Neu Kostenlos registrieren und 10 Aufrufe gratis nutzen. Bis zu 1 $, ohne Kreditkarte.

Kimi K2.7 Code vs Qwen3.8 Max

vs

Welches Modell wofür

kimi-k2.7-code ist auf jeder Zeile der Preisliste das günstigere der beiden, zu $0.95 Eingabe gegenüber $2 (rund 2.1x weniger) und $4 Ausgabe gegenüber $6, und es nimmt als einziges neben Text und Bild auch Video an - sein Denkmodus lässt sich allerdings nicht abschalten. qwen3.8-max kostet pro Token mehr, kauft dafür aber rund das 3.8-fache an Kontext mit 983616 Tokens, eine maximale Ausgabe von 131072 Tokens (4x Kimis 32768) sowie ausdrückliche Langkontext- und Vision-Flags. Nehmen Sie kimi-k2.7-code für Coding und Reasoning in großer Menge auf Eingaben normaler Größe oder für Arbeit mit Videoeingabe; nehmen Sie qwen3.8-max, wenn ganze Repositories oder sehr lange Generierungen in einen Aufruf passen müssen.

Benchmarks

Über dem DurchschnittKeins besserKimi K2.7 Code1 / 50 / 5Qwen3.8 Max31 / 408 / 40
Kimi K2.7 Code Qwen3.8 Max weitere gemessene Modelle Durchschnitt der Vergleichsmodelle ★ kein anderes Modell war besser
MLS-Bench-Lite
35.1%
41%
AndroidBench
N/A
75.1%
Cybergym
N/A
78.5%
HealthBench
N/A
kein anderes Modell war besser 60.2%
JobBench
N/A
53.4%
PLawBench
N/A
kein anderes Modell war besser 73.2%
GPQA Diamond
N/A
92.6%
Agents' Last Exam
N/A
27%

Anbieterangaben: Alibaba (Qwen) Anthropic ByteDance DeepSeek Google MiniMax Moonshot OpenAI Tencent Z.ai

Preise

Kimi K2.7 Code Qwen3.8 Max Δ
Eingabe / 1M Tokens $0.95 $2 0.47×
Ausgabe / 1M Tokens $4 $6 0.67×
Cache-Lesen / 1M Tokens $0.19 $0.25 0.76×
Cache-Schreiben - 1.25x -

Preise aus dem Live-Katalog, Stand des letzten Builds. Die aktuellen Preise stehen auf der jeweiligen Modellseite.

Einordnung: Eingabepreis pro 1M Tokens aller 76 Chat-Modelle mit dieser Abrechnungseinheit (logarithmische Skala)

Kimi K2.7 Code · $0.95 Qwen3.8 Max · $2
$0.05 · Qwen3 VL Flash $30 · GPT-5.4 Pro

Fähigkeiten

Kimi K2.7 Code Qwen3.8 Max
Tool-Nutzung ja ja
Thinking-Steuerung immer aktiv ja, Parameter des Anbieters nicht veröffentlicht
Strukturierte Ausgabe - ja
Prompt-Caching implizit (automatisch) implizit + explizit
Cache-Lebensdauer nicht veröffentlicht explicit: 5m, reset on hit
Mindestlänge des gecachten Präfixes nicht veröffentlicht 1024 Tokens

Spezifikationen

Kimi K2.7 Code Qwen3.8 Max
Eingabemodalitäten Text Bild Video Text Bild
Ausgabemodalitäten Text Text
Veröffentlicht 2026-06 2026-08-03
Kontextfenster 256K 984K
Maximale Ausgabe 33K 131K
Thinking-Parameter
  • thinking.type
  • thinking.keep
-
Zulässige Werte
type
  • accepts only enabled
keep
  • accepts only all
-
Standardwert thinking on with Preserved Thinking on -

Die Spezifikationen stammen aus der Dokumentation des jeweiligen Anbieters. Veröffentlicht ein Anbieter eine Angabe nicht, lassen wir die Zeile weg, statt sie zu schätzen. Vollständige Quellen: Kimi K2.7 Code · Qwen3.8 Max

Ein Prompt, beide Modelle, gemessen über das Gateway

PROMPT Explain to a CFO, in exactly three sentences, why our LLM bill doubled after we enabled reasoning. KRITERIUM genau 3 Sätze

Kimi K2.7 Code bestanden · 3 sentences

Enabling reasoning mode causes the model to generate an internal chain-of-thought before producing each answer, and that hidden reasoning text is billed like any other output. Those extra reasoning tokens typically add up to much more than the final response itself, so every API call now costs significantly more than before. Because our overall usage volume did not change, the doubled bill reflects that each query consumes roughly twice as many billable tokens.

Ausgabe 259 tok (+174 Thinking) Latenz 5.4 s

Qwen3.8 Max bestanden · 3 sentences

Enabling reasoning makes the model produce additional hidden steps before responding, and those tokens are billable. It also tends to lengthen each interaction because the model works through more possibilities before settling on an answer. Therefore, the bill doubled mainly due to higher compute and token usage per request, not necessarily because the number of requests doubled.

Ausgabe 378 tok (+305 Thinking) Latenz 8.6 s

Befolgen der Anweisung (genau drei Sätze, das lässt sich zählen), Zuschnitt auf die Zielgruppe (Tonfall für einen CFO) und die Abrechnungslücke durch nicht sichtbares Thinking, die die Token-Zähler unten offenlegen.

PROMPT This function is supposed to return the longest run of consecutive equal items, but callers report it is off by one on single-element inputs and misses runs that end at the last index. Fix it and explain the bug in one paragraph. KRITERIUM Fix besteht die Tests

Kimi K2.7 Code bestanden · 8/8 cases

```python def longest_run(xs): if not xs: return 0 best = 1 cur = 1 for i in range(1, len(xs)): if xs[i] == xs[i - 1]: cur += 1 best = max(best, cur) else: cur = 1 return best ``` The bug is that the function counts *transitions* between equal neighbors instead of counting the items themselves, so a single-element list never enters the loop and returns `0` instead of `1`. Likewise, resetting `cur` to `0` on a mismatch forgets the current item that starts a new run, which causes runs that end at the last index to be undercounted. Initializing both `best` and `cur` to `1` and resetting `cur` to `1` fixes both issues.

Ausgabe 410 tok (+222 Thinking) Latenz 9.4 s

Qwen3.8 Max bestanden · 8/8 cases

```python def longest_run(xs): if not xs: return 0 best = cur = 1 for i in range(1, len(xs)): if xs[i] == xs[i - 1]: cur += 1 else: cur = 1 best = max(best, cur) return best ``` The bug is that the original code starts `best` and `cur` at `0`, so it counts adjacent equal *transitions* rather than the number of items in the run. A run of length `n` has only `n - 1` equal-neighbor transitions, so single-element inputs return `0`, and runs that reach the end are undercounted by one. Initializing the current run to `1` for the first element, resetting it to `1` on a break, and updating `best` from that count fixes the off-by-one.

Ausgabe 1616 tok (+1411 Thinking) Latenz 34.7 s

Ob der Fix wirklich korrekt ist (er lässt sich ausführen), wie dicht die Erklärung ist und wie sparsam das Modell bei einer klar begrenzten Aufgabe mit Tokens umgeht.

PROMPT Extract a JSON object with fields {company, quarter, revenue_usd_m, growth_pct, guidance} from this text. Use null for anything not stated; add no other fields. KRITERIUM gültiges JSON, Schema exakt

Kimi K2.7 Code bestanden · 5/5 fields, guidance "withheld pending the Q4 close"

```json { "company": "Meridian Robotics", "quarter": "September quarter", "revenue_usd_m": 412, "growth_pct": 11, "guidance": "withheld pending the Q4 close" } ```

Ausgabe 721 tok (+663 Thinking) Latenz 13.2 s

Qwen3.8 Max bestanden · 5/5 fields, guidance null

{ "company": "Meridian Robotics", "quarter": "September quarter", "revenue_usd_m": 412, "growth_pct": 11, "guidance": null }

Ausgabe 1199 tok (+1141 Thinking) Latenz 24.4 s

Schema-Treue (keine erfundenen Felder), Anreiz zum Halluzinieren (der Text nennt ausdrücklich keine guidance) und Unterschiede zwischen den Wegen zur strukturierten Ausgabe.

PROMPT Write a 120-word product announcement for an API gateway feature that caches prompts across providers. Forbidden words: "seamless", "unlock", "game-changer", "revolutionize", "empower". Exactly one sentence must be a question. KRITERIUM 120 Wörter, 0 verbotene Wörter

Kimi K2.7 Code bestanden · 120 words, 0 banned, 1 question

We're introducing Prompt Cache for our API Gateway, a new capability that stores prompt responses across multiple AI providers. By caching replies, you reduce redundant calls, lower latency, and cut costs without changing how you build. Teams using several model providers can now reuse identical prompt results instantly, keeping traffic consistent and budgets predictable. Responses are keyed by provider, model, and exact prompt, so you always get the right result. Configure TTL, hit thresholds, and eviction rules from a single dashboard. It fits into your existing routing and requires no code changes. Setup takes minutes and works with your current endpoints. Want to see how much latency and spend you can trim? Check the docs to enable Prompt Cache today.

Ausgabe 2375 tok (+2235 Thinking) Latenz 38.6 s

Qwen3.8 Max bestanden · 120 words, 0 banned, 1 question

Today, our API gateway adds prompt caching across major model providers. It stores prompts and responses in one fast cache layer. Teams can lower token spend, reduce latency, and repeat reliable answers. The feature supports OpenAI, Anthropic, Google, and Mistral through one configuration. You can set retention rules, scope access, and invalidate entries quickly. How does your team maintain consistent results during provider outages? Approved cached responses keep applications stable while fallback routes recover. The dashboard shows hit rates, savings, latency, and provider usage. Engineers receive audit trails for every cached prompt, enabling safer testing. Product managers can compare cost trends before and after cache adoption. Start with a small route, then safely expand caching to production traffic right now.

Ausgabe 2744 tok (+2591 Thinking) Latenz 46.3 s

Einhaltung der Vorgaben (Wortbudget, Liste verbotener Wörter, genau eine Frage), stilistische Handschrift und Kontrolle über die Länge.

Eine Zeile genügt für den Wechsel

Beide IDs stehen in jedem Tab unten. Die beiden hervorgehobenen Zeilen sind die einzige Änderung. Gleicher Endpunkt, gleicher Schlüssel, gleiches Anfrageformat.

from openai import OpenAI

client = OpenAI(
    base_url="https://synthorai.io/v1",
    api_key="sk-syn-...",
)

resp = client.chat.completions.create(
    model="kimi-k2.7-code",
    # model="qwen3.8-max",  # diese Zeile einkommentieren, die darüberliegende auskommentieren
    messages=[{"role": "user", "content": "Summarize this diff"}],
    reasoning_effort="medium",
)
print(resp.choices[0].message.content)

API-Schlüssel erstellen →

FAQ

Welches Modell ist günstiger: Kimi K2.7 Code oder Qwen3.8 Max?

Kimi K2.7 Code ist bei Eingabe / 1M Tokens günstiger ($0.95 vs. $2, Faktor 2.1). Bei anderen Zeilen kann es umgekehrt sein. Die Tabelle oben zeigt alle Preise, und die tatsächlichen Kosten hängen von Ihrem Mix ab.

Kann ich Kimi K2.7 Code gegen Qwen3.8 Max A/B-testen, ohne zweimal zu integrieren?

Ja. Beide laufen über denselben OpenAI-kompatiblen Endpunkt mit einem API-Schlüssel. Für den Wechsel ändern Sie nur eine Zeile, den Modellnamen. So können Sie einen Teil des Traffics an jedes Modell schicken und die Kosten direkt vergleichen.

Unterstützen Kimi K2.7 Code und Qwen3.8 Max Prompt-Caching?

Ja. Beide berechnen Cache-Lesezugriffe günstiger als die normale Eingabe. Workloads mit einem wiederkehrenden, bereits gecachten Präfix kosten deshalb weniger, als die Listenpreise vermuten lassen. Die genauen Preise stehen in den Cache-Zeilen der Preistabelle oben.

Verwandte Vergleiche

Aus unseren Studien mit eigenen Messungen