Kimi K2.7 Code: Moonshot's codeermodellen
Moonshot's nieuwste open-weight model. Best-in-class agentic benchmarks aan de open-source grens en een Claude-compatibele interface.
256K tokens · Text / Vision / Code · Prompt cache
Okou draait Kimi K2.7 Code niet langer. Deze pagina wordt bewaard als referentie voor de specificaties, prijzen en benchmarks. Gebruik GPT 5.6 Luna voor hetzelfde soort werk.
Zie GPT 5.6 LunaKimi K2.7 Code is Moonshot's open-weight vlaggenschip en momenteel het sterkste open-source agentic model op verschillende openbare benchmarks. Het kan zeer lange runs volhouden zonder de draad te verliezen (Moonshot heeft onbeheerde sessies van meer dan 12 uur en meer dan 4.000 tool calls gedocumenteerd) en accepteert native beeld- en video-invoer. De door de leverancier gerapporteerde SWE-bench Pro-score is 58,6 (boven Claude Opus 4.6 en GPT-5.4 op die benchmark), en het hallucinatiepercentage daalde van ~65% van K2.6 naar ~39%.
De catalogusprijs van de leverancier is $1,14 / $4,80 per 1M tokens, open weights worden geleverd onder een Modified MIT-licentie, en de API is Anthropic-compatibel. Kies voor Sonnet 4.6 wanneer de betrouwbaarheid van tool-routing in productie belangrijker is dan benchmarkscores, en voor Kimi K2.7 Code wanneer latentie domineert.
Wat is Kimi K2.7 Code?
Juni 2026 · Top van Moonshot's open-weight Kimi K2-serie. Opvolger van K2.6 en K2 Thinking.
Kimi K2.7 Code is Moonshot AI's open-weight agentic model, uitgebracht in juni 2026. Het is een 1-biljoen-parameter Mixture-of-Experts (MoE) model met 32B actieve parameters per token. Dezelfde architectuurfamilie als K2.6 en K2 Thinking, met aanzienlijke verbeteringen op het gebied van agentic coding en long-horizon reasoning.
K2.7 maakte een echte plons op onafhankelijke leaderboards. Door de leverancier gerapporteerde scores plaatsen het voor GPT-5.4 (xhigh) en Claude Opus 4.6 (maximale inspanning) op SWE-bench Pro, met een hallucinatiepercentage van 39% (een daling ten opzichte van K2.6's 65%). Artificial Analysis rangschikt het als #4 op zijn Intelligence Index. De leidende open-weight optie.
Wat is opmerkelijk aan Kimi K2.7 Code
Koparchitectuur en functionaliteiten.
K2.7 is een Mixture-of-Experts model met 1T totale parameters en 32B actief per token, voorzien van een 256K-token contextvenster en multimodale invoer over beeld en video (alleen tekstuitvoer). Moonshot koppelt het aan een Agent Swarm runtime die horizontaal schaalt naar 300 sub-agents en 4.000 gecoördineerde stappen, en heeft gedocumenteerde lange-termijn codeersessies van 12 uur of meer. Open gewichten worden gepubliceerd op Hugging Face onder een Modified MIT License.
Specificaties in één oogopslag
Kimi K2.7 Code benchmarks
Door leveranciers gerapporteerde scores van Moonshot's K2.7 releaseblog. Onafhankelijke derden (Artificial Analysis, TokenMix) bevestigen de relatieve volgorde. K2.7's hallucinatiepercentage daalde van 65% in K2.6 naar 39%. Een aanzienlijke verbetering van veiligheid/betrouwbaarheid.
Kimi K2.7 Code prijzen
Catalogusprijs van de provider, per 1M tokens.
Hoe Kimi K2.7 Code zich in de praktijk gedraagt
Waargenomen gedrag van productieve agentruns.
Lange-context herinnering
Sterkste lange-contextherinnering in onze interne evaluatie binnen de ingebouwde line-up. Behoudt coherentie over lange agenttranscripten waar Anthropic Sonnet begint af te wijken.
Agentic benchmarks
Door de leverancier gerapporteerde SWE-bench Pro 58.6 is de hoogste in de line-up op het moment van schrijven. Verslaat GPT-5.4 en Opus 4.6.
Lange-horizon codering
Gedocumenteerde autonome sessies van meer dan 12 uur die meer dan 4.000 toolaanroepen voltooien. Het model handhaaft de prestaties echt over zeer lange runs.
Beste agenttaken voor Kimi K2.7 Code
Het onderzoek dat elke oude thread moet lezen
Doorzoek zes maanden aan Slack-gesprekken om te achterhalen waarom een klant is afgehaakt, doorzoek de achterstand van supporttickets op een terugkerend bugpatroon, of combineer inzichten uit honderd RFC's. K2.7's lange-contextherinnering blijft over transcripties heen werken waar Anthropic Sonnet eerdere beurten begint te laten vallen, wat precies is wat "de hele stapel lezen"-workflows nodig hebben.
De autonome refactor die 's nachts draait
Moonshot heeft een autonome refactor van 13 uur van een acht jaar oude matching engine gedocumenteerd, waarbij K2.7 meer dan 4.000 tool calls heeft volgehouden zonder van de taak af te wijken. Dat is het soort run waarbij de meeste modellen het doel ergens rond het tweede uur verliezen; de lange-termijn stabiliteit van K2.7 zorgt ervoor dat "start het vrijdagavond, controleer maandagochtend" daadwerkelijk werkt.
De multimodale agent die screenshots en clips verwerkt
K2.7 accepteert zowel beeld- als video-invoer via MoonViT, wat ongebruikelijk is buiten de Claude-familie. Handig voor screenshot-gestuurde QA-agents, document-vision-pijplijnen en elke implementatie waarbij u anders een apart vision-model zou moeten toevoegen om afbeeldingen te lezen.
Kimi K2.7 Code versus andere modellen
Kimi K2.7 Code vs GLM-5.2
Beide zijn huidige kostenbesparende opties met lange context. K2.7 Code is de Moonshot-standaard met een sterkere multimodale codeergeschiktheid; GLM-5.2 is de huidige Z.AI-standaard met een groter contextvenster van 1M tokens.
Kimi K2.7 Code vs Claude Sonnet 4.6
Sonnet (×1) is leidend op het gebied van betrouwbaarheid van meervoudige tool-routing in het Engels. K2.7 (×0.3) wint op kosten en op agentic benchmarks (SWE-bench Pro). Combineer ze: Sonnet voor complexe tool-routing, K2.7 voor kostengevoelig agentwerk.
Kimi K2.7 Code vs DeepSeek V4 Pro
DeepSeek V4 Pro is goedkoper en heeft een groter contextvenster van 1M tokens. Kimi K2.7 Code is de sterkere Moonshot-native codeerroute en omvat visuele invoer. Kies op basis van de geschiktheid van de provider en de aard van de workload.
Conclusie: moet je Kimi K2.7 Code gebruiken?
De open-weight standaard voor serieus agentwerk — lange context, kosteneffectief. De resterende hiaten ten opzichte van Sonnet 4.6 zijn de betrouwbaarheid van tool-routing en enterprise-ondersteuning.
Veelgestelde vragen
Wanneer werd Kimi K2.7 Code uitgebracht?
Moonshot AI bracht Kimi K2.7 Code in juni 2026 uit. De openbare modelgewichten zijn gepubliceerd op Hugging Face onder een Modified MIT License.
Wat is het contextvenster?
256K tokens. K2.7 onderscheidt zich door de kwaliteit van de herinnering bij die grootte, niet door de ruwe venstergrootte. De herinnering begint af te nemen na ~180K (vergelijkbaar met andere 256K-modellen).
Hoe verhoudt Kimi K2.7 Code zich tot Claude Opus 4.6?
Op agentic benchmarks (door leverancier gerapporteerd) leidt K2.7. SWE-bench Pro 58.6 vs Opus 4.6's 53.4, HLE met tools 54.0 vs 53.0. Opus 4.6 behoudt een voorsprong op veiligheidsprofiel en Engelstalige tool-routing betrouwbaarheid in productie.
Ondersteunt K2.7 afbeeldingsinvoer?
Ja. K2.7 accepteert beeld- en video-invoer. Alleen tekstuitvoer. Multimodale agents werken native.
Beschikbaarheid van Kimi K2.7 Code op Okou.
Kimi K2.7 Code is verwijderd uit de Okou-line-up, dus het kan niet langer worden geselecteerd in chat of in een workflow, en het is niet beschikbaar met uw eigen API-sleutel. GPT 5.6 Luna dekt dezelfde kostenbesparende tier.
