Kimi K2.7 Code：Moonshot的代码模型
Moonshot最新的开源权重模型。在开源前沿拿下同级最佳的智能体跑分，接口兼容Claude。
256K tokens · Text / Vision / Code · Prompt cache
Okou已不再运行Kimi K2.7 Code。本页作为它的规格、价格和基准测试参考保留。要做同类工作，请用GPT 5.6 Luna。
查看GPT 5.6 LunaKimi K2.7 Code是Moonshot的开源权重旗舰，在多个公开基准上是目前最强的开源智能体模型。它能撑住很长的运行而不跑偏（Moonshot记录过12小时以上、4000多次工具调用的无人值守会话），并且原生接受图像和视频输入。厂商自报的SWE-bench Pro为58.6（在这项基准上高于Claude Opus 4.6和GPT-5.4），幻觉率也从K2.6的约65%降到约39%。
厂商标价为每百万token输入1.14美元、输出4.80美元，开源权重以Modified MIT协议发布，API兼容Anthropic。如果生产环境里工具调用的可靠性比跑分更重要，就用Sonnet 4.6；如果延迟是关键，就用Kimi K2.7 Code。
Kimi K2.7 Code是什么？
2026年6月 · Moonshot开源权重Kimi K2系列的顶配，K2.6和K2 Thinking的后继型号。
Kimi K2.7 Code是Moonshot AI在2026年6月发布的开源权重智能体模型。它是一个万亿参数的混合专家（MoE）模型，每个token激活320亿参数。架构与K2.6和K2 Thinking同源，在智能体编码和长周期推理上有明显提升。
K2.7在独立榜单上着实激起了不小的水花。厂商自报的成绩显示，它在SWE-bench Pro上领先GPT-5.4（xhigh）和Claude Opus 4.6（max effort），幻觉率为39%（K2.6是65%）。Artificial Analysis的Intelligence Index把它排在第4位，是开源权重里领先的选项。
Kimi K2.7 Code有什么特别之处
架构与能力上的主要亮点。
K2.7是混合专家模型，总参数1T、每token激活32B，配一个256K token的上下文窗口，支持图像和视频的多模态输入（输出仅文本）。Moonshot还为它配了Agent Swarm运行时，可横向扩展到300个子智能体、4000个协同步骤，并记录过12小时以上的长周期编码会话。开源权重以Modified MIT License发布在Hugging Face上。
规格速览
Kimi K2.7 Code基准测试
成绩来自Moonshot的K2.7发布博客，属厂商自报。独立第三方（Artificial Analysis、TokenMix）印证了这一相对排序。K2.7的幻觉率从K2.6的65%降到39%，在安全性和可靠性上是显著改进。
Kimi K2.7 Code价格
服务商标价，按每100万token计。
Kimi K2.7 Code实际用起来怎么样
来自生产环境智能体运行的实际观察。
长上下文召回
在我们对Built-in阵容的内部评测中，它的长上下文召回最强。面对很长的智能体对话记录，Anthropic Sonnet已开始跑偏时它还能保持连贯。
智能体跑分
厂商自报的SWE-bench Pro 58.6，在撰写时是阵容里最高的，胜过GPT-5.4和Opus 4.6。
长周期编码
有记录的自主会话超过12小时，完成4000多次工具调用。这个模型在超长运行里确实能保持水准。
Kimi K2.7 Code最适合的智能体任务
必须翻遍所有旧会话的调查
翻完半年的Slack对话，找出客户流失的原因；梳理客服工单积压，找出反复出现的bug模式；或者把上百份RFC里的洞察串起来。在Anthropic Sonnet已经开始丢掉前面轮次的地方，K2.7的长上下文召回依然稳得住——「把一整堆都读完」这类工作流要的正是这个。
跑一整夜的自主重构
Moonshot记录过一次13小时的自主重构，对象是一套用了八年的撮合引擎，K2.7撑过4000多次工具调用而没有偏离任务。这种活儿，大多数模型跑到第二小时左右就忘了目标；K2.7在长周期上的稳定，才让「周五晚上启动，周一早上验收」真的行得通。
能处理截图和视频片段的多模态智能体
K2.7通过MoonViT同时接受图像和视频输入，这在Claude系列之外并不常见。适合以截图驱动的QA智能体、文档视觉流水线，以及任何原本得为了读图再接一个视觉模型的部署。
Kimi K2.7 Code与其他模型对比
Kimi K2.7 Code对比GLM-5.2
两者都是当下省钱的长上下文选项。K2.7 Code是Moonshot的默认模型，在多模态编码上更对路；GLM-5.2是Z.AI当前的默认模型，上下文窗口更大，有100万token。
Kimi K2.7 Code对比Claude Sonnet 4.6
Sonnet（×1）在英文多工具调用的可靠性上领先。K2.7（×0.3）赢在成本和智能体跑分（SWE-bench Pro）。搭配着用：复杂工具调用交给Sonnet，对成本敏感的智能体任务交给K2.7。
Kimi K2.7 Code对比DeepSeek V4 Pro
DeepSeek V4 Pro更便宜，上下文窗口也更大，有100万token。Kimi K2.7 Code是Moonshot原生、更强的代码路由，还带视觉输入。按提供方是否合适和任务形态来选。
结论：你该用Kimi K2.7 Code吗？
认真做智能体时，开源权重里的默认之选：长上下文，性价比高。相比Sonnet 4.6，仍有差距的地方是工具调用可靠性和企业支持。
常见问题
Kimi K2.7 Code是什么时候发布的？
Moonshot AI在2026年6月发布了Kimi K2.7 Code。开源权重以Modified MIT License发布在Hugging Face上。
上下文窗口有多大？
256K token。K2.7的差异化在于这个规模下的召回质量，而不是窗口本身的大小。超过约180K后召回开始下降（和其他256K模型类似）。
Kimi K2.7 Code和Claude Opus 4.6比怎么样？
在智能体跑分上（厂商自报）K2.7领先：SWE-bench Pro 58.6对Opus 4.6的53.4，带工具的HLE 54.0对53.0。Opus 4.6在安全表现和生产环境中英文工具调用的可靠性上仍有优势。
K2.7支持图像输入吗？
支持。K2.7接受图像和视频输入，输出仅文本。多模态智能体可以原生运行。
Kimi K2.7 Code在Okou上的可用情况
Kimi K2.7 Code已从Okou阵容中移除，因此在聊天和工作流里都无法再选用，也不能用你自己的API密钥接入。GPT 5.6 Luna覆盖同一个省钱档位。
