moonshot

Kimi K2.7 Code

Kimi K2.7 Code est un modèle MoE de 1 000 milliards de paramètres de Moonshot AI. Il dispose d'une context window de 262k et d'un raisonnement 30 % plus...

Coding FlagshipOpen WeightsMoE ArchitectureMultimodal AIReasoning Model
moonshot logomoonshotKimi12 juin 2026
Contexte
262Ktokens
Sortie max.
262Ktokens
Prix entrée
$0.95/ 1M
Prix sortie
$4.00/ 1M
Modalité:TextImageVideo
Capacités:VisionOutilsStreamingRaisonnement
Benchmarks
GPQA
65.8%
GPQA: Questions-Réponses Scientifiques Niveau Doctorat. Un benchmark rigoureux avec 448 questions à choix multiples en biologie, physique et chimie créées par des experts du domaine. Les experts en doctorat n'atteignent que 65-74% de précision, tandis que les non-experts obtiennent seulement 34% même avec un accès web illimité (d'où le terme 'résistant à Google'). Kimi K2.7 Code a obtenu 65.8% sur ce benchmark.
HLE
38.2%
HLE: Raisonnement d'Expertise de Haut Niveau. Teste la capacité d'un modèle à démontrer un raisonnement de niveau expert dans des domaines spécialisés. Évalue la compréhension approfondie de sujets complexes nécessitant des connaissances de niveau professionnel. Kimi K2.7 Code a obtenu 38.2% sur ce benchmark.
MMLU
87.2%
MMLU: Compréhension Linguistique Multitâche Massive. Un benchmark complet avec 16 000 questions à choix multiples couvrant 57 matières académiques incluant les mathématiques, la philosophie, le droit et la médecine. Teste les connaissances générales et les capacités de raisonnement. Kimi K2.7 Code a obtenu 87.2% sur ce benchmark.
MMLU Pro
71.4%
MMLU Pro: MMLU Édition Professionnelle. Une version améliorée du MMLU avec 12 032 questions utilisant un format plus difficile à 10 options. Couvre les mathématiques, la physique, la chimie, le droit, l'ingénierie, l'économie, la santé, la psychologie, les affaires, la biologie, la philosophie et l'informatique. Kimi K2.7 Code a obtenu 71.4% sur ce benchmark.
SimpleQA
52.4%
SimpleQA: Benchmark de Précision Factuelle. Teste la capacité d'un modèle à fournir des réponses précises et factuelles à des questions directes. Mesure la fiabilité et réduit les hallucinations dans les tâches de récupération de connaissances. Kimi K2.7 Code a obtenu 52.4% sur ce benchmark.
IFEval
88.5%
IFEval: Évaluation du Suivi d'Instructions. Mesure la capacité d'un modèle à suivre des instructions et contraintes spécifiques. Teste la capacité à respecter les règles de formatage, les limites de longueur et autres exigences explicites. Kimi K2.7 Code a obtenu 88.5% sur ce benchmark.
AIME 2025
91.5%
AIME 2025: Examen d'Invitation Américain en Mathématiques. Problèmes mathématiques de niveau compétition issus du prestigieux examen AIME conçu pour les lycéens talentueux. Teste la résolution de problèmes mathématiques avancés nécessitant un raisonnement abstrait, pas simplement de la correspondance de motifs. Kimi K2.7 Code a obtenu 91.5% sur ce benchmark.
MATH
81.3%
MATH: Résolution de Problèmes Mathématiques. Un benchmark mathématique complet testant la résolution de problèmes en algèbre, géométrie, calcul et autres domaines mathématiques. Nécessite un raisonnement en plusieurs étapes et des connaissances mathématiques formelles. Kimi K2.7 Code a obtenu 81.3% sur ce benchmark.
GSM8k
97.2%
GSM8k: Mathématiques Niveau Primaire 8K. 8 500 problèmes de mathématiques niveau primaire nécessitant un raisonnement en plusieurs étapes. Teste l'arithmétique de base et la pensée logique à travers des scénarios réels comme les achats ou les calculs de temps. Kimi K2.7 Code a obtenu 97.2% sur ce benchmark.
MGSM
92.4%
MGSM: Mathématiques Niveau Primaire Multilingue. Le benchmark GSM8k traduit en 10 langues incluant l'espagnol, le français, l'allemand, le russe, le chinois et le japonais. Teste le raisonnement mathématique dans différentes langues. Kimi K2.7 Code a obtenu 92.4% sur ce benchmark.
MathVista
65.5%
MathVista: Raisonnement Mathématique Visuel. Teste la capacité à résoudre des problèmes mathématiques impliquant des éléments visuels comme les graphiques, les diagrammes de géométrie et les figures scientifiques. Combine la compréhension visuelle avec le raisonnement mathématique. Kimi K2.7 Code a obtenu 65.5% sur ce benchmark.
SWE-Bench
78.2%
SWE-Bench: Benchmark d'Ingénierie Logicielle. Les modèles d'IA tentent de résoudre de vrais problèmes GitHub dans des projets Python open-source avec vérification humaine. Teste les compétences pratiques en ingénierie logicielle sur des bases de code en production. Les meilleurs modèles sont passés de 4,4% en 2023 à plus de 70% en 2024. Kimi K2.7 Code a obtenu 78.2% sur ce benchmark.
HumanEval
94.2%
HumanEval: Problèmes de Programmation Python. 164 problèmes de programmation écrits à la main où les modèles doivent générer des implémentations de fonctions Python correctes. Chaque solution est vérifiée par des tests unitaires. Les meilleurs modèles atteignent maintenant plus de 90% de précision. Kimi K2.7 Code a obtenu 94.2% sur ce benchmark.
LiveCodeBench
68.5%
LiveCodeBench: Benchmark de Code en Direct. Teste les capacités de codage sur des défis de programmation réels continuellement mis à jour. Contrairement aux benchmarks statiques, utilise des problèmes frais pour éviter la contamination des données et mesurer les vraies compétences de codage. Kimi K2.7 Code a obtenu 68.5% sur ce benchmark.
MMMU
72.4%
MMMU: Compréhension Multimodale. Benchmark de Compréhension Multimodale Multi-discipline Massive testant les modèles vision-langage sur des problèmes universitaires dans 30 matières nécessitant à la fois la compréhension d'images et des connaissances expertes. Kimi K2.7 Code a obtenu 72.4% sur ce benchmark.
MMMU Pro
48.2%
MMMU Pro: MMMU Édition Professionnelle. Version améliorée du MMMU avec des questions plus difficiles et une évaluation plus stricte. Teste le raisonnement multimodal avancé aux niveaux professionnel et expert. Kimi K2.7 Code a obtenu 48.2% sur ce benchmark.
ChartQA
84.2%
ChartQA: Questions-Réponses sur Graphiques. Teste la capacité à comprendre et raisonner sur les informations présentées dans les graphiques. Nécessite l'extraction de données, la comparaison de valeurs et l'exécution de calculs à partir de représentations visuelles de données. Kimi K2.7 Code a obtenu 84.2% sur ce benchmark.
DocVQA
90.1%
DocVQA: Q&R Visuelle sur Documents. Benchmark de Questions-Réponses Visuelles sur Documents testant la capacité à extraire et raisonner sur les informations des images de documents incluant les formulaires, rapports et textes numérisés. Kimi K2.7 Code a obtenu 90.1% sur ce benchmark.
Terminal-Bench
67%
Terminal-Bench: Tâches Terminal/CLI. Teste la capacité à effectuer des opérations en ligne de commande, écrire des scripts shell et naviguer dans les environnements terminal. Mesure les compétences pratiques en administration système et flux de travail de développement. Kimi K2.7 Code a obtenu 67% sur ce benchmark.
ARC-AGI
12.5%
ARC-AGI: Abstraction et Raisonnement. Corpus d'Abstraction et de Raisonnement pour l'AGI - teste l'intelligence fluide à travers des puzzles de reconnaissance de motifs nouveaux. Chaque tâche nécessite de découvrir la règle sous-jacente à partir d'exemples, mesurant la capacité de raisonnement général plutôt que la mémorisation. Kimi K2.7 Code a obtenu 12.5% sur ce benchmark.

À propos de Kimi K2.7 Code

Découvrez les capacités, fonctionnalités et façons d'utiliser Kimi K2.7 Code.

Mixture of Experts à 1 000 milliards de paramètres

Kimi K2.7 Code est la dernière itération du modèle Mixture of Experts (MoE) à 1 000 milliards de paramètres de Moonshot AI. Il est optimisé pour l'ingénierie logicielle et l'automatisation agentic. Le modèle active 32 milliards de paramètres par étape d'inference, ce qui permet d'équilibrer intelligence élevée et vitesse opérationnelle. Il introduit un mécanisme de raisonnement raffiné qui utilise 30 % de tokens en moins pour la réflexion par rapport aux versions précédentes. La résolution de problèmes techniques est plus rapide et plus rentable pour les conversations multi-tours.

Multimodalité native et contexte visuel

Ce modèle est nativement multimodal et traite des entrées texte, image et vidéo. Sa context window de 262 144 tokens gère de vastes bases de code et des traces de pile complexes. En publiant le modèle en open-weights, Moonshot AI offre une alternative aux frontier models propriétaires pour les développeurs construisant des agents IA autonomes. Il maintient une cohérence sur les tâches de codage à long terme et traduit les designs visuels en code fonctionnel sans avoir besoin de descriptions textuelles intermédiaires.

Kimi K2.7 Code

Cas d'utilisation de Kimi K2.7 Code

Découvrez les différentes façons d'utiliser Kimi K2.7 Code pour obtenir d'excellents résultats.

Codage agentic autonome

Alimenter des agents multi-étapes qui naviguent dans des structures de fichiers complexes et exécutent des refactorisations multi-fichiers via un accès terminal.

Traduction visuelle vers code

Convertir des designs d'UI complexes ou des diagrammes d'architecture directement en code front-end ou système fonctionnel.

Débogage à long terme

Analyser des historiques de projets entiers et des traces de pile au sein de la context window de 262k pour identifier les bugs architecturaux.

Synthèse de scènes 3D

Générer des environnements 3D interactifs haute fidélité en utilisant Three.js ou C++ à partir de descriptions en langage naturel.

Assurance qualité basée sur la vidéo

Analyser des sessions d'écran enregistrées ou des démos vidéo pour identifier les bugs visuels et les transitions d'UI incohérentes.

Modernisation de l'existant

Automatiser la migration de bases de code vieillissantes vers des frameworks modernes en maintenant une chain-of-thought cohérente.

Points forts

Limitations

Benchmarks de codage de premier plan: Obtient 78,2 % sur SWE-bench Verified et 94,2 % sur HumanEval, surpassant la plupart des modèles open-weights.
Formatage C++ incohérent: Peut nécessiter plusieurs tentatives pour réécrire de gros fichiers C++ sans introduire d'erreurs mineures de syntaxe ou de formatage.
Efficacité du raisonnement: Réduit la surcharge de thinking tokens de 30 % par rapport aux générations précédentes, accélérant les cycles complexes.
Context window vs concurrents: Bien que 262k soit important, cela reste inférieur aux context windows d'un million de tokens proposées par Google Gemini 2.0.
Support vidéo natif: L'un des rares modèles capables de traiter directement des entrées vidéo pour les tests d'UI et le débogage visuel.
Stabilité du navigateur headless: Les pipelines de QA autonomes utilisant Chrome headless peuvent parfois se bloquer lors d'étapes de vérification prolongées.
Rapport performance-prix: Offre des performances de niveau GPT-5.5 dans les tâches de codage à un coût réduit de 0,95 $ par million de tokens en entrée.
Précision de la physique 3D: Peut rencontrer des difficultés avec la gravité réaliste ou les frictions complexes dans les simulations physiques générées, nécessitant un ajustement manuel.

Démarrage rapide API

moonshot/kimi-k2.7-code

Voir la documentation
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 || '');
}

Installez le SDK et commencez à faire des appels API en quelques minutes.

Ce que les gens disent de Kimi K2.7 Code

Voyez ce que la communauté pense de Kimi K2.7 Code

Kimi 2.7 s'est classé 2ème après Fable 5 et avant GPT-5 xhigh... Kimi 2.7 est incroyablement bon.
Przemek Chojecki
twitter
Kimi K2.7 Code vient de rendre Kimi K2.6 douloureusement obsolète... il a donné le rendu le plus réaliste pour des vagues d'eau !
GMI Cloud
twitter
C'est le modèle open-weights n°1 sur SWE-bench (78,2 %) et Terminal-Bench 2.1.
Vals AI
twitter
Kimi-K2.7-Code est maintenant sorti et en open-source ! Performances de codage et d'agent améliorées par rapport à K2.6.
Kimi.ai
twitter
Il a géré 50 PDF juridiques d'un coup sans sourciller.
ThePromptEngineer
youtube
Le prix est passé de 20 $/mois à 1,5 $/mois avec l'API. UX décente.
LocalLLaMA-User
reddit

Vidéos sur Kimi K2.7 Code

Regardez des tutoriels, critiques et discussions sur Kimi K2.7 Code

Il a commencé à réfléchir beaucoup plus et beaucoup plus longtemps.

La version 2.7 a fourni de meilleurs résultats, plus rapidement, mais à un coût légèrement supérieur en termes de tokens totaux utilisés.

Il a poussé la réflexion plus profondément dans l'implémentation de projets longs jusqu'à réussir.

Il ne se contente pas de générer du code, il planifie d'abord l'architecture dans ses tokens de réflexion.

La logique du script Python était parfaite comparée à la précédente version 2.6.

Il a amélioré l'efficacité des tokens par rapport à Kimi K2.6, réduisant l'utilisation des tokens de réflexion d'environ 30 %.

Le processus de raisonnement est beaucoup plus direct tout en conservant le taux de succès élevé du modèle.

L'écart entre les deux n'est pas énorme quand on considère que ce modèle est 12,5 fois moins cher que Claude Fable.

Ce modèle est 12,5 fois moins cher que Claude Fable au prix actuel de l'API.

Les performances sur SWE-bench Verified sont de premier ordre pour une version open-weights.

La context window de 256k est incroyablement stable pour la génération de projets multi-fichiers.

Il a géré la logique C++ sans avoir besoin de la documentation de bibliothèque externe.

Le processus de raisonnement est beaucoup plus linéaire maintenant, sans boucles redondantes.

Il a construit toute la structure du projet en 15 minutes, composants backend inclus.

C'est le meilleur modèle open-weights pour les tâches de codage disponible sur le marché actuellement.

Plus que de simples prompts

Optimisez votre flux de travail avec l'Automatisation IA

Automatio combine la puissance des agents IA, de l'automatisation web et des integrations intelligentes pour vous aider a accomplir plus en moins de temps.

Agents IA
Automatisation Web
Flux Intelligents

Conseils Pro pour Kimi K2.7 Code

Conseils d'experts pour tirer le meilleur parti de Kimi K2.7 Code.

Préserver le mode Thinking

Activez toujours preserve_thinking dans vos appels API pour garantir que le modèle utilise sa chaîne de raisonnement optimisée pour la logique.

Prompting multimodal

Fournissez des captures d'écran de bugs actuels ou des maquettes d'UI avec vos instructions textuelles pour améliorer le taux de succès de la génération de code.

Gérer le budget de contexte

Placez les instructions critiques pour la performance au début ou à la fin du prompt pour obtenir le meilleur suivi d'instructions.

Intégration CLI

Utilisez le CLI officiel Kimi Code pour le développement local afin de tirer parti de la capacité native du modèle à interagir avec des environnements locaux.

Témoignages

Ce Que Disent Nos Utilisateurs

Rejoignez des milliers d'utilisateurs satisfaits qui ont transforme leur flux de travail

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.

Associés 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

Questions Fréquentes sur Kimi K2.7 Code

Trouvez des réponses aux questions courantes sur Kimi K2.7 Code