Kimi K2.7 Code: Moonshots kodningsmodell
Moonshots senaste open-weight-modell. Bäst i klassen för agentiska benchmarks vid den öppna källkodsgränsen och ett Claude-kompatibelt gränssnitt.
256K tokens · Text / Vision / Code · Prompt cache
Okou kör inte längre Kimi K2.7 Code. Denna sida behålls som referens för dess specifikationer, prissättning och benchmarks. För samma typ av arbete, använd GPT 5.6 Luna.
Se GPT 5.6 LunaKimi K2.7 Code är Moonshots flaggskepp med öppen vikt och för närvarande den starkaste agentiska modellen med öppen källkod på flera offentliga benchmarks. Den klarar mycket långa körningar utan att tappa tråden (Moonshot har dokumenterat obevakade sessioner på 12+ timmar och 4 000+ verktygsanrop) och accepterar bild- och videoingångar nativt. Leverantörsrapporterad SWE-bench Pro når 58,6 (över Claude Opus 4.6 och GPT-5.4 på det benchmark) och hallucinationsfrekvensen sjönk från K2.6:s ~65 % till ~39 %.
Leverantörens listpris är 1,14 USD / 4,80 USD per 1M tokens, öppna vikter levereras under en modifierad MIT-licens, och API är Anthropic-kompatibel. Välj Sonnet 4.6 när tillförlitligheten för verktygsroutning i produktion är viktigare än benchmarkresultat, och Kimi K2.7 Code när latens dominerar.
Vad är Kimi K2.7 Code?
Juni 2026 · Toppen av Moonshots öppna Kimi K2-serie. Efterföljare till K2.6 och K2 Thinking.
Kimi K2.7 Code är Moonshot AI:s open-weight agentiska modell som släpptes i juni 2026. Det är en 1-biljon-parameter Mixture-of-Experts (MoE)-modell med 32B aktiva parametrar per token. Samma arkitekturfamilj som K2.6 och K2 Thinking, med betydande förbättringar inom agentisk kodning och långsiktigt resonemang.
K2.7 gjorde ett verkligt intryck på oberoende topplistor. Leverantörsrapporterade poäng placerar den före GPT-5.4 (xhigh) och Claude Opus 4.6 (max ansträngning) på SWE-bench Pro, med en hallucinationsfrekvens på 39 % (ner från K2.6:s 65 %). Artificial Analysis rankar den som nummer 4 på sitt Intelligence Index. Det ledande open-weight-alternativet.
Vad är anmärkningsvärt med Kimi K2.7 Code
Rubrikarkitektur och funktionsfunktioner.
K2.7 är en Mixture-of-Experts-modell med 1T totala parametrar och 32B aktiva per token, med ett 256K-token kontextfönster och multimodal input över bild och video (endast textutdata). Moonshot kopplar den med en Agent Swarm-runtime som skalar horisontellt till 300 underagenter och 4 000 koordinerade steg, och har dokumenterat långsiktiga kodningssessioner på 12 timmar eller mer. Öppna vikter publiceras på Hugging Face under en Modifierad MIT-licens.
Specifikationer i korthet
Kimi K2.7 Code benchmarks
Leverantörsrapporterade poäng från Moonshots K2.7-lanseringsblogg. Oberoende tredjeparter (Artificial Analysis, TokenMix) bekräftar den relativa ordningen. K2.7:s hallucinationsfrekvens sjönk till 39% från K2.6:s 65%. En betydande förbättring av säkerhet/tillförlitlighet.
Kimi K2.7 Code prissättning
Leverantörens listpris, per 1M tokens.
Hur Kimi K2.7 Code beter sig i praktiken
Observerat beteende från produktionsagentkörningar.
Återkallning med lång kontext
Starkaste långkontextåterkallning i vår interna utvärdering över hela Built-in-sortimentet. Bibehåller koherens över långa agenttranskript där Anthropic Sonnet börjar driva.
Agentiska benchmarks
Leverantörsrapporterade SWE-bench Pro 58.6 är den högsta i sortimentet vid skrivande stund. Slår GPT-5.4 och Opus 4.6.
Långhorisontell kodning
Dokumenterade 12+ timmars autonoma sessioner som slutförde 4 000+ verktygsanrop. Modellen upprätthåller verkligen prestanda över mycket långa körningar.
Bästa agentuppgifter för Kimi K2.7 Code
Utredningen som måste läsa varje gammal tråd
Gräv igenom sex månaders Slack-konversationer för att hitta varför en kund slutade, sök igenom supportärendekön efter ett återkommande buggmönster, eller sammanställ insikter från hundra RFC:er. K2.7:s långa kontextåterkallelse håller sig över transkriptioner där Anthropic Sonnet börjar tappa tidigare vändningar, vilket är precis vad arbetsflöden som "läser hela högen" behöver.
Den autonoma refaktoriseringen som körs över natten
Moonshot har dokumenterat en 13-timmars autonom refaktorering av en åtta år gammal matchningsmotor, med K2.7 som upprätthåller 4 000+ verktygsanrop utan att avvika från uppgiften. Det är den typen av körning där de flesta modeller tappar målet någonstans runt timme två; K2.7:s långsiktiga stabilitet är det som gör att "starta den fredag kväll, kolla måndag morgon" faktiskt fungerar.
Den multimodala agenten som hanterar skärmdumpar och klipp
K2.7 accepterar både bild- och videoingång via MoonViT, vilket är ovanligt utanför Claude-familjen. Användbart för skärmbildsdrivna QA-agenter, dokumentvisionspipelines och alla distributioner där du annars skulle behöva koppla in en separat visionsmodell bara för att läsa bilder.
Kimi K2.7 Code vs andra modeller
Kimi K2.7 Code vs GLM-5.2
Båda är aktuella kostnadsbesparande alternativ med lång kontext. K2.7 Code är Moonshot-standard med starkare multimodal kodningspassform; GLM-5.2 är den nuvarande Z.AI-standarden med ett större 1M-token kontextfönster.
Kimi K2.7 Code vs Claude Sonnet 4.6
Sonnet (×1) leder när det gäller tillförlitlighet för routing med flera verktyg på engelska. K2.7 (×0.3) vinner på kostnad och på agentiska benchmarks (SWE-bench Pro). Kombinera dem: Sonnet för komplex verktygsrouting, K2.7 för kostnadskänsligt agentarbete.
Kimi K2.7 Code vs DeepSeek V4 Pro
DeepSeek V4 Pro är billigare och har ett större 1M-token kontextfönster. Kimi K2.7 Code är den starkare Moonshot-inbyggda kodningsvägen och inkluderar visuell input. Välj efter leverantörspassning och arbetsbelastningsform.
Slutsats: ska du använda Kimi K2.7 Code?
Den öppna standarden för seriöst agentarbete – lång kontext, kostnadseffektiv. De återstående luckorna jämfört med Sonnet 4.6 är tillförlitligheten för verktygsdirigering och företagssupport.
Vanliga frågor
När släpptes Kimi K2.7 Code?
Moonshot AI släppte Kimi K2.7 Code i juni 2026. Öppna vikter publiceras på Hugging Face under en modifierad MIT-licens.
Vad är kontextfönstret?
256K tokens. K2.7 utmärker sig på återkallningskvalitet vid den storleken, inte rå fönsterstorlek. Återkallningen börjar försämras efter ~180K (liknande andra 256K-modeller).
Hur jämför Kimi K2.7 Code med Claude Opus 4.6?
På agentiska benchmarks (leverantörsrapporterade) leder K2.7. SWE-bench Pro 58.6 vs Opus 4.6:s 53.4, HLE med verktyg 54.0 vs 53.0. Opus 4.6 behåller en fördel när det gäller säkerhetsprofil och tillförlitlighet för verktygsdirigering på engelska i produktion.
Stöder K2.7 bildinmatning?
Ja. K2.7 accepterar bild- och videoinmatning. Endast textutmatning. Multimodala agenter fungerar nativt.
Tillgänglighet av Kimi K2.7 Code på Okou
Kimi K2.7 Code har tagits bort från Okou-sortimentet, så det kan inte längre väljas i chatt eller i ett arbetsflöde, och det är inte tillgängligt med din egen API-nyckel. GPT 5.6 Luna täcker samma kostnadsbesparande nivå.
