Kimi K2.7 Code は Kimi K2.6 を土台に構築された Moonshot AI のコーディング特化のエージェントモデルで、実世界のソフトウェアエンジニアリング向けに調整され、Moonshot はこれを専用のコーディングモデルとし、ロングコンテキストでより確実に指示に従い、より高い成功率でコーディングタスクを完了すると説明しています。
- 入力
- テキスト 画像 動画 $0.95/M
- 出力
- テキスト $4/M
- キャッシュ読み取り
- $0.19/M
- コンテキスト
- 256K
- GPT-4o 比
- 約 81% 割安
ベンチマーク
ベンダー公表: Alibaba (Qwen) Moonshot OpenAI Z.ai
価格の位置づけ
同種 60 モデル中の料金の位置
このバーは、Synthorai 上の同種モデルの中でこのモデルの価格がどこに位置するかを示します。両端には最も安いモデルと最も高いモデルの名前が入ります。表示は基本料金で、バッチ・リージョン・キャッシュ書き込みの割引は料金ページにあります。
スペックと制限
トークン
| コンテキストウィンドウ(ベンダー仕様) | 256,000 |
|---|---|
| 最大出力(ベンダー仕様) | 32,768 |
プロンプトキャッシュ
| キャッシュ方式 | 自動 |
|---|
思考
| ベンダー側パラメータ | thinking.type + thinking.keep |
|---|---|
| 指定可能な値 | type accepts only enabled; keep accepts only all |
| デフォルト | 思考はオンで、Preserved Thinking もオン リクエストで未指定の場合に適用 |
| 無効化の可否 | 非対応 |
| 思考の挙動 | type disabled を渡すとエラーが返ります。Preserved Thinking がサーバー側で強制されるため、過去のすべてのアシスタントメッセージの reasoning_content をそのまま返送する必要があります。 |
| パラメータ | reasoning_effort |
| 値 | minimal · low · medium · high ゲートウェイ側のパラメータ面——上のベンダーマッピングが適用されます |
モデル
| モダリティ | テキスト + 画像 + 動画 → テキスト |
|---|---|
| パラメータ数 | 合計 1T · アクティブ 32B MoE |
| ライセンス | Modified-MIT |
- K2.6 を土台にしたコーディング特化のエージェントモデル。
- 総パラメータ 1T / アクティブ 32B の MoE、256K コンテキスト。
- 思考は常時オンで、推論はターンをまたいで保持されます。
- 思考トークンは K2.6 比で約 30% 減。
1つのプロンプト — ゲートウェイ経由で測定
Kimi K2.7 Code パス · 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.
出力 259 tok (+174 思考) レイテンシ 5.4 s
指示追従（ちょうど三文 — 数えられる）、読み手に合わせた調整（CFO 向けの語り口）、そして下のトークン計から見える隠れた思考の課金ギャップ。
Kimi K2.7 Code パス · 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.
出力 410 tok (+222 思考) レイテンシ 9.4 s
修正が実際に正しいか（実行可能か）、説明の密度、そして範囲の限られたタスクでのトークン効率。
Kimi K2.7 Code パス · 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" } ```
出力 721 tok (+663 思考) レイテンシ 13.2 s
スキーマ遵守（フィールドをでっち上げない）、ハルシネーション圧（guidance は明示的に保留されている）、そして構造化出力の経路の違い。
Kimi K2.7 Code パス · 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.
出力 2375 tok (+2235 思考) レイテンシ 38.6 s
制約の遵守（語数の上限、禁止語リスト、唯一の疑問文）、文体の指紋、そして長さの制御。
30 秒で Kimi K2.7 Code を使う
OpenAI 互換。base_url を差し替えるだけで、SDK はそのまま。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(""));Kimi K2.7 Code について
- 総パラメータ 1T の Mixture-of-Experts アーキテクチャをトークンごとにアクティブ 32B(384 個のエキスパートのうちトークンごとに 8 個、加えて 1 個を共有)で維持し、256K コンテキストを備え、テキストに加えて画像入力を受け付け、常に思考モードで動作し、推論内容はマルチターンの会話をまたいで保持されます。
- 非思考モードは推奨されないだけでなく拒否されます。
- ドキュメントは、モデルがそれに対応しておらず、思考を無効にするとエラーが返り、思考の保持はサーバー側で強制的にオンになると記しています。
- 推論は回答に先立って reasoning_content で届き、ガイドは、ツール呼び出しのターンではそのフィールドをアシスタントメッセージとともに返し直さなければならず、さもなければリクエストがエラーになると明記しています。
- これはこのモデルで最もよくある統合の誤りです。
- 公式には、複雑なソフトウェアエンジニアリングのワークフロー全体でエンドツーエンドのタスク完了を強化しつつ、思考トークンの消費を K2.6 より約 30% 削減し、MCP エコシステムを通じたエージェント的ツール使用と、多段のツール呼び出しをまたぐインターリーブ思考に対応します。
- Moonshot は、推論が消費するため max_tokens に十分な余裕を残すよう助言しています。
- ウェイトは Modified MIT ライセンスの下でオープンです。
- Synthorai では OpenAI 互換エンドポイント経由で Kimi K2.7 Code にアクセスできます。
よくある質問
Kimi K2.7 Code API は無料で試せますか?
はい。新規アカウントには 10 回のトライアル呼び出しと最大 $1 の無料クレジットが付与され、カード登録は不要です。入力 $0.95/M で計算すると、このクレジットだけで Kimi K2.7 Code に対して約 131 回の ~8K トークンのリクエストを送れます。
Kimi K2.7 Code は何が得意ですか?
約 30% 少ない思考トークン、マルチターン会話にわたり推論を保持、実世界のソフトウェアエンジニアリング向けに調整。全体像はベンダー公式のリリースノートに基づく「このモデルについて」セクションをご覧ください。
Kimi K2.7 Code の料金はいくらですか?
Synthorai 上の Kimi K2.7 Code は入力 100 万トークンあたり $0.95、出力 100 万トークンあたり $4 です。ベンダー定価のままで、プラットフォーム手数料はありません。キャッシュ済み入力トークンは $0.19/M で課金されます。
Kimi K2.7 Code はプロンプトキャッシュに対応していますか?
はい、自動で有効です。Moonshot 経由のプロンプトはコード変更なしでキャッシュされます。キャッシュ済み入力トークンは $0.19/M(未キャッシュは $0.95/M)で課金されます。 プロンプトキャッシュガイド →
Kimi K2.7 Code を利用するには?
お使いの OpenAI SDK の base_url を "https://synthorai.io/v1" に向け、model="kimi-k2.7-code" を設定すれば完了です。API キー 1 本でゲートウェイ上のすべてのモデルを利用できます。
Kimi K2.7 Code はオープンソースですか?
はい。ウェイトは Modified-MIT ライセンス で公開されています。GPU を用意する必要もありません。ここでホストされる版は従量課金で、自前のインフラ運用は不要です。 オープンウェイトモデルの実行について →
関連モデル
比較
このページの値はすべてベンダー自身のドキュメント(上部にリンク)から転記し、確認した日付を付しています。価格はカタログ全体で比較しますが、ベンダーごとに定義が異なる仕様値は差異を明記するにとどめ、図表で比較はしません。当社が測定した数値はなく、スコアも付けていません。