moonshot

Kimi K2.7 Code

Kimi K2.7 Code เป็นโมเดล MoE ขนาด 1 ล้านล้าน parameters จาก Moonshot AI มาพร้อม context window 262k และการประมวลผลเหตุผลที่ทรงพลังขึ้น 30%...

Coding FlagshipOpen WeightsMoE ArchitectureMultimodal AIReasoning Model
moonshot logomoonshotKimi12 มิถุนายน 2026
บริบท
262Kโทเคน
เอาต์พุตสูงสุด
262Kโทเคน
ราคาอินพุต
$0.95/ 1M
ราคาเอาต์พุต
$4.00/ 1M
โหมด:TextImageVideo
ความสามารถ:การมองเห็นเครื่องมือสตรีมมิ่งการใช้เหตุผล
เกณฑ์มาตรฐาน
GPQA
65.8%
GPQA: คำถามวิทยาศาสตร์ระดับบัณฑิตศึกษา. เกณฑ์มาตรฐานที่เข้มงวดพร้อม 448 คำถามจากชีววิทยา ฟิสิกส์ และเคมี ผู้เชี่ยวชาญ PhD ทำได้เพียง 65-74% Kimi K2.7 Code ได้คะแนน 65.8% ในเกณฑ์มาตรฐานนี้
HLE
38.2%
HLE: การใช้เหตุผลระดับผู้เชี่ยวชาญ. ทดสอบความสามารถของโมเดลในการแสดงการใช้เหตุผลระดับผู้เชี่ยวชาญในสาขาเฉพาะทาง Kimi K2.7 Code ได้คะแนน 38.2% ในเกณฑ์มาตรฐานนี้
MMLU
87.2%
MMLU: ความเข้าใจภาษาแบบมัลติทาสก์ขนาดใหญ่. เกณฑ์มาตรฐานที่ครอบคลุมพร้อม 16,000 คำถามใน 57 วิชา Kimi K2.7 Code ได้คะแนน 87.2% ในเกณฑ์มาตรฐานนี้
MMLU Pro
71.4%
MMLU Pro: MMLU รุ่นมืออาชีพ. เวอร์ชันที่ปรับปรุงของ MMLU พร้อม 12,032 คำถามและรูปแบบ 10 ตัวเลือกที่ยากขึ้น Kimi K2.7 Code ได้คะแนน 71.4% ในเกณฑ์มาตรฐานนี้
SimpleQA
52.4%
SimpleQA: เกณฑ์มาตรฐานความถูกต้องของข้อเท็จจริง. ทดสอบความสามารถของโมเดลในการให้คำตอบที่ถูกต้องและเป็นข้อเท็จจริง Kimi K2.7 Code ได้คะแนน 52.4% ในเกณฑ์มาตรฐานนี้
IFEval
88.5%
IFEval: การประเมินการปฏิบัติตามคำสั่ง. วัดว่าโมเดลปฏิบัติตามคำสั่งและข้อจำกัดเฉพาะได้ดีเพียงใด Kimi K2.7 Code ได้คะแนน 88.5% ในเกณฑ์มาตรฐานนี้
AIME 2025
91.5%
AIME 2025: การสอบคณิตศาสตร์เชิญชวนอเมริกัน. โจทย์คณิตศาสตร์ระดับการแข่งขันจากการสอบ AIME ที่มีชื่อเสียง Kimi K2.7 Code ได้คะแนน 91.5% ในเกณฑ์มาตรฐานนี้
MATH
81.3%
MATH: การแก้ปัญหาคณิตศาสตร์. เกณฑ์มาตรฐานคณิตศาสตร์ที่ครอบคลุมทดสอบการแก้ปัญหาในพีชคณิต เรขาคณิต แคลคูลัส Kimi K2.7 Code ได้คะแนน 81.3% ในเกณฑ์มาตรฐานนี้
GSM8k
97.2%
GSM8k: คณิตศาสตร์ประถม 8K. 8,500 โจทย์คณิตศาสตร์ระดับประถมศึกษา Kimi K2.7 Code ได้คะแนน 97.2% ในเกณฑ์มาตรฐานนี้
MGSM
92.4%
MGSM: คณิตศาสตร์ประถมหลายภาษา. เกณฑ์มาตรฐาน GSM8k แปลเป็น 10 ภาษา Kimi K2.7 Code ได้คะแนน 92.4% ในเกณฑ์มาตรฐานนี้
MathVista
65.5%
MathVista: การใช้เหตุผลเชิงภาพคณิตศาสตร์. ทดสอบความสามารถในการแก้ปัญหาคณิตศาสตร์ที่มีองค์ประกอบภาพ Kimi K2.7 Code ได้คะแนน 65.5% ในเกณฑ์มาตรฐานนี้
SWE-Bench
78.2%
SWE-Bench: เกณฑ์มาตรฐานวิศวกรรมซอฟต์แวร์. โมเดล AI พยายามแก้ปัญหา GitHub จริงในโครงการ Python Kimi K2.7 Code ได้คะแนน 78.2% ในเกณฑ์มาตรฐานนี้
HumanEval
94.2%
HumanEval: โจทย์เขียนโปรแกรม Python. 164 โจทย์เขียนโปรแกรมที่โมเดลต้องสร้างการใช้งานฟังก์ชัน Python ที่ถูกต้อง Kimi K2.7 Code ได้คะแนน 94.2% ในเกณฑ์มาตรฐานนี้
LiveCodeBench
68.5%
LiveCodeBench: เกณฑ์มาตรฐานเขียนโค้ดสด. ทดสอบความสามารถในการเขียนโค้ดบนความท้าทายการเขียนโปรแกรมจริงที่อัปเดตอย่างต่อเนื่อง Kimi K2.7 Code ได้คะแนน 68.5% ในเกณฑ์มาตรฐานนี้
MMMU
72.4%
MMMU: ความเข้าใจหลายโหมด. เกณฑ์มาตรฐานความเข้าใจหลายโหมดจาก 30 วิชามหาวิทยาลัย Kimi K2.7 Code ได้คะแนน 72.4% ในเกณฑ์มาตรฐานนี้
MMMU Pro
48.2%
MMMU Pro: MMMU รุ่นมืออาชีพ. เวอร์ชันที่ปรับปรุงของ MMMU พร้อมคำถามที่ท้าทายมากขึ้น Kimi K2.7 Code ได้คะแนน 48.2% ในเกณฑ์มาตรฐานนี้
ChartQA
84.2%
ChartQA: คำถามและคำตอบกราฟ. ทดสอบความสามารถในการเข้าใจและวิเคราะห์ข้อมูลจากกราฟและแผนภูมิ Kimi K2.7 Code ได้คะแนน 84.2% ในเกณฑ์มาตรฐานนี้
DocVQA
90.1%
DocVQA: คำถามเชิงภาพเอกสาร. ทดสอบความสามารถในการสกัดข้อมูลจากภาพเอกสาร Kimi K2.7 Code ได้คะแนน 90.1% ในเกณฑ์มาตรฐานนี้
Terminal-Bench
67%
Terminal-Bench: งาน Terminal/CLI. ทดสอบความสามารถในการดำเนินการ command-line Kimi K2.7 Code ได้คะแนน 67% ในเกณฑ์มาตรฐานนี้
ARC-AGI
12.5%
ARC-AGI: การนามธรรมและการใช้เหตุผล. ทดสอบความฉลาดที่ยืดหยุ่นผ่านปริศนาการจดจำรูปแบบใหม่ Kimi K2.7 Code ได้คะแนน 12.5% ในเกณฑ์มาตรฐานนี้

เกี่ยวกับ Kimi K2.7 Code

เรียนรู้เกี่ยวกับความสามารถของ Kimi K2.7 Code คุณสมบัติ และวิธีที่จะช่วยให้คุณได้ผลลัพธ์ที่ดีขึ้น

โมเดล Mixture of Experts ขนาด 1 ล้านล้าน Parameters

Kimi K2.7 Code คือรุ่นล่าสุดของโมเดลแบบ Mixture of Experts (MoE) ขนาด 1 ล้านล้าน parameters ของ Moonshot AI ที่ได้รับการปรับแต่งมาเพื่อวิศวกรรมซอฟต์แวร์และระบบอัตโนมัติแบบเอเจนต์ โดยโมเดลจะเปิดใช้งาน 32 พันล้าน parameters ต่อขั้นตอนการ inference ซึ่งช่วยสร้างสมดุลระหว่างความฉลาดระดับสูงและความเร็วในการทำงาน นอกจากนี้ยังเปิดตัวกลไกการใช้เหตุผลที่ละเอียดขึ้น ซึ่งใช้ tokens ในการคิดน้อยลง 30 เปอร์เซ็นต์เมื่อเทียบกับรุ่นก่อน ทำให้การแก้ปัญหาทางเทคนิครวดเร็วและคุ้มค่ากว่าเดิมสำหรับการสนทนาหลายรอบ

ความสามารถ Multimodal และ Visual Context โดยกำเนิด

โมเดลนี้เป็นแบบ multimodal โดยกำเนิด รองรับการประมวลผลข้อความ รูปภาพ และวิดีโอ โดยมี context window ขนาด 262,144 tokens ที่รองรับการทำงานกับโค้ดเบสขนาดใหญ่และ stack trace ที่ซับซ้อน ด้วยการปล่อยโมเดลในรูปแบบ open weights Moonshot AI ได้มอบทางเลือกใหม่นอกเหนือจากโมเดล frontier แบบปิดสำหรับนักพัฒนาที่สร้างเอเจนต์ AI อัตโนมัติ โดยโมเดลยังคงความสม่ำเสมอในงานเขียนโค้ดระยะยาวและสามารถแปลงดีไซน์ภาพให้เป็นโค้ดที่ใช้งานได้จริงโดยไม่ต้องพึ่งพาคำอธิบายที่เป็นข้อความ

Kimi K2.7 Code

กรณีการใช้งานสำหรับ Kimi K2.7 Code

ค้นพบวิธีต่างๆ ที่คุณสามารถใช้ Kimi K2.7 Code เพื่อได้ผลลัพธ์ที่ยอดเยี่ยม

การเขียนโค้ดด้วยเอเจนต์อัตโนมัติ

ขับเคลื่อนเอเจนต์แบบหลายขั้นตอนที่สามารถนำทางผ่านโครงสร้างไฟล์ที่ซับซ้อนและรีแฟคเตอร์โค้ดข้ามไฟล์ผ่านการเข้าถึงเทอร์มินัล

การแปลงภาพเป็นโค้ด

แปลงดีไซน์ UI หรือไดอะแกรมสถาปัตยกรรมที่ซับซ้อนให้เป็นโค้ดฝั่ง front-end หรือระบบที่ใช้งานได้จริง

การดีบั๊กโปรเจกต์ขนาดใหญ่

วิเคราะห์ประวัติโปรเจกต์ทั้งหมดและ stack trace ภายใน context window ขนาด 262k เพื่อระบุบั๊กเชิงสถาปัตยกรรม

การสังเคราะห์ฉาก 3D

สร้างสภาพแวดล้อม 3D แบบโต้ตอบที่มีความแม่นยำสูงโดยใช้ Three.js หรือ C++ จากคำอธิบายด้วยภาษาธรรมชาติ

การประกันคุณภาพ (QA) ผ่านวิดีโอ

วิเคราะห์เซสชันการบันทึกหน้าจอหรือวิดีโอเดโมเพื่อระบุบั๊กเชิงภาพและการเปลี่ยนผ่านของ UI ที่ไม่สอดคล้องกัน

การปรับปรุงระบบเดิม (Legacy Modernization)

เปลี่ยนผ่านโค้ดเบสเก่าไปสู่เฟรมเวิร์กสมัยใหม่โดยอัตโนมัติ โดยรักษาความต่อเนื่องของ chain-of-thought เอาไว้

จุดแข็ง

ข้อจำกัด

คะแนน Coding Benchmark ระดับแนวหน้า: ทำคะแนนได้ 78.2 เปอร์เซ็นต์บน SWE-bench Verified และ 94.2 เปอร์เซ็นต์บน HumanEval ซึ่งเหนือกว่าโมเดล open-weights ส่วนใหญ่
การจัดรูปแบบ C++ ที่ยังไม่นิ่ง: อาจต้องลองใหม่หลายครั้งในการเขียนไฟล์ C++ ขนาดใหญ่โดยไม่ทำให้เกิดข้อผิดพลาดด้านไวยากรณ์หรือการจัดรูปแบบเพียงเล็กน้อย
ประสิทธิภาพด้าน Reasoning: ลดการใช้ thinking-token ลง 30 เปอร์เซ็นต์เมื่อเทียบกับรุ่นก่อนหน้า ทำให้วงจรงานที่ซับซ้อนทำงานได้เร็วขึ้น
ขนาด Context Window เมื่อเทียบกับคู่แข่ง: แม้ 262k จะถือว่าใหญ่มาก แต่ยังตามหลัง context window ระดับ 1 ล้าน tokens ของ Google Gemini 2.0
รองรับวิดีโอโดยกำเนิด: เป็นหนึ่งในไม่กี่โมเดลที่สามารถประมวลผลอินพุตวิดีโอได้โดยตรงสำหรับการทดสอบ UI และการดีบั๊กเชิงภาพ
ความเสถียรของ Headless Browser: ระบบ QA อัตโนมัติที่ใช้ headless Chrome อาจค้างในบางครั้งระหว่างขั้นตอนการตรวจสอบที่ยาวนาน
ความคุ้มค่าต่อประสิทธิภาพ: มอบประสิทธิภาพการเขียนโค้ดระดับ GPT-5.5 ในราคาที่ต่ำเพียง $0.95 ต่อล้าน input tokens
ความแม่นยำด้านฟิสิกส์ 3D: อาจมีปัญหาเรื่องแรงโน้มถ่วงที่สมจริงหรือแรงเสียดทานที่ซับซ้อนในการจำลองฟิสิกส์ที่สร้างขึ้น ซึ่งต้องมีการปรับแต่งด้วยตนเอง

เริ่มต้นด่วน API

moonshot/kimi-k2.7-code

ดูเอกสาร
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 || '');
}

ติดตั้ง SDK และเริ่มเรียก API ภายในไม่กี่นาที

ผู้คนพูดอะไรเกี่ยวกับ Kimi K2.7 Code

ดูว่าชุมชนคิดอย่างไรเกี่ยวกับ Kimi K2.7 Code

Kimi 2.7 ติดอันดับ 2 รองจาก Fable 5 และก่อนหน้า GPT-5 xhigh... Kimi 2.7 ดีเยี่ยมอย่างน่าเหลือเชื่อ
Przemek Chojecki
twitter
Kimi K2.7 Code ทำให้ Kimi K2.6 ดูเก่าไปเลย... มันเรนเดอร์คลื่นน้ำได้สมจริงที่สุด!
GMI Cloud
twitter
มันเป็นโมเดล open weight อันดับ 1 บน SWE-bench (78.2%) และ Terminal-Bench 2.1
Vals AI
twitter
Kimi-K2.7-Code เปิดตัวและเป็นโอเพนซอร์สแล้ว! ปรับปรุงการเขียนโค้ดและประสิทธิภาพของเอเจนต์ได้ดีกว่า K2.6
Kimi.ai
twitter
มันจัดการกับไฟล์ PDF กฎหมาย 50 ฉบับในรวดเดียวได้สบายๆ
ThePromptEngineer
youtube
ราคาลดลงจาก $20 ต่อเดือนเหลือ $1.5 ต่อเดือนเมื่อใช้ API ถือว่า UX ดีมาก
LocalLLaMA-User
reddit

วิดีโอเกี่ยวกับ Kimi K2.7 Code

ดูบทเรียน รีวิว และการสนทนาเกี่ยวกับ Kimi K2.7 Code

มันเริ่มคิดเยอะขึ้นและคิดนานขึ้นมาก

2.7 ให้ผลลัพธ์ที่ดีขึ้น เร็วขึ้น แต่มีค่าใช้จ่ายเพิ่มขึ้นเล็กน้อยในแง่ของจำนวน tokens ทั้งหมดที่ใช้

มันคิดลึกขึ้นในโปรเจกต์ที่ยาวขึ้นจนกระทั่งทำงานสำเร็จ

มันไม่ได้แค่พิมพ์โค้ดออกมา แต่มันวางแผนสถาปัตยกรรมก่อนใน reasoning tokens

ตรรกะในสคริปต์ Python นั้นไร้ที่ติเมื่อเทียบกับเวอร์ชัน 2.6 ก่อนหน้า

มันปรับปรุงประสิทธิภาพการใช้ token ให้ดีขึ้นกว่า Kimi K2.6 โดยลดการใช้ thinking token ลงประมาณ 30%

กระบวนการใช้เหตุผลตรงไปตรงมามากขึ้นในขณะที่ยังรักษาอัตราความสำเร็จที่สูงของโมเดลเอาไว้

ช่องว่างระหว่างทั้งสองรุ่นไม่ได้ห่างกันมากนักเมื่อพิจารณาว่าโมเดลนี้ถูกกว่า Claude Fable ถึง 12.5 เท่า

โมเดลนี้ถูกกว่า Claude Fable 12.5 เท่าตามราคา API ปัจจุบัน

ประสิทธิภาพบน SWE-bench Verified อยู่ในระดับแนวหน้าสำหรับโมเดลแบบ open-weight

Context window ขนาด 256k มีความเสถียรอย่างเหลือเชื่อสำหรับการสร้างโปรเจกต์หลายไฟล์

มันจัดการตรรกะ C++ ได้โดยไม่ต้องใช้เอกสารอ้างอิงจากไลบรารีภายนอก

กระบวนการใช้เหตุผลเป็นเส้นตรงมากขึ้นโดยไม่มีลูปที่ซ้ำซ้อน

มันสร้างโครงสร้างโปรเจกต์ทั้งหมดใน 15 นาที รวมถึงส่วนประกอบฝั่งแบ็กเอนด์

มันเป็นโมเดลแบบ open-weight ที่ดีที่สุดสำหรับงานเขียนโค้ดที่มีในตลาดตอนนี้

มากกว่าแค่พรอมต์

เพิ่มพลังให้เวิร์กโฟลว์ของคุณด้วย ระบบอัตโนมัติ AI

Automatio รวมพลังของ AI agents การอัตโนมัติเว็บ และการผสานรวมอัจฉริยะเพื่อช่วยให้คุณทำงานได้มากขึ้นในเวลาน้อยลง

AI Agents
การอัตโนมัติเว็บ
เวิร์กโฟลว์อัจฉริยะ

เคล็ดลับมือโปรสำหรับ Kimi K2.7 Code

เคล็ดลับจากผู้เชี่ยวชาญเพื่อช่วยให้คุณใช้ประโยชน์สูงสุดจาก Kimi K2.7 Code และได้ผลลัพธ์ที่ดีขึ้น

รักษาโหมดการคิด (Preserve Thinking Mode)

เปิดใช้งาน preserve_thinking ในการเรียกใช้ API ของคุณเสมอ เพื่อให้มั่นใจว่าโมเดลจะใช้ chain-of-thought ที่ปรับแต่งมาเพื่อตรรกะเหตุผล

การเขียน Prompt แบบ Multimodal

แนบภาพหน้าจอของบั๊กปัจจุบันหรือ UI mockup พร้อมกับคำสั่งที่เป็นข้อความ เพื่อเพิ่มอัตราความสำเร็จในการสร้างโค้ด

จัดการงบประมาณ Context

วางคำสั่งที่เน้นประสิทธิภาพไว้ที่ส่วนต้นหรือส่วนท้ายของ prompt เพื่อผลลัพธ์ในการปฏิบัติตามคำสั่งที่แม่นยำที่สุด

การใช้งานผ่าน CLI

ใช้ Kimi Code CLI อย่างเป็นทางการสำหรับการพัฒนาในเครื่อง เพื่อใช้ความสามารถของโมเดลในการโต้ตอบกับสภาพแวดล้อมภายในเครื่องโดยตรง

คำรับรอง

ผู้ใช้ของเราพูดอย่างไร

เข้าร่วมกับผู้ใช้ที่พึงพอใจนับพันที่ได้เปลี่ยนแปลงเวิร์กโฟลว์ของพวกเขา

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.

ที่เกี่ยวข้อง 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

คำถามที่พบบ่อยเกี่ยวกับ Kimi K2.7 Code

ค้นหาคำตอบสำหรับคำถามทั่วไปเกี่ยวกับ Kimi K2.7 Code