Kimi K2.7 Code 是 Moonshot AI 于 2026 年 6 月 12 日发布的 K2 系列编程专属模型，基于 Kimi K2.6 构建，专注复杂软件工程任务的端到端完成、长程代码工作流与工具调用。架构为 1T 总参数 / 32B 激活的 MoE（384 个专家每 token 选 8 个含 1 个共享专家、61 层、MLA 注意力、160K 词表），256K 上下文，并带约 400M 参数的 MoonViT 视觉编码器支持图像与视频输入；权重以 Modified MIT 许可在 Hugging Face 开源，约 595 GB、原生支持 INT4。这一代最实在的改进是 thinking token 使用量比 K2.6 降低约 30% 而质量仍有提升，直接降低长程智能体任务的成本与等待时间。官方评测中 Kimi Code Bench v2 从 50.9 升至 62.0（+21.8%）、MLS Bench Lite 涨 31.5%，MCP Mark Verified 以 81.1 反超 Claude Opus 4.8 的 76.4，但多数项目仍落后于 GPT-5.5 和 Opus 4.8。接入前需注意三条硬约束：thinking 模式不可关闭、采样参数固定为 temperature=1.0/top_p=0.95、多步工具调用必须保留 reasoning_content。API 价格为每百万 tokens 输入 0.95 美元、缓存命中 0.19 美元、输出 4.00 美元。
数据优先来自官方发布（GitHub、Hugging Face、论文），其次为评测基准官方结果，最后为第三方评测机构数据。 了解数据收集方法
表中「—」表示该模态在此方向不计费，或供应商未公开对应价格。
Kimi K2.7 Code 当前已收录的代表性评测结果包括 LiveBench（30 / 115，得分 71.89）、Program Bench（3 / 11，得分 53.60）、SimpleBench（36 / 92，得分 57.90）。 本页还汇总了参数规模、上下文长度与 API 价格，便于结合评测结果与部署约束一起判断模型适配度。
### 一个只做编程的 K2 分支 **Kimi K2.7 Code 是 Moonshot AI 于 2026 年 6 月 12 日发布的编程与 Agentic Coding 专属模型，基于 Kimi K2.6 构建。它不是通用模型的小版本升级，而是把能力集中投到一个方向**：复杂软件工程任务的端到端完成、长程代码工作流和工具调用。 API 模型 ID 为 `kimi-k2.7-code`，兼容 OpenAI 与 Anthropic 两套接口规范；权重已在 [Hugging Face](https://huggingface.co/moonshotai/Kimi-K2.7-Code) 以 Modified MIT 许可开源，也可通过 [Moonshot 平台](https://platform.moonshot.ai)和 [Kimi Code](https://www.kimi.com/code) 使用。 ### 这一代最实在的改进：少想 30%，活干得更好 官方模型卡里最值得关注的数字不是某个跑分，而是 **thinking token 使用量比 K2.6 降低约 30%**，同时质量还有提升。 对长程智能体编码来说，这几乎是最直接的成本优化。思考 token 是要按输出价计费的，一个跑几十轮工具调用的任务，思考量降三成意味着账单和等待时间同步下降。很多模型的「更强」是靠想得更久换来的，这一代反过来了。 ### 对比 Kimi K2.6 与两个海外旗舰 以下为 Moonshot AI 官方发布的评测数据（厂商自测，第三方独立验证待跟进）：
| 评测基准 | Kimi K2.6 | Kimi K2.7 Code | GPT-5.5 | Claude Opus 4.8 | 提升幅度 |
|---|---|---|---|---|---|
| Kimi Code Bench v2 | 50.9 | 62.0 | 69.0 | 67.4 | +21.8% |
| Program Bench | 48.3 | 53.6 | 69.1 | 63.8 | +11.0% |
| MLS Bench Lite | 26.7 | 35.1 | 35.5 | 42.8 | +31.5% |
| Kimi Claw 24/7 | 42.9 | 46.9 | 52.8 | 50.4 | +9.3% |
| MCP Atlas | 69.4 | 76.0 | 79.4 | 81.3 | +9.5% |
| MCP Mark Verified | 72.8 | 81.1 | 92.9 | 76.4 | +11.4% |
读这张表有两个要点。一是**提升幅度：MLS Bench Lite 涨了 31.5%、Kimi Code Bench v2 涨了 21.8%，这是相对自家前代的真实进步。二是横向位置：多数项目上它仍落后于 GPT-5.5 和 Claude Opus 4.8，但在 MCP Mark Verified 上以 81.1 反超了 Opus 4.8 的 76.4——考虑到它是开源权重且价格低得多，这个位置已经相当有竞争力。 ### 架构：1T 参数，但只激活 32B - 总参数约 1T（1 万亿），每 token 激活 32B - 专家配置：384 个专家，每 token 选 8 个，含 1 个共享专家 - 网络结构：61 层（含 1 个 Dense 层），注意力隐藏维度 7168，MoE 专家隐藏维度 2048，注意力头数 64，采用 MLA（Multi-head Latent Attention） - 词表 160K tokens，上下文长度 256K tokens（262,144） - 视觉编码器：MoonViT（约 400M 参数），因此除文本外还支持图像和视频输入，输出为文本 - 量化与体积：原生 INT4 支持，磁盘占用约 595 GB ### 接入时有几条硬性约束 官方模型卡明确列出的限制需要在集成前就知道，否则容易踩坑： - Thinking 模式强制开启，`thinking` 与 `preserve_thinking` 都不可关闭； - 采样参数被固定为 temperature=1.0、top\_p=0.95，不接受自定义； - 多步工具调用时必须保留 reasoning\_content，否则会破坏推理链路。 部署方面推荐 vLLM、SGLang 和 KTransformers；Transformers 版本要求 ≥4.57.1 且 <5.0.0。 ### 价格 Moonshot AI 平台 API 定价（美元，每百万 tokens）：文本输入（缓存未命中）0.95 美元、缓存读取 0.19 美元、文本输出 4.00 美元**。结合前面提到的思考 token 降低三成，长任务的实际综合成本还要更低一些。
Kimi K2.7 Code 是 Moonshot AI 于 2026 年 6 月 12 日发布的 K2 系列编程专属模型，采用 1T 总参数 / 32B 激活 MoE 架构（384 专家），支持 256K 上下文及文本、图像、视频输入。较 K2.6 在 Kimi Code Bench v2 提升 21.8%（62.0），MCP Mark Verified 达 81.1 超越 Opus 4.8，thinking token 使用量降低约 30%。权重以 Modified MIT 许可开源，API 定价 $0.95/$4.00 每百万 input/output tokens。
当前官方资料记录其支持文本、图像、视频输入，并生成文本输出。
上下文窗口为 256K。未公开或无法确认的规格不做推测。
根据已收录的官方能力标签，它适合推理大模型、多语言、编程大模型相关任务；实际效果应结合具体工作流验证。
页面已收录 Moonshot AI 的 4 条定价规则。价格可能随地域、上下文档位、缓存和时间变化，应以页面价格表及官方计费页为准。
代码与模型权重按 Modified MIT 记录；使用前仍应核对官方许可原文。
欢迎关注 DataLearner 官方微信，获得最新 AI 技术推送
