Kimi K2.7 Code：Moonshot的程式碼模型
Moonshot最新的開源權重模型。在開源前沿拿下同級最佳的智能體跑分，介面相容Claude。
256K tokens · Text / Vision / Code · Prompt cache
Okou已不再執行Kimi K2.7 Code。本頁作為它的規格、價格和基準測試參考保留。要做同類工作，請用GPT 5.6 Luna。
檢視GPT 5.6 LunaKimi K2.7 Code是Moonshot的開源權重旗艦，在多個公開基準上是目前最強的開源智能體模型。它能撐住很長的執行而不跑偏（Moonshot記錄過12小時以上、4000多次工具呼叫的無人值守會話），並且原生接受影像和影片輸入。廠商自報的SWE-bench Pro為58.6（在這項基準上高於Claude Opus 4.6和GPT-5.4），幻覺率也從K2.6的約65%降到約39%。
廠商標價為每百萬token輸入1.14美元、輸出4.80美元，開源權重以Modified MIT協議發布，API相容Anthropic。如果生產環境裡工具呼叫的可靠性比跑分更重要，就用Sonnet 4.6；如果延遲是關鍵，就用Kimi K2.7 Code。
Kimi K2.7 Code是什麼？
2026年6月 · Moonshot開源權重Kimi K2系列的頂配，K2.6和K2 Thinking的後繼型號。
Kimi K2.7 Code是Moonshot AI在2026年6月發布的開源權重智能體模型。它是一個萬億參數的混合專家（MoE）模型，每個token啟用320億參數。架構與K2.6和K2 Thinking同源，在智能體編碼和長週期推理上有明顯提升。
K2.7在獨立榜單上著實激起了不小的水花。廠商自報的成績顯示，它在SWE-bench Pro上領先GPT-5.4（xhigh）和Claude Opus 4.6（max effort），幻覺率為39%（K2.6是65%）。Artificial Analysis的Intelligence Index把它排在第4位，是開源權重裡領先的選項。
Kimi K2.7 Code有什麼特別之處
架構與能力上的主要亮點。
K2.7是混合專家模型，總參數1T、每token啟用32B，配一個256K token的上下文視窗，支援影像和影片的多模態輸入（輸出僅文字）。Moonshot還為它配了Agent Swarm執行時，可橫向擴充到300個子智能體、4000個協同步驟，並記錄過12小時以上的長週期編碼會話。開源權重以Modified MIT License發布在Hugging Face上。
規格速覽
Kimi K2.7 Code基準測試
成績來自Moonshot的K2.7發布部落格，屬廠商自報。獨立第三方（Artificial Analysis、TokenMix）印證了這一相對排序。K2.7的幻覺率從K2.6的65%降到39%，在安全性和可靠性上是顯著改進。
Kimi K2.7 Code價格
服務商標價，按每100萬token計。
Kimi K2.7 Code實際用起來怎麼樣
來自生產環境智能體執行的實際觀察。
長上下文召回
在我們對Built-in陣容的內部評測中，它的長上下文召回最強。面對很長的智能體對話記錄，Anthropic Sonnet已開始跑偏時它還能保持連貫。
智能體跑分
廠商自報的SWE-bench Pro 58.6，在撰寫時是陣容裡最高的，勝過GPT-5.4和Opus 4.6。
長週期編碼
有記錄的自主會話超過12小時，完成4000多次工具呼叫。這個模型在超長執行裡確實能保持水準。
Kimi K2.7 Code最適合的智能體任務
必須翻遍所有舊會話的調查
翻完半年的Slack對話，找出客戶流失的原因；梳理客服工單積壓，找出反覆出現的bug模式；或者把上百份RFC裡的洞察串起來。在Anthropic Sonnet已經開始丟掉前面輪次的地方，K2.7的長上下文召回依然穩得住——「把一整堆都讀完」這類工作流要的正是這個。
跑一整夜的自主重構
Moonshot記錄過一次13小時的自主重構，物件是一套用了八年的撮合引擎，K2.7撐過4000多次工具呼叫而沒有偏離任務。這種活兒，大多數模型跑到第二小時左右就忘了目標；K2.7在長週期上的穩定，才讓「週五晚上啟動，週一早上驗收」真的行得通。
能處理截圖和影片片段的多模態智能體
K2.7透過MoonViT同時接受影像和影片輸入，這在Claude系列之外並不常見。適合以截圖驅動的QA智能體、文件視覺流水線，以及任何原本得為了讀圖再接一個視覺模型的部署。
Kimi K2.7 Code與其他模型對比
Kimi K2.7 Code對比GLM-5.2
兩者都是當下省錢的長上下文選項。K2.7 Code是Moonshot的預設模型，在多模態編碼上更對路；GLM-5.2是Z.AI當前的預設模型，上下文視窗更大，有100萬token。
Kimi K2.7 Code對比Claude Sonnet 4.6
Sonnet（×1）在英文多工具呼叫的可靠性上領先。K2.7（×0.3）贏在成本和智能體跑分（SWE-bench Pro）。搭配著用：複雜工具呼叫交給Sonnet，對成本敏感的智能體任務交給K2.7。
Kimi K2.7 Code對比DeepSeek V4 Pro
DeepSeek V4 Pro更便宜，上下文視窗也更大，有100萬token。Kimi K2.7 Code是Moonshot原生、更強的程式碼路由，還帶視覺輸入。按提供方是否合適和任務形態來選。
結論：你該用Kimi K2.7 Code嗎？
認真做智能體時，開源權重裡的預設之選：長上下文，價效比高。相比Sonnet 4.6，仍有差距的地方是工具呼叫可靠性和企業支援。
常見問題
Kimi K2.7 Code是什麼時候發布的？
Moonshot AI在2026年6月發布了Kimi K2.7 Code。開源權重以Modified MIT License發布在Hugging Face上。
上下文視窗有多大？
256K token。K2.7的差異化在於這個規模下的召回質量，而不是視窗本身的大小。超過約180K後召回開始下降（和其他256K模型類似）。
Kimi K2.7 Code和Claude Opus 4.6比怎麼樣？
在智能體跑分上（廠商自報）K2.7領先：SWE-bench Pro 58.6對Opus 4.6的53.4，帶工具的HLE 54.0對53.0。Opus 4.6在安全表現和生產環境中英文工具呼叫的可靠性上仍有優勢。
K2.7支援影像輸入嗎？
支援。K2.7接受影像和影片輸入，輸出僅文字。多模態智能體可以原生執行。
Kimi K2.7 Code在Okou上的可用情況
Kimi K2.7 Code已從Okou陣容中移除，因此在聊天和工作流裡都無法再選用，也不能用你自己的API金鑰接入。GPT 5.6 Luna覆蓋同一個省錢檔位。
