体验 Kimi K2.7 Code
256K 上下文 • 编码 agents • 始终开启 thinking • 文本 + 图片输入
Kimi K2.7 Code 助手
仓库级编码 • 多步骤工具调用 • 可感知图片的调试
Fast Response
Get instant answers powered by our optimized infrastructure
Privacy First
Your conversations are secure and never used for training
Premium Features
Sign in to unlock API access and unlimited conversations
Kimi K2.7 Code 的四个数字
Moonshot AI 为 Kimi K2.7 Code 发布的架构和运行特征的精简视图。
上下文窗口
256K
可容纳仓库上下文、日志、规范以及长时间的 agent 会话
MoE 架构
1T / 32B
总参数量一万亿，每个 token 激活 320 亿参数
Thinking Tokens
≈30% 更少
Moonshot AI 报告称，在三项编码评测中，相比 K2.6 平均减少的思考 token 约为 30%
Kimrel 最低计费
3 Credits
每次成功请求在按 token 计费前的最低收费
Kimi K2.7 Code 的不同之处
Kimi K2.7 Code 是建立在 K2.6 之上的、面向编码的 agentic 模型。它的改进聚焦于软件工作中最容易让 coding assistant 失效的部分：长指令、重复工具调用、不断变化的上下文，以及端到端完成度。
长程指令遵循
Kimi K2.7 Code 的优化目标之一，是让会话越长时仍能更可靠地遵循详细指令。这个能力在验收标准、仓库规则和早先决策必须跨多轮检查、编辑、测试与修正时尤为重要。
端到端软件工作
该模型面向完整的工程工作流，而不是孤立的代码补全。Kimi K2.7 Code 可以从任务出发推理、检查证据、提出修改、调用工具，并在测试或运行结果不一致时调整方案。
减少无效思考
Moonshot AI 报告称，Kimi K2.7 Code 在三项编码基准上平均使用的 thinking tokens 比 K2.6 少约 30%。它仍然是推理模型，但训练目标是在更少的内部游移中更快进入有效行动。
思考与工具交错进行
Kimi K2.7 Code 支持在推理之间插入多步骤工具调用。coding agent 可以先读文件、解释结果、再运行下一个工具，并继续推进，而不必把任务压缩成一个过大的 prompt。
跨轮次持续的推理
官方模型卡说明 preserve-thinking 行为始终开启。Kimi K2.7 Code 能在多轮编码工作流中保留先前的推理上下文，这有助于它在后续请求依赖早先技术决策时保持一致。
用于调试的视觉上下文
一个 4 亿参数的 MoonViT 编码器为 Kimi K2.7 Code 提供原生视觉输入。在 Kimrel 上，开发者可以在单靠源代码无法解释 bug 时，把文本与截图、示意图或 UI 截图结合起来使用。
Kimi K2.7 Code 相比 K2.6 的提升
Moonshot AI 在 Kimi Code CLI 中开启 thinking 后，对 Kimi K2.7 Code 和 K2.6 进行了评测。公开结果显示 coding-agent 能力有明确提升，不过 benchmark 分数仍应与在你自己的仓库上的测试一起参考。
Kimi Code Bench v2 — 62.0
在 Moonshot AI 的内部基准上，Kimi K2.7 Code 从 K2.6 的 50.9 提升到 62.0。该基准覆盖生产事故和跨十多种编程语言的软件任务。
Program Bench — 53.6
Kimi K2.7 Code 得分 53.6，而 K2.6 为 48.3。Program Bench 会要求 agent 根据程序的可执行行为和文档重建程序，然后用 fuzz 生成的测试进行验证。
MLS Bench Lite — 35.1
Kimi K2.7 Code 达到 35.1，高于 26.7。该评测覆盖开放式机器学习系统工作，包括训练、机器人、优化、计算机视觉和研究导向任务。
Kimi Claw 24/7 — 46.9
Kimi K2.7 Code 在 Moonshot AI 的持久 agent 基准上从 42.9 提升到 46.9。该基准覆盖多日专业场景，测试 agent 是否能持续朝着可长期维持的结果推进。
MCP Atlas — 76.0
在公开配置下，Kimi K2.7 Code 的得分为 76.0，而 K2.6 为 69.4。MCP Atlas 聚焦真实工具使用，因此对正在构建 function-calling agent 的开发者尤其相关。
MCP Mark Verified — 81.1
在使用 GitHub、文件系统、Postgres、Notion 和 Playwright 环境的已验证任务中，Kimi K2.7 Code 从 72.8 提升到 81.1。这个结果支持它作为实用型工具使用 coding 模型的定位。
Kimi K2.7 Code 的用武之地
当工作本质上是软件工程，并且模型必须在第一条答案之后继续保持有用时，选择 Kimi K2.7 Code。这些工作流直接利用了它的长上下文、持续推理、工具和视觉能力。
仓库级功能交付
把功能说明、相关架构、编码规范和测试预期交给 Kimi K2.7 Code。它适合跨路由、服务、类型、迁移和验证的工作，而不是只停留在单个函数层面。
框架升级与迁移
Kimi K2.7 Code 可以在追踪受影响文件、调整接口并应对构建失败的同时，持续关注迁移约束。使用分阶段检查，确保每一步改动都建立在仓库的实际行为之上。
基于证据的调试
把堆栈、日志、源代码片段和截图结合起来。Kimi K2.7 Code 可以把不同产物中的症状串联起来，形成可测试的假设，并在命令或诊断工具返回新证据后继续修正。
工具驱动的 coding agents
把 Kimi K2.7 Code 用在读取文件、搜索符号、运行测试、调用函数并检查结果的循环中。交错推理在每一次工具响应都会改变下一步决策时最有价值。
基于截图的前端工作
发送 UI 截图，并附上实现上下文和明确目标。Kimi K2.7 Code 可以识别可见层级、缺失状态、间距问题或响应式缺陷，然后再提出组件级修改方案。
测试与审查辅助
Kimi K2.7 Code 可以把需求映射为测试用例、检查有风险的 diff，并解释失败路径。人工审查仍然重要，尤其是在安全、数据迁移、权限和面向生产的变更上。
通过 Kimrel 使用 Kimi K2.7 Code
Kimrel 通过熟悉的 API 形态为 Kimi K2.7 Code 提供独立访问。该服务不隶属于 Moonshot AI，并且会分别记录自己的计费和多模态边界，而不是沿用底层模型的说明。
选择准确的模型 ID
将 `model` 设为 `kimi-k2.7-code`。Kimi K2.7 Code 使用与其他受支持路由相同的 Kimrel API key 流程，因此现有集成只需要显式选择模型。
保持 thinking 开启
Kimi K2.7 Code 不提供非 thinking 模式。请为推理和最终答案都预留足够的输出预算；过小的 completion 限制可能会让响应在出现有用内容之前就耗尽。
使用任一兼容路由
可以通过 Kimrel 的 OpenAI 兼容 `/v1/chat/completions` 端点，或 Anthropic 兼容 `/v1/messages` 端点来调用 Kimi K2.7 Code。请根据各自的 API 文档处理认证和 payload 结构。
发送文本和图片
Kimrel 为 Kimi K2.7 Code 开启文本和图片输入。上游模型文档也说明支持视频，但该服务有意不接受视频，不应将其包含在请求中。
让 Kimrel 处理远程图片编码
对于 Kimi K2.7 Code，可以抓取、校验 HTTP(S) 图片 URL，并在转发前转换为 base64。Kimrel 将原始文件大小限制为 6MB，编码后的 payload 限制为 8MB。
预留基于 token 的 credits
Kimi K2.7 Code 的配置为每 100 万 input tokens 95 credits、每 100 万 output tokens 400 credits，每次成功请求最低 3 credits。实际钱包用量遵循 Kimrel 的计量规则。
Kimi K2.7 Code 常见问题解答
面向开发者在选择这个 coding 模型之前最常问的实用问题的简短回答。
什么是 Kimi K2.7 Code？
Kimi K2.7 Code 是 Moonshot AI 在 K2.6 之上开发的、以编码为中心的 agentic 模型。它面向长程软件工程、更强的指令遵循、多步骤工具使用和更高的端到端完成率。Kimrel 提供独立访问，并不隶属于 Moonshot AI。
它能否作为 K2.6 的通用替代？
不一定。Kimi K2.7 Code 更适合代码和 agent 执行占主导的任务。Moonshot AI 建议把 K2.6 用于更广泛的写作、分析和对话，所以模型选择应该由工作负载决定，而不是只看版本号。
Kimi K2.7 Code 会一直使用 thinking 吗？
会。官方文档说明 Kimi K2.7 Code 强制使用 thinking 和 preserve-thinking 行为。请设置现实的 completion 预算，尤其是在处理复杂仓库请求时，因为推理 token 也是最终回复完成前会消耗的一部分输出预算。
Kimi K2.7 Code 能理解截图吗？
可以。Kimi K2.7 Code 包含 MoonViT 视觉编码器。Kimrel 对这个路由接受 base64 图片数据或远程 HTTP(S) 图片 URL，然后把校验后的 base64 payload 转发给上游。Kimrel 上仍不支持视频输入。
它支持 function 和 tool 调用吗？
支持。Kimi K2.7 Code 支持交错推理和多步骤工具调用。它为先检查一个结果再决定下一步的 agent 设计，但调用方仍应验证参数、限制权限并明确处理工具失败。
公开的 benchmark 分数在我的应用里也能保证吗？
不能。Kimi K2.7 Code 的分数描述的是 Moonshot AI 公布的测试配置，而不是对每个仓库或 agent harness 的保证。应使用代表性任务、生产中相同的工具，以及衡量正确性而不是输出风格的检查来评估它。
把 Kimi K2.7 Code 用到真实编码任务上
在 chat 中试用 Kimi K2.7 Code，或者使用 Kimrel API 进行仓库级、工具辅助的工程工作流。