同步自 OpenRouter · 400 个模型 · source=openrouter · 2026-08-10T01:41:24.571Z
Kimi K2.7 Code
moonshotai/kimi-k2.7-code
MoonshotAI 的 Kimi K2.7 Code 是基于 K2.6 开发的代码专注型 Agentic 模型。它在真实世界长程编码任务上大幅提升，支持端到端复杂软件工程工作流完成，同时提升 token 效率，思考 token 减少约 30%。模型采用 MoE 架构，总参数约 1T（激活 32B），支持 256K 上下文和多模态输入（文本、图像）。始终运行在 thinking 模式，保留完整推理内容，适合长时序编码、Agent 任务分解和多轮对话。外部基准显示指令遵循和 Agentic 能力优于 K2.6。以厂商/网关为准。
Kimi K2系列代码专用Agentic模型，专注长程编码与任务完成。
Kimi / Moonshot
Moonshot AI · 知识库 159 模 / 31 族
Kimi K2系列代码专用Agentic模型，专注长程编码与任务完成。
MoonshotAI 的 Kimi K2.7 Code 是基于 K2.6 开发的代码专注型 Agentic 模型。它在真实世界长程编码任务上大幅提升，支持端到端复杂软件工程工作流完成，同时提升 token 效率，思考 token 减少约 30%。模型采用 MoE 架构，总参数约 1T（激活 32B），支持 256K 上下文和多模态输入（文本、图像）。始终运行在 thinking 模式，保留完整推理内容，适合长时序编码、Agent 任务分解和多轮对话。外部基准显示指令遵循和 Agentic 能力优于 K2.6。以厂商/网关为准。
月之暗面 Kimi 系列，以长上下文与 Agent 能力见长。
MoonshotAI: Kimi K2.7 Code is a coding-focused model in Moonshot AI's Kimi K2 family, built to complete end-to-end programming tasks reliably over long contexts. It uses a native multimodal mixture-of-experts...
- Kimi K2系列代码专用Agentic模型，专注长程编码与任务完成。
- 归并版本 9 个
- K2.7 Code 版本，1T MoE（32B 激活），基于 K2.6 改进，专注代码优化。
适用场景
- 复杂软件工程
- 长时序编码任务
- Agent 工作流
能力 / 优势
- 长程编码
- Agentic 任务
- 多模态输入
- 高效推理
边界 / 不适合
- 通用对话
- 非代码任务
接入提示：OpenAI 兼容接口，通过 OpenRouter 接入，模型 ID: moonshotai/kimi-k2.7-code；支持 vLLM 等部署，强制 thinking 模式。
常见问题
支持上下文长度？
256K tokens。
是否支持图像输入？
支持文本和图像输入，视频为实验性功能。
历史版本 / 相关变体
| 版本 | 模型 | 参数 | 来源 | 说明 |
|---|---|---|---|---|
| — | Kimi K3 moonshotai/kimi-k3 | — | OpenRouter | |
| —当前 | Kimi K2.7 Code moonshotai/kimi-k2.7-code | — | OpenRouter | |
| — | Kimi K2.7 Code (batch) moonshotai/kimi-k2.7-code:batch | — | OpenRouter | |
| — | MoonshotAI Kimi Latest ~moonshotai/kimi-latest | — | OpenRouter | |
| — | Kimi K2.6 moonshotai/kimi-k2.6 | — | OpenRouter | |
| — | Kimi K2.5 moonshotai/kimi-k2.5 | — | OpenRouter | |
| — | Kimi K2 Thinking moonshotai/kimi-k2-thinking | — | OpenRouter | |
| — | Kimi K2 0905 moonshotai/kimi-k2-0905 | — | OpenRouter | |
| — | Kimi K2 0711 moonshotai/kimi-k2 | — | OpenRouter |
定价与限制
| 输入 | $0.700 / 百万 tokens |
| 输出 | $3.50 / 百万 tokens |
| 缓存读 / 写 | $0.150 / — |
| 最大输出 | 262k |
| 输入模态 | text, image |
| 输出模态 | text |
| HF | moonshotai/Kimi-K2.7-Code |
支持参数
价格与基准分优先同步自 OpenRouter；网关短 ID 由本站平台清单补全，介绍/历史版本融合 Hugging Face 检索与家族知识库。能力验真请用 bench_v1 实验室 · OCR 天梯。
关于本页实体
Kimi K2.7 Code：怎么用本页做决策
Kimi K2.7 Code 模型页汇总价格、上下文与能力线索，并与天梯/排行联动。
深度解读见相关指南；跑分与挂价会更新，请以当日快照为准。
相关指南
- 2026 最新模型天梯实测：Claude Opus 5、GPT-5.6 Sol、Grok-3 与 Kimi K3 路由策略 — 基于 SWE-Bench、ARC-AGI 与长上下文 Agent 任务的跨模型基准对比，结合价格、上下文长度与本地/云部署可行性，提供 2026 年最优路由决策
- 2026 Grok 编码模型天梯：性价比与选型实战榜 — 聚焦Grok Build 0.1编码代理天梯，实测多场景性价比、上下文长度与工具调用稳定性；对比主流模型，提供工程选型清单与硬件适配建议。
- 2026 GrokCode vLLM 本地部署生产清单：并发、显存、量化与模型天梯实战 — vLLM本地部署生产级配置全指南，聚焦并发处理能力、显存优化、量化策略与编码模型天梯性价比对比。结合GrokCode实验室实测数据，提供工程可核验的硬件搭配方案
- Grok / xAI 模型天梯在 vLLM 本地部署的性价比排行榜 — 2026年 GrokCode 模型天梯在 vLLM 本地部署场景下的编码模型排行榜，覆盖 70B 级 TCO 实测、量化策略与业务选型路径。
- 本地部署 70B 模型天梯：TCO 实测与电费卡费量化 — GrokCode 针对 70B 级别本地部署的算力账单化方案，涵盖电费、硬件卡费、量化策略实测数据与 vLLM 生产清单，助力模型天梯性价比选型。
- 编码模型天梯怎么读：Grok 4.5 性价比榜与业务选型实战 — 2026 年最新 Grok 4.5 / Grok 4.20 编码模型天梯拆解：BenchAlign v5、LM Arena、HighWalk 实测数据 + 与
- Ollama 到 vLLM 生产升级：硬件门槛与推理性能天梯 — 本地部署模型天梯实测：Ollama 原型 vs vLLM 生产，显存量化与并发实测
- Qwen 2.5 本地部署 vLLM 实战：硬件配置与推理速度天梯 — Qwen 系列模型通过 vLLM 本地部署的硬件档位选择、量化策略与实际推理速度对比，助力开发者快速进入模型天梯实验室。
常见问题
- Kimi K2.7 Code 的价格与能力数据从哪来？
- 公开目录、官方价表与本站监测/天梯快照。账单以官方或供应商当日为准。
主题柱
slug：moonshotai/kimi-k2.7-code · 主题柱讲方法，实时数字以本页表格为准
站内推荐
同系工具：Clavue CLI / imux IDE / clavue-2.1
Clavue · CLI 与 Agent 平台
CLI / GUI Agent 运行时、设备登录、会员额度与 OpenAI 兼容 API（api.clavue.com）。开发脚本、CI 与本地工具一条链路。
打开 Clavue ↗imux · 原生 macOS AI IDE
Clavue 平台的原生 IDE：多 Agent 分屏、Ghostty 级终端、Agent Chat、浏览器自动化与 Supervisor——不是又一个 Electron 壳。
了解 imux ↗Clavue 2.1 · 产品级大模型
旗舰模型 clavue-2.1（及 fast / pro / rev）：适合复杂推理与长程 Agent 循环。Chat、imux、API 共用会员额度。
查看模型 ↗