Kimi K2.7 Code ist Moonshot AIs coding-fokussiertes agentisches Modell, aufgebaut auf Kimi K2.6, abgestimmt auf reale Softwareentwicklung und von Moonshot als sein dediziertes Coding-Modell beschrieben, das Anweisungen in langen Kontexten zuverlässiger befolgt und Coding-Aufgaben mit höheren Erfolgsraten abschließt.
- Eingabe
- Text Bild Video $0.95/M
- Ausgabe
- Text $4/M
- Cache-Read
- $0.19/M
- Kontext
- 256K
- vs. GPT-4o
- ~81% günstiger
Benchmarks
Herstellerangaben: Alibaba (Qwen) Moonshot OpenAI Z.ai
Preis im Vergleich
Preisposition unter 60 vergleichbaren Modellen
Der Balken zeigt, wo der Preis dieses Modells unter allen Modellen derselben Art auf Synthorai liegt. An beiden Enden stehen das günstigste und das teuerste Modell. Es sind Grundpreise; Rabatte für Batch, Region und Cache-Schreibvorgänge stehen auf der Preisseite.
Spezifikationen & Limits
Tokens
| Kontextfenster (Herstellerangabe) | 256.000 |
|---|---|
| Max. Output (Anbieter-Spezifikation) | 32.768 |
Prompt Caching
| Modus | automatisch |
|---|
Thinking
| Anbieter-Parameter | thinking.type + thinking.keep |
|---|---|
| Zulässige Werte | type accepts only enabled; keep accepts only all |
| Standardwert | Thinking an, mit aktiviertem Preserved Thinking gilt, wenn die Anfrage nichts angibt |
| Abschaltbar | Nein |
| Thinking-Verhalten | Die Übergabe von type disabled gibt einen Fehler zurück; da Preserved Thinking serverseitig erzwungen wird, muss das reasoning_content jeder historischen Assistant-Nachricht unverändert zurückgegeben werden. |
| Parameter | reasoning_effort |
| Werte | minimal · low · medium · high die Parameteroberfläche des Gateways - das Anbieter-Mapping oben gilt |
Modell
| Modalitäten | Text + Bild + Video → Text |
|---|---|
| Parameter | 1T gesamt · 32B aktiv MoE |
| Lizenz | Modified-MIT |
- Auf Coding ausgerichtetes Agent-Modell auf Basis von K2.6: MoE mit 1T/32B aktiven Parametern, 256K Kontext
- Thinking dauerhaft aktiv, mit über Turns hinweg erhaltenem Reasoning
- ~30% weniger Thinking-Token als K2.6
Ein Prompt, gemessen über das Gateway
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 Denken) Latenz 5.4 s
Befolgen der Anweisung (genau drei Sätze - abzählbar), Zuschnitt auf das Publikum (CFO-Register), und die Abrechnungslücke durch verstecktes Denken, die die Token-Zähler unten offenlegen.
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 Denken) Latenz 9.4 s
Ob der Fix tatsächlich korrekt ist (ausführbar), die Dichte der Erklärung, und die Token-Effizienz bei einer klar begrenzten Aufgabe.
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 Denken) Latenz 13.2 s
Schema-Treue (keine erfundenen Felder), Halluzinationsdruck (guidance wird ausdrücklich zurückgehalten), und Unterschiede im Pfad für strukturierte Ausgabe.
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 Denken) Latenz 38.6 s
Einhaltung der Vorgaben (Wortbudget, Liste verbotener Wörter, die eine Frage), Stil-Fingerabdruck, und Längensteuerung.
Kimi K2.7 Code in 30 Sekunden nutzen
OpenAI-kompatibel: Tauschen Sie die base_url, behalten Sie Ihr SDK. POST /v1/chat/completions
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",
messages=[{"role": "user", "content": "Summarize this diff"}],
reasoning_effort="medium",
)
print(resp.choices[0].message.content)import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://synthorai.io/v1",
apiKey: "sk-syn-...",
});
const resp = await client.chat.completions.create({
model: "kimi-k2.7-code",
messages: [{ role: "user", content: "Summarize this diff" }],
reasoning_effort: "medium",
});
console.log(resp.choices[0].message.content);curl https://synthorai.io/v1/chat/completions \
-H "Authorization: Bearer sk-syn-..." \
-H "Content-Type: application/json" \
-d '{
"model": "kimi-k2.7-code",
"messages": [{"role": "user", "content": "Hello"}],
"reasoning_effort": "medium"
}'package main
import (
"context"
"fmt"
"github.com/openai/openai-go/v3"
"github.com/openai/openai-go/v3/option"
)
func main() {
client := openai.NewClient(
option.WithBaseURL("https://synthorai.io/v1"),
option.WithAPIKey("sk-syn-..."),
)
resp, _ := client.Chat.Completions.New(context.TODO(), openai.ChatCompletionNewParams{
Model: "kimi-k2.7-code",
Messages: []openai.ChatCompletionMessageParamUnion{
openai.UserMessage("Summarize this diff"),
},
ReasoningEffort: openai.ReasoningEffortMedium,
})
fmt.Println(resp.Choices[0].Message.Content)
}import com.openai.client.OpenAIClient;
import com.openai.client.okhttp.OpenAIOkHttpClient;
import com.openai.models.chat.completions.*;
import com.openai.models.ReasoningEffort;
OpenAIClient client = OpenAIOkHttpClient.builder()
.baseUrl("https://synthorai.io/v1")
.apiKey("sk-syn-...")
.build();
ChatCompletion resp = client.chat().completions().create(
ChatCompletionCreateParams.builder()
.model("kimi-k2.7-code")
.addUserMessage("Summarize this diff")
.reasoningEffort(ReasoningEffort.MEDIUM)
.build());
System.out.println(resp.choices().get(0).message().content().orElse(""));Über Kimi K2.7 Code
- Es behält die Mixture-of-Experts-Architektur mit 1T Parametern und 32B pro Token aktivierten (384 Experten, acht pro Token plus einer geteilt) sowie einen Kontext von 256K, akzeptiert neben Text auch Bildeingabe und läuft stets im Thinking-Modus, wobei Reasoning-Inhalte über mehrstufige Konversationen hinweg erhalten bleiben.
- Vom Non-Thinking-Modus wird nicht bloß abgeraten, er wird abgelehnt: Die Dokumentation stellt fest, dass das Modell ihn nicht unterstützt und dass das Deaktivieren von Thinking einen Fehler zurückgibt, wobei erhaltenes Thinking serverseitig erzwungen wird.
- Das Reasoning kommt in reasoning_content vor der Antwort an, und der Leitfaden ist ausdrücklich: Bei Tool-Calling-Turns müssen Sie dieses Feld mit der Assistant-Nachricht zurückgeben, sonst schlägt die Anfrage fehl, was der mit Abstand häufigste Integrationsfehler bei diesem Modell ist.
- Offiziell stärkt es die durchgängige Aufgabenerfüllung über komplexe Softwareentwicklungs-Workflows hinweg und verbraucht dabei rund 30% weniger Thinking-Token als K2.6, und es unterstützt agentische Tool-Nutzung über das MCP-Ökosystem mit verschränktem Thinking über mehrstufige Tool-Aufrufe hinweg.
- Moonshot rät, großzügigen max_tokens-Spielraum zu lassen, weil das Reasoning ihn verbraucht.
- Die Gewichte sind offen unter einer Modified-MIT-Lizenz.
- Kimi K2.7 Code ist auf Synthorai über den OpenAI-kompatiblen Endpoint erreichbar.
FAQ
Lässt sich die Kimi K2.7 Code API kostenlos testen?
Ja, neue Konten erhalten 10 Test-Calls und bis zu $1 kostenloses Guthaben, keine Kreditkarte erforderlich. Bei $0.95/M Input-Tokens deckt allein dieses Guthaben rund 131 Requests mit je ~8K Tokens gegen Kimi K2.7 Code ab.
Worin ist Kimi K2.7 Code am besten?
Etwa 30% weniger Thinking-Token; Reasoning über mehrstufige Gespräche hinweg erhalten; abgestimmt auf reales Software-Engineering. Das vollständige Bild finden Sie im Über-Abschnitt, direkt aus den offiziellen Release Notes des Anbieters.
Was kostet Kimi K2.7 Code?
Kimi K2.7 Code kostet auf Synthorai $0.95 pro Million Input-Tokens und $4 pro Million Output-Tokens. Das ist der Listenpreis des Anbieters, ohne Plattform-Aufschlag. Gecachte Input-Tokens werden mit $0.19/M abgerechnet.
Unterstützt Kimi K2.7 Code Prompt-Caching?
Ja, automatisch: Über Moonshot ausgelieferte Prompts werden ohne Codeänderungen gecacht. Gecachte Input-Tokens werden mit $0.19/M statt $0.95/M (ungecacht) abgerechnet. Prompt-Caching-Guide →
Wie erhalte ich Zugang zu Kimi K2.7 Code?
Richten Sie Ihr vorhandenes OpenAI SDK auf base_url="https://synthorai.io/v1", setzen Sie model="kimi-k2.7-code", fertig. Ein API-Key deckt jedes Modell auf dem Gateway ab.
Ist Kimi K2.7 Code Open Source?
Ja, die Gewichte sind unter der Modified-MIT-Lizenz veröffentlicht. Oder Sie sparen sich die GPUs: Die gehostete Version hier läuft mit nutzungsbasierter Abrechnung, ganz ohne eigene Infrastruktur. Open-Weight-Modelle betreiben →
Verwandte Modelle
Vergleichen
Jeder Wert auf dieser Seite ist aus der Dokumentation des Anbieters übernommen, oben verlinkt, und trägt das Datum der Prüfung. Preise werden über den gesamten Katalog verglichen; Spezifikationswerte, die Anbieter unterschiedlich definieren, werden mit benanntem Unterschied gezeigt statt grafisch verglichen. Nichts hier wird von uns gemessen, und nichts wird bewertet.