Ibrahim

CEO, qannas.pro

I have used many tools over the past 5 years, Automatio is the Jack of All trades.. !! it could be your scraping bot in the morning and then it becomes your VA by the noon and in the evening it does your automations.. its amazing!

Ben Bressington

Ben Bressington

CTO, AiChatSolutions

Automatio is fantastic and simple to use to extract data from any website. This allowed me to replace a developer and do tasks myself as they only take a few minutes to setup and forget about it. Automatio is a game changer!

Sarah Chen

Sarah Chen

Head of Growth, ScaleUp Labs

We've tried dozens of automation tools, but Automatio stands out for its flexibility and ease of use. Our team productivity increased by 40% within the first month of adoption.

David Park

David Park

Founder, DataDriven.io

The AI-powered features in Automatio are incredible. It understands context and adapts to changes in websites automatically. No more broken scrapers!

Emily Rodriguez

Emily Rodriguez

Marketing Director, GrowthMetrics

Automatio transformed our lead generation process. What used to take our team days now happens automatically in minutes. The ROI is incredible.

Jonathan Kogan

Jonathan Kogan

Co-Founder/CEO, rpatools.io

Automatio is one of the most used for RPA Tools both internally and externally. It saves us countless hours of work and we realized this could do the same for other startups and so we choose Automatio for most of our automation needs.

Mohammed Ibrahim

Mohammed Ibrahim

CEO, qannas.pro

I have used many tools over the past 5 years, Automatio is the Jack of All trades.. !! it could be your scraping bot in the morning and then it becomes your VA by the noon and in the evening it does your automations.. its amazing!

Ben Bressington

Ben Bressington

CTO, AiChatSolutions

Automatio is fantastic and simple to use to extract data from any website. This allowed me to replace a developer and do tasks myself as they only take a few minutes to setup and forget about it. Automatio is a game changer!

Sarah Chen

Sarah Chen

Head of Growth, ScaleUp Labs

We've tried dozens of automation tools, but Automatio stands out for its flexibility and ease of use. Our team productivity increased by 40% within the first month of adoption.

David Park

David Park

Founder, DataDriven.io

The AI-powered features in Automatio are incredible. It understands context and adapts to changes in websites automatically. No more broken scrapers!

Emily Rodriguez

Emily Rodriguez

Marketing Director, GrowthMetrics

Automatio transformed our lead generation process. What used to take our team days now happens automatically in minutes. The ROI is incredible.

مرتبط AI Models

anthropic

Claude 3.7 Sonnet

Anthropic

Claude 3.7 Sonnet is Anthropic's first hybrid reasoning model, delivering state-of-the-art coding capabilities, a 200k context window, and visible thinking.

200K context
$3.00/$15.00/1M
deepseek

DeepSeek-V3.2-Speciale

DeepSeek

DeepSeek-V3.2-Speciale is a reasoning-first LLM featuring gold-medal math performance, DeepSeek Sparse Attention, and a 131K context window. Rivaling GPT-5...

131K context
$0.28/$0.42/1M
google

Gemini 3.5 Flash

Google

Gemini 3.5 Flash is Google's high-speed multimodal model with a 1M context window, optimized for sub-second agentic loops and complex coding tasks.

1M context
$1.50/$9.00/1M
other

MiMo V2.5 Pro

Other

MiMo V2.5 Pro is Xiaomi's open-source 1.02T parameter MoE model featuring a 1M context window, native multimodality, and elite agentic coding performance.

1M context
$1.00/$3.00/1M
anthropic

Claude 4.5 Sonnet

Anthropic

Anthropic's Claude Sonnet 4.5 delivers world-leading coding (77.2% SWE-bench) and a 200K context window, optimized for the next generation of autonomous agents.

200K context
$3.00/$15.00/1M
anthropic

Claude Fable 5

Anthropic

Anthropic's Claude Fable 5 is a Mythos-class model featuring a 1M context window and 128K output tokens. It excels at agentic coding and 3D physics.

1M context
$10.00/$50.00/1M
alibaba

Qwen 3.7 Max

alibaba

Qwen 3.7 Max is Alibaba’s flagship AI model for deep reasoning and autonomous agent tasks, featuring a 256k context window and top-tier coding performance.

256K context
$1.20/$6.00/1M
alibaba

Qwen3.5-Omni

alibaba

Qwen3.5-Omni is a natively omnimodal AI by Alibaba Cloud, offering seamless audio-visual reasoning, real-time voice chat, and 256k context for low-latency apps.

256K context
$0.40/$4.80/1M

سوالات متداول درباره Kimi K2.7 Code

پاسخ سوالات رایج درباره Kimi K2.7 Code را بیابید