moonshotai
MoonshotAI: Kimi K2.7 Code
moonshotai/kimi-k2.7-code
Nuestro análisis
Análisis asistido por IA basado en las fuentes siguientes. La idoneidad es una valoración editorial; compruébala con tus propias tareas.
Kimi K2.7 Code de MoonshotAI es una variante agéntica centrada en programación y basada en Kimi K2.6. Moonshot indica que busca completar de forma fiable tareas de software de largo alcance y que usa aproximadamente un 30% menos de tokens de razonamiento que K2.6. El modelo emplea una arquitectura grande de mezcla de expertos, acepta texto e imágenes, devuelve texto y admite un contexto de unos 256.000 tokens. Los resultados declarados por el proveedor mejoran a K2.6 en todas las pruebas de código y agénticas enumeradas, pero cada prueba queda por debajo de al menos un sistema comparado. La evidencia procede de OpenRouter y de la documentación de Moonshot; la verificación independiente es limitada.[1][2]
Puntos fuertes
- Diseñado para ingeniería de software de largo alcance y de extremo a extremo como modelo agéntico de programación basado en Kimi K2.6.[2]
- Combina un contexto de unos 256.000 tokens con entrada de texto e imagen, salida de texto, llamadas a herramientas, salidas estructuradas y controles de muestreo.[1][2]
- Moonshot reporta un uso de tokens de razonamiento aproximadamente un 30% menor que K2.6 y mejores resultados que K2.6 en cada prueba enumerada de código y comportamiento agéntico.[2]
Limitaciones
- El razonamiento y preserve_thinking son obligatorios, y el modo instantáneo no está disponible, por lo que estos comportamientos no pueden desactivarse.[1][2]
- La entrada de video se describe como experimental y limitada a la API oficial de Moonshot, mientras que OpenRouter solo especifica texto e imagen como entradas.[1][2]
- El paquete contiene datos de catálogo y documentación del proveedor, pero ninguna evaluación independiente ni requisitos de hardware; hay que validar precisión, latencia, comportamiento de seguridad y coste en las cargas reales.[1][2]
Dónde utilizarlo
- Considerarlo para implementación, refactorización, depuración y mantenimiento con contexto largo, cuando un agente deba sostener trabajo de varios pasos.[1][2]
- Evaluarlo para asistentes de programación que se beneficien de razonamiento preservado entre turnos, llamadas a herramientas y salidas estructuradas.[1][2]
- Probarlo en trabajo de programación informado por imágenes, como interpretar capturas o diagramas; tratar la entrada de video como un experimento de la API oficial.[1][2]
Fuentes
- [1] OpenRouter catalog · MoonshotAI: Kimi K2.7 CodeFuentes consultadas: 13 nov 2026
- [2] Model documentation · MoonshotAI: Kimi K2.7 CodeFuentes consultadas: 13 nov 2026
Sobre este modelo
La descripción siguiente es el texto original aportado por OpenRouter, en el idioma de la fuente.
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...
Especificaciones
- ID del modelo
- moonshotai/kimi-k2.7-code
- ID canónico
- moonshotai/kimi-k2.7-code-20260612
- Creador
- moonshotai
- Añadido a OpenRouter
- 12.06.2026
- Longitud de contexto
- 262,144
- Modalidad
- text+image->text
- Modalidades de entrada
- text, image
- Modalidades de salida
- text
- Precio por token
- USD por 1M de tokens: entrada $0.600 / salida $3.5
- Corte de conocimiento
- —
- Fecha de expiración
- —
Tareas y capacidades
Una nota aparece solo cuando la fuente aporta una medición correspondiente para esa tarea, el modelo está activo y la cohorte tiene al menos 10 modelos comparables. La columna de capacidad muestra hechos declarados por la fuente — formatos compatibles, razonamiento y parámetros de herramientas — que no son calidad medida.
| Tarea | Nota | Capacidad declarada por la fuente |
|---|---|---|
| Calidad general | Sin medición | razonamiento: obligatorio · parámetros: include_reasoning, reasoning |
| Programación | BB — siguiente 30% de la cohorte | — |
| Agentes | BB — siguiente 30% de la cohorte | parámetros: structured_outputs, tool_choice, tools |
| Escritura | Sin medición | salida: text |
| Razonamiento | Sin medición | razonamiento: obligatorio · parámetros: include_reasoning, reasoning |
| Análisis de documentos | Sin medición | — |
| Visión | Sin medición | entrada: image |
| Generación de imágenes | Sin medición | — |
| Audio | Sin medición | — |
| Vídeo | Sin medición | — |
| Embeddings | Sin medición | — |
Evaluaciones
| Fuente | Benchmark | Valor | Nota | Datos obtenidos |
|---|---|---|---|---|
| Artificial Analysis | Coding index | 60.8 | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Artificial Analysis | Agentic index | 21 | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | agents · agenticgamedevtasa de victoria 42.8% · posición 22 | 1,079Elo | CC — por debajo de la franja B | 13.11.2026 |
| Design Arena | agents · androidnativetasa de victoria 46% · posición 31 | 1,129Elo | CC — por debajo de la franja B | 13.11.2026 |
| Design Arena | agents · fullstacktasa de victoria 50.9% · posición 24 | 1,154Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | agents · godotgamedevtasa de victoria 49.2% · posición 25 | 1,130Elo | CC — por debajo de la franja B | 13.11.2026 |
| Design Arena | agents · htmlslidestasa de victoria 53.6% · posición 11 | 1,097Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | agents · mobileappstasa de victoria 46.2% · posición 35 | 1,136Elo | CC — por debajo de la franja B | 13.11.2026 |
| Design Arena | agents · python-pptxslidestasa de victoria 44.6% · posición 24 | 1,114Elo | CC — por debajo de la franja B | 13.11.2026 |
| Design Arena | agents · webappstasa de victoria 46.9% · posición 31 | 1,158Elo | CC — por debajo de la franja B | 13.11.2026 |
| Design Arena | models · 3dtasa de victoria 49.7% · posición 43 | 1,223Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | models · asciiarttasa de victoria 47.7% · posición 32 | 1,185Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | models · codecategoriestasa de victoria 49.7% · posición 45 | 1,244Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | models · dataviztasa de victoria 48.3% · posición 50 | 1,222Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | models · gamedevtasa de victoria 46.3% · posición 49 | 1,210Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | models · svgtasa de victoria 43.8% · posición 44 | 1,166Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | models · uicomponenttasa de victoria 50.8% · posición 42 | 1,252Elo | BB — siguiente 30% de la cohorte | 13.11.2026 |
| Design Arena | models · websitetasa de victoria 51.5% · posición 37 | 1,259Elo | AA — siguiente 20% de la cohorte | 13.11.2026 |
Cómo funcionan las notas
Cada nota compara un modelo solo con otros modelos evaluados por la misma fuente y métrica en la instantánea actual. S es el 10% superior, A el siguiente 20%, B el siguiente 30% y C el resto. Los modelos sin medición publicada aparecen como no evaluados: un formato compatible nunca implica calidad medida.
- S — S — 10% superior de la cohorte
- A — A — siguiente 20% de la cohorte
- B — B — siguiente 30% de la cohorte
- C — C — por debajo de la franja B
Proveedores
Estadísticas opcionales de proveedores en vivo desde OpenRouter. Los valores ausentes son desconocidos, no cero.
| Proveedor | Longitud de contexto | Precio entrada /1M | Precio salida /1M | Latencia p50 (30m, s) | Rendimiento p50 (30m, tok/s) | Disponibilidad (30m) |
|---|---|---|---|---|---|---|
| CoreWeaveint4 | 262,144 | $0.600 | $3 | — | — | 100% |
| Inceptronint4 | 262,144 | $0.600 | $3.5 | — | — | 100% |
| StreamLake | 256,000 | $0.712 | $3 | — | — | 100% |
| Veniceint4 | 256,000 | $0.750 | $3.5 | — | — | 100% |
| SiliconFlowfp8 | 262,144 | $0.859 | $3.8 | — | — | 100% |
| Novitaint4 | 262,144 | $0.912 | $3.84 | — | — | 100% |
| GMICloudfp8 | 262,144 | $0.950 | $4 | — | — | — |
| Alibabafp8 | 262,144 | $0.950 | $4 | — | — | 100% |
| Cloudflare | 262,144 | $0.950 | $4 | — | — | 100% |
| Moonshot AI | 262,144 | $0.950 | $4 | — | — | 100% |
| Moonshot AI | 262,144 | $1.9 | $8 | — | — | — |
Datos de proveedores obtenidos: 13.11.2026
Artículos relacionados
Ningún artículo publicado identifica aún este modelo.