moonshot

Kimi K2.7 Code

Kimi K2.7 Code är en MoE-modell med 1T parameters från Moonshot AI. Den har ett context window på 262k och 30 % effektivare reasoning för mjukvaruutveckling.

Kodning FlagshipOpen WeightsMoE-arkitekturMultimodal AIReasoning Model
moonshot logomoonshotKimi12 juni 2026
Kontext
262Ktokens
Max utdata
262Ktokens
Inmatningspris
$0.95/ 1M
Utdatapris
$4.00/ 1M
Modalitet:TextImageVideo
Kapaciteter:VisionVerktygStreamingResonemang
Benchmarks
GPQA
65.8%
GPQA: Vetenskapliga fragor pa forskarutbildningsniva. Ett rigorost benchmark med 448 fragor fran biologi, fysik och kemi. PhD-experter uppnar endast 65-74% noggrannhet. Kimi K2.7 Code fick 65.8% pa detta benchmark.
HLE
38.2%
HLE: Expertniva resonemang. Testar modellens formaga att demonstrera expertniva resonemang inom specialiserade omraden. Kimi K2.7 Code fick 38.2% pa detta benchmark.
MMLU
87.2%
MMLU: Massiv multitask sprakforstaelse. Ett omfattande benchmark med 16 000 fragor over 57 akademiska amnen. Kimi K2.7 Code fick 87.2% pa detta benchmark.
MMLU Pro
71.4%
MMLU Pro: MMLU Professionell utgava. En forbattrad version av MMLU med 12 032 fragor och ett svarare 10-alternativsformat. Kimi K2.7 Code fick 71.4% pa detta benchmark.
SimpleQA
52.4%
SimpleQA: Benchmark for faktisk noggrannhet. Testar modellens formaga att ge korrekta, faktabaserade svar. Kimi K2.7 Code fick 52.4% pa detta benchmark.
IFEval
88.5%
IFEval: Utvardering av instruktionsfoljandeformaga. Mater hur val en modell foljer specifika instruktioner och begransningar. Kimi K2.7 Code fick 88.5% pa detta benchmark.
AIME 2025
91.5%
AIME 2025: American Invitational Mathematics Examination. Matematikproblem pa tavlingsniva fran det prestigefyllda AIME-provet. Kimi K2.7 Code fick 91.5% pa detta benchmark.
MATH
81.3%
MATH: Matematisk problemlosning. Ett omfattande matematik-benchmark som testar problemlosning i algebra, geometri, kalkyl. Kimi K2.7 Code fick 81.3% pa detta benchmark.
GSM8k
97.2%
GSM8k: Grundskola matematik 8K. 8 500 matematiska ordproblem pa grundskoleniva. Kimi K2.7 Code fick 97.2% pa detta benchmark.
MGSM
92.4%
MGSM: Flersprakig grundskola matematik. GSM8k-benchmarket oversatt till 10 sprak. Kimi K2.7 Code fick 92.4% pa detta benchmark.
MathVista
65.5%
MathVista: Matematiskt visuellt resonemang. Testar formagan att losa matematikproblem med visuella element. Kimi K2.7 Code fick 65.5% pa detta benchmark.
SWE-Bench
78.2%
SWE-Bench: Benchmark for mjukvaruutveckling. AI-modeller forsoker losa verkliga GitHub-problem i Python-projekt. Kimi K2.7 Code fick 78.2% pa detta benchmark.
HumanEval
94.2%
HumanEval: Python-programmeringsproblem. 164 programmeringsproblem dar modeller maste generera korrekta Python-funktionsimplementationer. Kimi K2.7 Code fick 94.2% pa detta benchmark.
LiveCodeBench
68.5%
LiveCodeBench: Live-kodningsbenchmark. Testar kodningsformaga pa kontinuerligt uppdaterade, verkliga programmeringsutmaningar. Kimi K2.7 Code fick 68.5% pa detta benchmark.
MMMU
72.4%
MMMU: Multimodal forstaelse. Multimodalt forstaelsebenchmark fran 30 universitetsanknutna amnen. Kimi K2.7 Code fick 72.4% pa detta benchmark.
MMMU Pro
48.2%
MMMU Pro: MMMU Professionell utgava. Forbattrad version av MMMU med mer utmanande fragor. Kimi K2.7 Code fick 48.2% pa detta benchmark.
ChartQA
84.2%
ChartQA: Diagram fragor och svar. Testar formagan att forsta och analysera information fran diagram och grafer. Kimi K2.7 Code fick 84.2% pa detta benchmark.
DocVQA
90.1%
DocVQA: Visuella dokumentfragor. Testar formagan att extrahera information fran dokumentbilder. Kimi K2.7 Code fick 90.1% pa detta benchmark.
Terminal-Bench
67%
Terminal-Bench: Terminal/CLI-uppgifter. Testar formagan att utfora kommandoradsoperationer. Kimi K2.7 Code fick 67% pa detta benchmark.
ARC-AGI
12.5%
ARC-AGI: Abstraktion och resonemang. Testar flytande intelligens genom nya monsterigenkannigspussel. Kimi K2.7 Code fick 12.5% pa detta benchmark.

Om Kimi K2.7 Code

Lar dig om Kimi K2.7 Codes kapacitet, funktioner och hur det kan hjalpa dig uppna battre resultat.

Mixture of Experts med en biljon parameters

Kimi K2.7 Code är den senaste iterationen av Moonshot AI:s Mixture of Experts (MoE)-modell med en biljon parameters. Den är optimerad för mjukvaruutveckling och automatiserade agenter. Modellen aktiverar 32 miljarder parameters per inference-steg, vilket balanserar hög intelligens med operativ hastighet. Den introducerar en förfinad reasoning-mekanism som använder 30 procent färre tokens för att tänka jämfört med tidigare versioner. Teknisk problemlösning går snabbare och är mer kostnadseffektiv för multi-turn konversationer.

Inbyggd multimodality och visuell kontext

Denna modell är naturligt multimodal och bearbetar input i form av text, bild och video. Dess context window på 262 144 tokens hanterar stora kodbaser och komplexa stack traces. Genom att släppa modellen med open weights erbjuder Moonshot AI ett alternativ till proprietära frontier models för utvecklare som bygger autonoma AI-agenter. Den upprätthåller konsekvens genom kodningsuppgifter med lång horisont och översätter visuella designer till funktionell kod utan behov av mellanliggande textbeskrivningar.

Kimi K2.7 Code

Anvandningsfall for Kimi K2.7 Code

Upptack de olika satten du kan anvanda Kimi K2.7 Code for att uppna fantastiska resultat.

Autonom Agentic Kodning

Driver flerstegs-agenter som navigerar i komplexa filstrukturer och utför refaktoreringar i flera filer via terminalåtkomst.

Visuell-till-kod-översättning

Omvandlar komplexa UI-designer eller arkitekturdiagram direkt till funktionell kod för frontend eller system.

Felsökning med lång horisont

Analyserar hela projekthistoriker och stack traces inom ett context window på 262k för att identifiera arkitektoniska buggar.

Syntes av 3D-scener

Genererar interaktiva 3D-miljöer med hög kvalitet genom Three.js eller C++ utifrån beskrivningar på naturligt språk.

Videobaserad kvalitetssäkring

Analyserar inspelade skärmsessioner eller videodemonstrationer för att identifiera visuella buggar och inkonsekventa UI-övergångar.

Modernisering av äldre system

Automatiserar migrering av äldre kodbaser till moderna ramverk genom att upprätthålla en konsekvent chain-of-thought.

Styrkor

Begransningar

Topprankade kodnings-benchmarks: Når 78,2 procent på SWE-bench Verified och 94,2 procent på HumanEval, vilket överträffar de flesta modeller med open-weights.
Inkonsekvent C++ formatering: Kan kräva flera försök för att skriva om stora C++-filer utan att introducera smärre syntax- eller formateringsfel.
Reasoning-effektivitet: Minskar overhead för thinking-tokens med 30 procent jämfört med tidigare generationer, vilket påskyndar komplexa cykler.
Context window kontra konkurrenter: Även om 262k är stort, ligger det efter de context windows på en miljon tokens som erbjuds av Google Gemini 2.0.
Inbyggt videostöd: En av få modeller som kan bearbeta direkt videoinput för UI-testning och visuell felsökning.
Stabilitet för headless-webbläsare: Autonoma QA-pipelines som använder headless Chrome kan ibland låsa sig under långa verifieringssteg.
Pris-prestanda-förhållande: Levererar prestanda på GPT-5.5-nivå för kodningsuppgifter till en låg kostnad på 0,95 USD per miljon input tokens.
Precision i 3D-fysik: Kan ha svårt med realistisk gravitation eller komplex friktion i genererade fysiksimuleringar, vilket kräver manuell finjustering.

API snabbstart

moonshot/kimi-k2.7-code

Visa dokumentation
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 || '');
}

Installera SDK och borja gora API-anrop pa nagra minuter.

Vad folk sager om Kimi K2.7 Code

Se vad communityt tycker om Kimi K2.7 Code

Kimi 2.7 rankades som nummer 2 efter Fable 5 och före GPT-5 xhigh... Kimi 2.7 är fantastiskt bra.
Przemek Chojecki
twitter
Kimi K2.7 Code gjorde precis Kimi K2.6 plågsamt föråldrad... den gav den mest realistiska renderingen av vattenvågor!
GMI Cloud
twitter
Det är open-weight-modell nummer 1 på SWE-bench (78,2 %) och Terminal-Bench 2.1.
Vals AI
twitter
Kimi-K2.7-Code har nu släppts och är open-source! Förbättrad kodning och agent-prestanda jämfört med K2.6.
Kimi.ai
twitter
Den hanterade 50 juridiska PDF-filer på ett svep utan problem.
ThePromptEngineer
youtube
Priset har gått ner från 20 USD/månad till 1,5 USD/månad med API:et. Bra UX.
LocalLLaMA-User
reddit

Videor om Kimi K2.7 Code

Se handledningar, recensioner och diskussioner om Kimi K2.7 Code

Den började tänka mycket mer och mycket längre.

2.7 levererade bättre resultat, snabbare, men var lite dyrare sett till totalt antal tokens som användes.

Den gick in i djupare resonemang vid implementering av längre projekt tills den faktiskt lyckades.

Den spottar inte bara ur sig kod, den planerar först arkitekturen i sina thinking tokens.

Logiken i Python-skriptet var felfri jämfört med den tidigare 2.6-versionen.

Den har förbättrad token-effektivitet jämfört med Kimi K2.6, vilket minskar användningen av thinking tokens med cirka 30 %.

Reasoning-processen är mycket mer direkt samtidigt som den bibehåller modellens höga framgångsgrad.

Skillnaden mellan de två är inte galen när man betänker att den här modellen är 12,5 gånger billigare än Claude Fable.

Denna modell är 12,5 gånger billigare än Claude Fable enligt nuvarande API-prislista.

Prestandan på SWE-bench Verified är i toppklass för en release med open-weights.

Ditt 256k context window är otroligt stabilt för generering av projekt med flera filer.

Den hanterade C++-logiken utan att behöva dokumentation för externa bibliotek.

Reasoning-processen är mycket mer linjär nu utan redundanta loopar.

Den byggde hela projektstrukturen på 15 minuter, inklusive backend-komponenterna.

Det är den bästa open-weight-modellen för kodningsuppgifter som finns på marknaden just nu.

Mer an bara promptar

Superladda ditt arbetsflode med AI-automatisering

Automatio kombinerar kraften av AI-agenter, webbautomatisering och smarta integrationer for att hjalpa dig astadkomma mer pa kortare tid.

AI-agenter
Webbautomatisering
Smarta arbetsfloden

Proffs-tips for Kimi K2.7 Code

Experttips for att hjalpa dig fa ut det mesta av Kimi K2.7 Code och uppna battre resultat.

Bevara Thinking Mode

Aktivera alltid preserve_thinking i dina API-anrop för att säkerställa att modellen använder sin optimerade reasoning chain för logiska uppgifter.

Multimodal Prompting

Bifoga skärmdumpar av buggar eller UI-mockups tillsammans med instruktioner i textform för att öka framgångsgraden vid kodgenerering.

Hantera Context Budget

Placera prestandakritiska instruktioner i början eller slutet av din prompt för att säkerställa att modellen följer dem så pålitligt som möjligt.

CLI-integrering

Använd det officiella Kimi Code CLI för lokal utveckling för att dra nytta av modellens inbyggda förmåga att interagera med lokala miljöer.

Omdomen

Vad vara anvandare sager

Ga med tusentals nojda anvandare som har transformerat sitt arbetsflode

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.

Relaterat 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

Vanliga fragor om Kimi K2.7 Code

Hitta svar pa vanliga fragor om Kimi K2.7 Code