Fortschrittliches Coding-Modell von MoonshotAI
kimi-k2.7-code
256K Tokens

Kimi K2.7 Code:Für Coding-Agenten gebaut

Kimi K2.7 Code ist MoonshotAIs bisher stärkstes Coding-Modell, abgestimmt auf Long-Horizon Software Engineering, Tool Calling und Agent-Workflows.

Es basiert auf dem trillionenparametrigen K2-MoE-Backbone mit 32B aktiven Parametern und unterstützt 256K Kontext, Text-/Bild-/Videoeingaben, automatisches Context Caching und immer aktives Thinking für mehrstufige Engineering-Aufgaben.

Kimi K2.7 Code Signale
Kimi Code Bench v2
Offizieller Model-Card-Score
62.0
Program Bench
Binary-to-Program Benchmark
53.6
MLS Bench Lite
ML-System-Benchmark
35.1
Kontextfenster
Long-Context Coding
256K

Was ist Kimi K2.7 Code?

Kimi K2.7 Code ist MoonshotAIs coding-fokussiertes K2-Modell für Codegenerierung, Codebase-Verständnis, Tool Use und agentische Softwareentwicklung. Es wird als Kimis stärkstes Coding-Modell bisher positioniert.

Long-Horizon Coding
Darauf ausgelegt, End-to-End-Programmieraufgaben zuverlässig über lange Kontexte und mehrstufige Workflows zu erledigen.
Immer aktives Thinking
Thinking ist standardmäßig aktiviert und kann nicht deaktiviert werden. Der Fokus liegt auf Planung und Verifikation bei Engineering-Aufgaben.
Multimodale Engineering-Eingaben
Akzeptiert Text, Bilder und Video, damit Screenshots, UI-Aufnahmen, Logs und Anforderungen in Coding-Aufgaben einfließen können.
ToolCalls und JSON Mode
Unterstützt ToolCalls, JSON Mode, Partial Mode und automatisches Context Caching für Agent- und API-Workflows.
K2.7 Code technische Specs
  • • 256K Kontextfenster für Codebases und Logs
  • • Thinking immer aktiv; Deaktivierung wird nicht unterstützt
  • • Text-, Bild- und Videoeingaben
  • • ToolCalls, JSON Mode, Partial Mode, Context Caching
  • • 1T / 32B aktives MoE, modified MIT Gewichte
K2.7 Code Use Cases
  • • Long-Context Codebase-Verständnis
  • • Debugging, Refactoring und Testgenerierung
  • • Screenshot-to-UI und video-basierte Fehleranalyse
  • • Claude Code, Cline, RooCode und Kimi Code Workflows
  • • Eigene AI-Coding-Assistenten per API

Über Kimi K2.7 Code

Kimi K2.7 Code ist ein coding-spezialisiertes Modell auf Basis von Kimi K2.6. Es zielt auf reale Software-Engineering-Workflows: Codebase-Verständnis, Long-Context-Anweisungen, multimodale Anforderungen, Tool Calls und Agent-Aufgaben.

Das Release behält das K2-MoE-Backbone: 1T Gesamtparameter, 32B aktive Parameter, 384 Experten, 61 Schichten, MLA Attention, SwiGLU und ein 256K Token Kontextfenster. Die Hugging Face Model Card nennt außerdem MoonViT als Vision Encoder für Bild- und Video-Workflows.

Für Entwickler sind Kimi Code, Kimi API, OpenRouter und kompatible Coding-Tools die praktischen Einstiegspunkte. K2.7 Code ist besonders relevant für Debugging, Refactoring, Testgenerierung, Multi-File-Änderungen, Projektanalyse und lang laufende Coding-Agenten.

Kimi K2.7 Code FAQ

Antworten auf häufige Fragen zu Kimi K2.7 Code, Kimi Code, Kontextlänge, Thinking Mode, Preisen und Zugriff.

Was ist Kimi K2.7 Code?

Kimi K2.7 Code ist MoonshotAIs coding-fokussiertes K2-Modell für Long-Context Software Engineering, Agent-Workflows, Tool Calling und multimodale Coding-Aufgaben. Die offiziellen API-Docs beschreiben es als Kimis bisher leistungsfähigstes Coding-Modell.

Wie lautet die Modell-ID von Kimi K2.7 Code?

Die API-Modell-ID ist kimi-k2.7-code. Auf Hugging Face ist das Modell als moonshotai/Kimi-K2.7-Code gelistet. Auf OpenRouter lautet die ID moonshotai/kimi-k2.7-code.

Wie lang ist das Kontextfenster von Kimi K2.7 Code?

Kimi K2.7 Code unterstützt ein 256K Token Kontextfenster für Projektdateien, Logs, Testausgaben und mehrstufige Engineering-Pläne.

Kann Kimi K2.7 Code Thinking deaktivieren?

Nein. Die Kimi API-Dokumentation sagt, dass Kimi K2.7 Code keinen Non-Thinking-Modus unterstützt. Requests, die Thinking deaktivieren, führen zu einem Fehler.

Unterstützt Kimi K2.7 Code Bilder und Video?

Ja. Kimi K2.7 Code unterstützt Text-, Bild- und Videoeingaben, nützlich für UI-Screenshots, Designreferenzen, Fehlerscreenshots und Interaktionsaufnahmen.

Was wurde von Kimi K2.6 zu Kimi K2.7 Code verbessert?

Die Hugging Face Model Card meldet höhere Werte für K2.7 Code als K2.6 bei Kimi Code Bench v2, Program Bench, MLS Bench Lite, Kimi Claw 24/7 Bench, MCP Atlas und MCP Mark Verified. Außerdem wird etwa 30% weniger Thinking-Token-Nutzung genannt.

Ist Kimi K2.7 Code open weight?

Ja. Die Hugging Face Model Card listet Kimi K2.7 Code unter modified MIT, mit Gewichten unter moonshotai/Kimi-K2.7-Code.

Wo kann ich Kimi K2.7 Code nutzen?

Über Kimi API, Kimi Code, Hugging Face, OpenRouter und kompatible Coding-Tools wie Claude-Code-artige Anthropic-Endpunkte, Cline und RooCode.