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。
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
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）、TerminalBench 2.1（20 / 27，得分 67.04）、DeepSWE（16 / 19，得分 31）。 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。
暂时没有为该模型整理的相关对比页面。
想自定义其他组合？打开对比工具
Kimi K2.7 Code 是 Moonshot AI 于 2026 年 6 月 12 日发布的 Kimi K2 系列编程与 Agentic Coding 专属模型，基于 Kimi K2.6 构建，专注于复杂软件工程任务的端到端完成能力、长程代码工作流和工具调用场景。官方模型卡说明，该版本相比 Kimi K2.6 在真实长程编程任务上有明显增强，并将 thinking token 使用量降低约 30%，在相同质量下显著降低长任务的推理成本。
模型权重已在 HuggingFace（moonshotai/Kimi-K2.7-Code） 发布，采用 Modified MIT 许可证；同时可通过 Moonshot 平台 API 及 Kimi Code 访问。
Kimi K2.7 Code 采用混合专家（MoE）架构：
K2.7 Code 以编程和长程软件工程 Agent 任务为核心场景，同时支持文本、图像和视频输入，输出为文本。
使用约束（官方模型卡说明）：
thinking 与 preserve_thinking 不可关闭）部署推荐：vLLM、SGLang 和 KTransformers；Transformers 版本要求 ≥4.57.1 且 <5.0.0；可通过 OpenAI / Anthropic 兼容接口调用。
以下为 Moonshot AI 官方发布的评测成绩（均为厂商自测数据，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% |
其中，MLS Bench Lite 提升最为显著（+31.5%）；Kimi Code Bench v2 的 62.0 分超越 Kimi K2.6 的 50.9 分；MCP Mark Verified 的 81.1 分超越 Claude Opus 4.8（76.4）。整体 thinking token 使用量较 K2.6 降低约 30%，在长程 Agent 任务中可节省推理成本。
通过 Moonshot AI 平台 API 调用的定价（美元，每百万 tokens）：
| 计费项 | 价格 |
| 文本输入（cache miss） | $0.95 / 百万 tokens |
| 文本输出 | $4.00 / 百万 tokens |
| 缓存读取（cache hit） | $0.19 / 百万 tokens |
模型 API ID：kimi-k2.7-code，兼容 OpenAI 及 Anthropic 接口规范。
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
