moonshot

Kimi K2.7 Code

Kimi K2.7 Code adalah model MoE 1T parameter dari Moonshot AI. Model ini dilengkapi context window 262k dan reasoning yang 30% lebih efisien untuk software...

Coding FlagshipOpen WeightsMoE ArchitectureMultimodal AIReasoning Model
moonshot logomoonshotKimi12 Juni 2026
Konteks
262Ktoken
Output maks.
262Ktoken
Harga input
$0.95/ 1M
Harga output
$4.00/ 1M
Modalitas:TextImageVideo
Kemampuan:VisiAlatStreamingPenalaran
Benchmarks
GPQA
65.8%
GPQA: Tanya Jawab Sains Tingkat Doktoral. Benchmark ketat dengan 448 pertanyaan pilihan ganda dalam biologi, fisika, dan kimia yang dibuat oleh pakar domain. Para ahli PhD hanya mencapai akurasi 65-74%, sementara non-ahli hanya mendapat 34% bahkan dengan akses web tak terbatas (sehingga disebut 'tahan Google'). Kimi K2.7 Code meraih skor 65.8% pada benchmark ini.
HLE
38.2%
HLE: Penalaran Keahlian Tingkat Tinggi. Menguji kemampuan model untuk mendemonstrasikan penalaran tingkat ahli di domain khusus. Mengevaluasi pemahaman mendalam tentang topik kompleks yang membutuhkan pengetahuan tingkat profesional. Kimi K2.7 Code meraih skor 38.2% pada benchmark ini.
MMLU
87.2%
MMLU: Pemahaman Bahasa Multitugas Masif. Benchmark komprehensif dengan 16.000 pertanyaan pilihan ganda meliputi 57 mata pelajaran akademik termasuk matematika, filsafat, hukum, dan kedokteran. Menguji pengetahuan luas dan kemampuan penalaran. Kimi K2.7 Code meraih skor 87.2% pada benchmark ini.
MMLU Pro
71.4%
MMLU Pro: MMLU Edisi Profesional. Versi MMLU yang ditingkatkan dengan 12.032 pertanyaan menggunakan format 10 pilihan yang lebih sulit. Mencakup Matematika, Fisika, Kimia, Hukum, Teknik, Ekonomi, Kesehatan, Psikologi, Bisnis, Biologi, Filsafat, dan Ilmu Komputer. Kimi K2.7 Code meraih skor 71.4% pada benchmark ini.
SimpleQA
52.4%
SimpleQA: Benchmark Akurasi Faktual. Menguji kemampuan model untuk memberikan respons yang akurat dan faktual terhadap pertanyaan langsung. Mengukur keandalan dan mengurangi halusinasi dalam tugas pengambilan pengetahuan. Kimi K2.7 Code meraih skor 52.4% pada benchmark ini.
IFEval
88.5%
IFEval: Evaluasi Kepatuhan Instruksi. Mengukur seberapa baik model mengikuti instruksi dan batasan tertentu. Menguji kemampuan untuk mematuhi aturan format, batas panjang, dan persyaratan eksplisit lainnya. Kimi K2.7 Code meraih skor 88.5% pada benchmark ini.
AIME 2025
91.5%
AIME 2025: Ujian Matematika Undangan Amerika. Soal matematika tingkat kompetisi dari ujian AIME bergengsi yang dirancang untuk siswa SMA berbakat. Menguji pemecahan masalah matematika tingkat lanjut yang membutuhkan penalaran abstrak, bukan sekadar pencocokan pola. Kimi K2.7 Code meraih skor 91.5% pada benchmark ini.
MATH
81.3%
MATH: Pemecahan Masalah Matematika. Benchmark matematika komprehensif yang menguji pemecahan masalah dalam aljabar, geometri, kalkulus, dan domain matematika lainnya. Membutuhkan penalaran multi-langkah dan pengetahuan matematika formal. Kimi K2.7 Code meraih skor 81.3% pada benchmark ini.
GSM8k
97.2%
GSM8k: Matematika SD 8K. 8.500 soal cerita matematika tingkat SD yang membutuhkan penalaran multi-langkah. Menguji aritmatika dasar dan pemikiran logis melalui skenario dunia nyata seperti belanja atau perhitungan waktu. Kimi K2.7 Code meraih skor 97.2% pada benchmark ini.
MGSM
92.4%
MGSM: Matematika SD Multibahasa. Benchmark GSM8k yang diterjemahkan ke 10 bahasa termasuk Spanyol, Prancis, Jerman, Rusia, Cina, dan Jepang. Menguji penalaran matematika dalam berbagai bahasa. Kimi K2.7 Code meraih skor 92.4% pada benchmark ini.
MathVista
65.5%
MathVista: Penalaran Matematika Visual. Menguji kemampuan untuk menyelesaikan masalah matematika yang melibatkan elemen visual seperti grafik, diagram geometri, dan figur ilmiah. Menggabungkan pemahaman visual dengan penalaran matematika. Kimi K2.7 Code meraih skor 65.5% pada benchmark ini.
SWE-Bench
78.2%
SWE-Bench: Benchmark Rekayasa Perangkat Lunak. Model AI mencoba menyelesaikan masalah GitHub nyata dalam proyek Python open-source dengan verifikasi manusia. Menguji keterampilan rekayasa perangkat lunak praktis pada codebase produksi. Model terbaik meningkat dari 4,4% di 2023 menjadi lebih dari 70% di 2024. Kimi K2.7 Code meraih skor 78.2% pada benchmark ini.
HumanEval
94.2%
HumanEval: Masalah Pemrograman Python. 164 masalah pemrograman yang ditulis tangan di mana model harus menghasilkan implementasi fungsi Python yang benar. Setiap solusi diverifikasi dengan unit test. Model terbaik sekarang mencapai akurasi lebih dari 90%. Kimi K2.7 Code meraih skor 94.2% pada benchmark ini.
LiveCodeBench
68.5%
LiveCodeBench: Benchmark Koding Langsung. Menguji kemampuan koding pada tantangan pemrograman dunia nyata yang terus diperbarui. Berbeda dengan benchmark statis, menggunakan masalah baru untuk mencegah kontaminasi data dan mengukur keterampilan koding yang sebenarnya. Kimi K2.7 Code meraih skor 68.5% pada benchmark ini.
MMMU
72.4%
MMMU: Pemahaman Multimodal. Benchmark Pemahaman Multimodal Multi-disiplin Masif yang menguji model penglihatan-bahasa pada masalah tingkat universitas di 30 mata pelajaran yang membutuhkan pemahaman gambar dan pengetahuan ahli. Kimi K2.7 Code meraih skor 72.4% pada benchmark ini.
MMMU Pro
48.2%
MMMU Pro: MMMU Edisi Profesional. Versi MMMU yang ditingkatkan dengan pertanyaan lebih sulit dan evaluasi lebih ketat. Menguji penalaran multimodal tingkat lanjut di tingkat profesional dan ahli. Kimi K2.7 Code meraih skor 48.2% pada benchmark ini.
ChartQA
84.2%
ChartQA: Tanya Jawab Grafik. Menguji kemampuan untuk memahami dan bernalar tentang informasi yang disajikan dalam grafik dan diagram. Membutuhkan ekstraksi data, perbandingan nilai, dan melakukan perhitungan dari representasi visual data. Kimi K2.7 Code meraih skor 84.2% pada benchmark ini.
DocVQA
90.1%
DocVQA: Tanya Jawab Visual Dokumen. Benchmark Tanya Jawab Visual Dokumen yang menguji kemampuan untuk mengekstrak dan bernalar tentang informasi dari gambar dokumen termasuk formulir, laporan, dan teks yang dipindai. Kimi K2.7 Code meraih skor 90.1% pada benchmark ini.
Terminal-Bench
67%
Terminal-Bench: Tugas Terminal/CLI. Menguji kemampuan untuk melakukan operasi baris perintah, menulis skrip shell, dan menavigasi lingkungan terminal. Mengukur keterampilan administrasi sistem praktis dan alur kerja pengembangan. Kimi K2.7 Code meraih skor 67% pada benchmark ini.
ARC-AGI
12.5%
ARC-AGI: Abstraksi dan Penalaran. Abstraction and Reasoning Corpus untuk AGI - menguji kecerdasan fluida melalui teka-teki pengenalan pola baru. Setiap tugas membutuhkan penemuan aturan yang mendasari dari contoh, mengukur kemampuan penalaran umum daripada menghafal. Kimi K2.7 Code meraih skor 12.5% pada benchmark ini.

Tentang Kimi K2.7 Code

Pelajari tentang kemampuan, fitur, dan cara menggunakan Kimi K2.7 Code.

Mixture of Experts dengan Satu Triliun Parameter

Kimi K2.7 Code adalah iterasi terbaru dari model Mixture of Experts (MoE) satu triliun parameter milik Moonshot AI. Model ini dioptimalkan untuk software engineering dan otomatisasi agentic. Model ini mengaktifkan 32 miliar parameters per langkah inference, yang menyeimbangkan kecerdasan tinggi dengan kecepatan operasional. Model ini memperkenalkan mekanisme reasoning yang disempurnakan yang menggunakan 30 persen lebih sedikit tokens untuk berpikir dibandingkan versi sebelumnya. Pemecahan masalah teknis menjadi lebih cepat dan lebih hemat biaya untuk percakapan multi-turn.

Multimodalitas Native dan Konteks Visual

Model ini bersifat multimodal secara native dan memproses input teks, gambar, serta video. Context window sebesar 262.144 tokens menangani codebase besar dan stack trace yang kompleks. Dengan merilis model sebagai open-weights, Moonshot AI menyediakan alternatif bagi model frontier berpemilik bagi pengembang yang membangun agen AI otonom. Model ini mempertahankan konsistensi dalam tugas coding jangka panjang dan menerjemahkan desain visual menjadi kode fungsional tanpa memerlukan deskripsi teks perantara.

Kimi K2.7 Code

Kasus Penggunaan untuk Kimi K2.7 Code

Temukan berbagai cara menggunakan Kimi K2.7 Code untuk hasil yang luar biasa.

Coding Agentic Otonom

Mendukung agen multi-langkah yang menavigasi struktur file kompleks dan mengeksekusi refactor multi-file melalui akses terminal.

Terjemahan Visual-ke-Kode

Mengonversi desain UI atau diagram arsitektur yang kompleks secara langsung menjadi kode front-end atau sistem yang fungsional.

Debugging Jangka Panjang

Menganalisis seluruh riwayat proyek dan stack trace dalam context window 262k untuk mengidentifikasi bug arsitektur.

Sintesis Adegan 3D

Menghasilkan lingkungan 3D interaktif berketelitian tinggi menggunakan Three.js atau C++ dari deskripsi bahasa alami.

Jaminan Kualitas Berbasis Video

Menganalisis sesi layar yang direkam atau demo video untuk mengidentifikasi bug visual dan transisi UI yang tidak konsisten.

Modernisasi Warisan (Legacy)

Mengotomatiskan migrasi codebase lama ke framework modern dengan mempertahankan chain-of-thought yang konsisten.

Kelebihan

Keterbatasan

Benchmark Coding Tingkat Atas: Mencapai skor 78,2 persen pada SWE-bench Verified dan 94,2 persen pada HumanEval, mengungguli sebagian besar model open-weights.
Format C++ Tidak Konsisten: Terkadang membutuhkan beberapa percobaan untuk menulis ulang file C++ besar tanpa menimbulkan kesalahan sintaks atau format kecil.
Efisiensi Reasoning: Mengurangi overhead thinking-tokens sebesar 30 persen dibandingkan generasi sebelumnya, mempercepat siklus yang kompleks.
Context Window vs Kompetitor: Meskipun 262k sudah cukup besar, angka ini masih tertinggal di belakang context window satu juta tokens yang ditawarkan Google Gemini 2.0.
Dukungan Video Native: Salah satu dari sedikit model yang mampu memproses input video secara langsung untuk pengujian UI dan debugging visual.
Stabilitas Headless Browser: Pipeline QA otonom yang menggunakan headless Chrome terkadang bisa macet selama langkah verifikasi yang panjang.
Rasio Harga-terhadap-Performa: Memberikan performa setingkat GPT-5.5 dalam tugas coding dengan biaya rendah $0,95 per satu juta input tokens.
Ketelitian Fisika 3D: Dapat mengalami kesulitan dengan gravitasi realistis atau gesekan kompleks dalam simulasi fisika yang dihasilkan, sehingga memerlukan penyesuaian manual.

Mulai Cepat API

moonshot/kimi-k2.7-code

Lihat Dokumentasi
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 || '');
}

Instal SDK dan mulai melakukan panggilan API dalam hitungan menit.

Apa Kata Orang Tentang Kimi K2.7 Code

Lihat apa yang dipikirkan komunitas tentang Kimi K2.7 Code

Kimi 2.7 berada di peringkat ke-2 setelah Fable 5 dan sebelum GPT-5 xhigh... Kimi 2.7 sangat bagus.
Przemek Chojecki
twitter
Kimi K2.7 Code membuat Kimi K2.6 terlihat sangat usang... model ini memberikan rendering gelombang air yang paling realistis!
GMI Cloud
twitter
Ini adalah model open-weights #1 di SWE-bench (78,2%) dan Terminal-Bench 2.1.
Vals AI
twitter
Kimi-K2.7-Code sekarang sudah dirilis dan open-sourced! Peningkatan performa coding & agen dibandingkan K2.6.
Kimi.ai
twitter
Model ini menangani 50 PDF hukum sekaligus tanpa kesulitan sedikitpun.
ThePromptEngineer
youtube
Harganya turun dari $20/bulan menjadi $1,5/bulan dengan API. UX yang layak.
LocalLLaMA-User
reddit

Video Tentang Kimi K2.7 Code

Tonton tutorial, ulasan, dan diskusi tentang Kimi K2.7 Code

Model ini mulai berpikir jauh lebih banyak dan jauh lebih lama.

2.7 memberikan hasil yang lebih baik dan lebih cepat, meskipun sedikit lebih mahal dalam hal total tokens yang digunakan.

Model ini berpikir lebih dalam ke dalam implementasi proyek yang lebih panjang sampai akhirnya berhasil.

Model ini tidak hanya mengeluarkan kode, tetapi merencanakan arsitekturnya terlebih dahulu dalam thinking tokens-nya.

Logika dalam skrip Python sangat sempurna dibandingkan dengan versi 2.6 sebelumnya.

Model ini telah meningkatkan efisiensi token dibandingkan Kimi K2.6, mengurangi penggunaan thinking tokens sekitar 30%.

Proses reasoning jauh lebih langsung sambil tetap mempertahankan tingkat keberhasilan yang tinggi.

Kesenjangan antara keduanya tidak terlalu besar jika mempertimbangkan bahwa model ini 12,5 kali lebih murah daripada Claude Fable.

Model ini 12,5 kali lebih murah daripada Claude Fable pada harga API saat ini.

Performa pada SWE-bench Verified adalah yang terbaik untuk rilisan open-weights.

Context window 256k sangat stabil untuk pembuatan proyek multi-file.

Model ini menangani logika C++ tanpa perlu dokumentasi library eksternal.

Proses reasoning sekarang jauh lebih linear tanpa pengulangan yang tidak perlu.

Model ini membangun seluruh struktur proyek dalam 15 menit termasuk komponen backend.

Ini adalah model open-weights terbaik untuk tugas coding yang tersedia saat ini di pasar.

Lebih dari sekadar prompt

Tingkatkan alur kerja Anda dengan Otomatisasi AI

Automatio menggabungkan kekuatan agen AI, otomatisasi web, dan integrasi cerdas untuk membantu Anda mencapai lebih banyak dalam waktu lebih singkat.

Agen AI
Otomasi Web
Alur Kerja Cerdas

Tips Pro untuk Kimi K2.7 Code

Tips ahli untuk memaksimalkan Kimi K2.7 Code.

Pertahankan Mode Berpikir

Selalu aktifkan preserve_thinking dalam panggilan API Anda untuk memastikan model menggunakan chain-of-thought yang dioptimalkan untuk logika.

Prompting Multimodal

Berikan tangkapan layar bug saat ini atau mockup UI beserta instruksi teks untuk meningkatkan tingkat keberhasilan pembuatan kode.

Kelola Anggaran Context

Letakkan instruksi yang sangat penting di awal atau akhir prompt agar model mengikuti instruksi dengan lebih andal.

Integrasi CLI

Gunakan Kimi Code CLI resmi untuk pengembangan lokal guna memanfaatkan kemampuan native model dalam berinteraksi dengan lingkungan lokal.

Testimoni

Apa Kata Pengguna Kami

Bergabunglah dengan ribuan pengguna puas yang telah mengubah alur kerja mereka

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.

Terkait 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

Pertanyaan yang Sering Diajukan tentang Kimi K2.7 Code

Temukan jawaban untuk pertanyaan umum tentang Kimi K2.7 Code