Kimi K2.7 Code: Moonshots kodemodell
Moonshots nyeste open-weight-modell. Best-i-klassen agentiske benchmarks i open-source-fronten og et Claude-kompatibelt grensesnitt.
256K tokens · Text / Vision / Code · Prompt cache
Okou kjører ikke lenger Kimi K2.7 Code. Denne siden beholdes som en referanse for dens spesifikasjoner, priser og benchmarks. For samme type arbeid, bruk GPT 5.6 Luna.
Se GPT 5.6 LunaKimi K2.7 Code er Moonshots flaggskip med åpen vekt og for tiden den sterkeste åpen kildekode-agentmodellen på flere offentlige referansepunkter. Den opprettholder svært lange kjøringer uten å miste tråden (Moonshot har dokumentert uovervåkede økter på over 12 timer og over 4000 verktøyanrop) og aksepterer bilde- og videoinndata. Leverandørrapportert SWE-bench Pro treffer 58,6 (over Claude Opus 4.6 og GPT-5.4 på den referansen), og hallusinasjonsraten falt fra K2.6s ~65 % til ~39 %.
Leverandørens listepris er 1,14 USD / 4,80 USD per 1 million tokens, åpne vekter sendes under en modifisert MIT-lisens, og API er Anthropic-kompatibel. Velg Sonnet 4.6 når pålitelighet for verktøyruting i produksjon er viktigere enn referansepunkter, og Kimi K2.7 Code når latens dominerer.
Hva er Kimi K2.7 Code?
Juni 2026 · Toppen av Moonshots åpen-vekt Kimi K2-serie. Etterfølger til K2.6 og K2 Thinking.
Kimi K2.7 Code er Moonshot AIs åpen-vekt agentiske modell utgitt juni 2026. Det er en 1-trillion-parameter Mixture-of-Experts (MoE) modell med 32B aktive parametere per token. Samme arkitekturfamilie som K2.6 og K2 Thinking, med betydelige gevinster på agentisk koding og langhorisont-resonnement.
K2.7 gjorde et skikkelig inntrykk på uavhengige ledertavler. Leverandørrapporterte resultater plasserer den foran GPT-5.4 (xhigh) og Claude Opus 4.6 (maks innsats) på SWE-bench Pro, med en hallusinasjonsrate på 39 % (ned fra K2.6s 65 %). Artificial Analysis rangerer den som nr. 4 på sin Intelligence Index. Det ledende åpen-vekt-alternativet.
Hva er bemerkelsesverdig med Kimi K2.7 Code
Overskriftsarkitektur og funksjonsfunksjoner.
K2.7 er en Mixture-of-Experts-modell med 1T totale parametere og 32B aktive per token, frontet av et 256K-token kontekstvindu og multimodal input på tvers av bilde og video (kun tekstutdata). Moonshot parer den med en Agent Swarm-kjøretid som skalerer horisontalt til 300 underagenter og 4 000 koordinerte trinn, og har dokumentert langsiktige kodesesjoner på 12 timer eller mer. Åpne vekter er publisert på Hugging Face under en Modified MIT License.
Spesifikasjoner på et øyeblikk
Kimi K2.7 Code referansepunkter
Leverandørrapporterte resultater fra Moonshots K2.7-utgivelsesblogg. Uavhengige tredjeparter (Artificial Analysis, TokenMix) bekrefter den relative rekkefølgen. K2.7s hallusinasjonsrate falt til 39% fra K2.6s 65%. En betydelig forbedring av sikkerhet/pålitelighet.
Kimi K2.7 Code priser
Leverandørens listepris, per 1M tokens.
Hvordan Kimi K2.7 Code oppfører seg i praksis
Observert atferd fra produksjonsagentkjøringer.
Langkontekstgjenkalling
Sterkeste langkontekstgjenkalling i vår interne evaluering på tvers av Built-in-utvalget. Opprettholder koherens på tvers av lange agenttranskripsjoner der Anthropic Sonnet begynner å avvike.
Agentiske referansepunkter
Leverandørrapportert SWE-bench Pro 58.6 er den høyeste i utvalget i skrivende stund. Slår GPT-5.4 og Opus 4.6.
Langhorisontkoding
Dokumenterte 12+ timers autonome økter som fullførte 4000+ verktøyanrop. Modellen opprettholder ytelsen over svært lange kjøringer.
Beste agentoppgaver for Kimi K2.7 Code
Undersøkelsen som må lese hver gamle tråd
Grav gjennom seks måneder med Slack-samtaler for å finne ut hvorfor en kunde sa opp, gå gjennom køen for supportbilletter for et gjentakende feilmønster, eller sett sammen innsikt fra hundre RFC-er. K2.7s langkontekst-gjenkalling holder stand på tvers av transkripsjoner der Anthropic Sonnet begynner å miste tidligere vendinger, noe som er akkurat det «lese hele bunken»-arbeidsflyter trenger.
Den autonome refaktoreringen som kjører over natten
Moonshot har dokumentert en 13-timers autonom refaktorering av en åtte år gammel matchende motor, med K2.7 som opprettholder 4000+ verktøyanrop uten å avvike fra oppgaven. Det er den typen kjøring der de fleste modeller mister målet et sted rundt time to; K2.7s langtidshorisontstabilitet er det som gjør at «start den fredag kveld, sjekk mandag morgen» faktisk fungerer.
Den multimodale agenten som håndterer skjermbilder og klipp
K2.7 aksepterer både bilde- og videoinndata via MoonViT, noe som er uvanlig utenfor Claude-familien. Nyttig for skjermbilde-drevne QA-agenter, dokument-visjons-pipelines og enhver distribusjon der du ellers måtte spleise inn en separat visjonsmodell bare for å lese bilder.
Kimi K2.7 Code vs andre modeller
Kimi K2.7 Code vs GLM-5.2
Begge er nåværende kostnadsbesparende alternativer med lang kontekst. K2.7 Code er Moonshot-standard med sterkere multimodal kode-passform; GLM-5.2 er den nåværende Z.AI-standarden med et større 1M-token kontekstvindu.
Kimi K2.7 Code vs Claude Sonnet 4.6
Sonnet (×1) leder på pålitelighet for ruting av flere verktøy på engelsk. K2.7 (×0.3) vinner på kostnad og på agentiske referansepunkter (SWE-bench Pro). Kombiner dem: Sonnet for kompleks verktøyruting, K2.7 for kostnadssensitivt agentarbeid.
Kimi K2.7 Code vs DeepSeek V4 Pro
DeepSeek V4 Pro er billigere og har et større 1M-token kontekstvindu. Kimi K2.7 Code er den sterkere Moonshot-native koderuten og inkluderer visuell input. Velg etter leverandørtilpasning og arbeidsbelastningsform.
Konklusjon: bør du bruke Kimi K2.7 Code?
Standard med åpen vekt for seriøst agentarbeid – lang kontekst, kostnadseffektivt. De gjenværende hullene sammenlignet med Sonnet 4.6 er verktøyrutingpålitelighet og bedriftsstøtte.
Ofte stilte spørsmål
Når ble Kimi K2.7 Code utgitt?
Moonshot AI lanserte Kimi K2.7 Code i juni 2026. Åpne vekter er publisert på Hugging Face under en Modified MIT License.
Hva er kontekstvinduet?
256K tokens. K2.7 skiller seg ut på gjenkallingskvalitet ved den størrelsen, ikke rå vindusstørrelse. Gjenkalling begynner å forringes etter ~180K (ligner på andre 256K-modeller).
Hvordan sammenligner Kimi K2.7 Code seg med Claude Opus 4.6?
På agentiske benchmarks (leverandørrapportert) leder K2.7. SWE-bench Pro 58.6 vs Opus 4.6s 53.4, HLE med verktøy 54.0 vs 53.0. Opus 4.6 beholder et forsprang på sikkerhetsprofil og engelskspråklig verktøyrutingpålitelighet i produksjon.
Støtter K2.7 bildeinndata?
Ja. K2.7 aksepterer bilde- og videoinndata. Kun tekstutdata. Multimodale agenter fungerer naturlig.
Tilgjengelighet av Kimi K2.7 Code på Okou
Kimi K2.7 Code er fjernet fra Okou-utvalget, så den kan ikke lenger velges i chat eller i en arbeidsflyt, og den er ikke tilgjengelig med din egen API-nøkkel. GPT 5.6 Luna dekker samme kostnadsbesparende nivå.
