moonshotai
MoonshotAI: Kimi K2.7 Code
moonshotai/kimi-k2.7-code
Nossa análise
Análise com auxílio de IA baseada nas fontes abaixo. A adequação é uma avaliação editorial; teste com suas próprias tarefas.
O Kimi K2.7 Code da MoonshotAI é uma variante agêntica focada em programação e baseada no Kimi K2.6. A Moonshot afirma que ele busca concluir de forma confiável tarefas de software de longo horizonte e usa cerca de 30% menos tokens de raciocínio que o K2.6. O modelo adota uma grande arquitetura de mistura de especialistas, aceita texto e imagens, produz texto e oferece contexto de aproximadamente 256 mil tokens. Os resultados relatados pelo fornecedor superam o K2.6 em todos os testes listados de código e de comportamento agêntico, mas cada teste fica atrás de pelo menos um sistema comparado. As evidências vêm do OpenRouter e da documentação da Moonshot; a verificação independente é limitada.[1][2]
Pontos fortes
- Projetado para engenharia de software de longo horizonte e ponta a ponta como modelo agêntico de programação baseado no Kimi K2.6.[2]
- Combina contexto de aproximadamente 256 mil tokens com entradas de texto e imagem, saída de texto, chamadas de ferramentas, saídas estruturadas e controles de amostragem.[1][2]
- A Moonshot relata uso de tokens de raciocínio cerca de 30% menor que o K2.6 e resultados superiores ao K2.6 em cada teste listado de código e comportamento agêntico.[2]
Limitações
- O raciocínio e preserve_thinking são obrigatórios, e o modo instantâneo não é compatível, portanto esses comportamentos não podem ser desativados.[1][2]
- A entrada de vídeo é descrita como experimental e limitada à API oficial da Moonshot, enquanto o OpenRouter especifica apenas texto e imagem como entradas.[1][2]
- O pacote contém dados de catálogo e documentação do fornecedor, mas nenhuma avaliação independente nem requisitos de hardware; valide precisão, latência, comportamento de segurança e custo nas cargas reais.[1][2]
Onde usar
- Considere-o para implementação, refatoração, depuração e manutenção com contexto longo, quando um agente precisar sustentar trabalho em várias etapas.[1][2]
- Avalie-o para assistentes de programação que se beneficiem de raciocínio preservado entre turnos, chamadas de ferramentas e saídas estruturadas.[1][2]
- Teste-o em trabalho de programação informado por imagens, como interpretar capturas de tela ou diagramas; trate a entrada de vídeo como um experimento da API oficial.[1][2]
Fontes
- [1] OpenRouter catalog · MoonshotAI: Kimi K2.7 CodeFontes consultadas: 13 de nov. de 2026
- [2] Model documentation · MoonshotAI: Kimi K2.7 CodeFontes consultadas: 13 de nov. de 2026
Sobre este modelo
A descrição abaixo é o texto original fornecido pelo OpenRouter, no idioma da fonte.
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...
Especificações
- ID do modelo
- moonshotai/kimi-k2.7-code
- ID canônico
- moonshotai/kimi-k2.7-code-20260612
- Criador
- moonshotai
- Adicionado ao OpenRouter
- 12.06.2026
- Comprimento de contexto
- 262,144
- Modalidade
- text+image->text
- Modalidades de entrada
- text, image
- Modalidades de saída
- text
- Preço por token
- USD por 1M de tokens: entrada $0.600 / saída $3.5
- Corte de conhecimento
- —
- Data de expiração
- —
Tarefas e capacidades
Uma nota aparece apenas quando a fonte fornece uma medição correspondente para aquela tarefa, o modelo está ativo e a coorte tem pelo menos 10 modelos comparáveis. A coluna de capacidade lista fatos declarados pela fonte — formatos compatíveis, raciocínio e parâmetros de ferramentas — que não são qualidade medida.
| Tarefa | Nota | Capacidade declarada pela fonte |
|---|---|---|
| Qualidade geral | Sem medição | raciocínio: obrigatório · parâmetros: include_reasoning, reasoning |
| Programação | BB — próximos 30% da coorte | — |
| Agentes | BB — próximos 30% da coorte | parâmetros: structured_outputs, tool_choice, tools |
| Escrita | Sem medição | saída: text |
| Raciocínio | Sem medição | raciocínio: obrigatório · parâmetros: include_reasoning, reasoning |
| Análise de documentos | Sem medição | — |
| Visão | Sem medição | entrada: image |
| Geração de imagens | Sem medição | — |
| Áudio | Sem medição | — |
| Vídeo | Sem medição | — |
| Embeddings | Sem medição | — |
Avaliações
| Fonte | Benchmark | Valor | Nota | Dados obtidos |
|---|---|---|---|---|
| Artificial Analysis | Coding index | 60.8 | BB — próximos 30% da coorte | 13.11.2026 |
| Artificial Analysis | Agentic index | 21 | BB — próximos 30% da coorte | 13.11.2026 |
| Design Arena | agents · agenticgamedevtaxa de vitória 42.8% · posição 22 | 1,079Elo | CC — abaixo da faixa B | 13.11.2026 |
| Design Arena | agents · androidnativetaxa de vitória 46% · posição 31 | 1,129Elo | CC — abaixo da faixa B | 13.11.2026 |
| Design Arena | agents · fullstacktaxa de vitória 50.9% · posição 24 | 1,154Elo | BB — próximos 30% da coorte | 13.11.2026 |
| Design Arena | agents · godotgamedevtaxa de vitória 49.2% · posição 25 | 1,130Elo | CC — abaixo da faixa B | 13.11.2026 |
| Design Arena | agents · htmlslidestaxa de vitória 53.6% · posição 11 | 1,097Elo | BB — próximos 30% da coorte | 13.11.2026 |
| Design Arena | agents · mobileappstaxa de vitória 46.2% · posição 35 | 1,136Elo | CC — abaixo da faixa B | 13.11.2026 |
| Design Arena | agents · python-pptxslidestaxa de vitória 44.6% · posição 24 | 1,114Elo | CC — abaixo da faixa B | 13.11.2026 |
| Design Arena | agents · webappstaxa de vitória 46.9% · posição 31 | 1,158Elo | CC — abaixo da faixa B | 13.11.2026 |
| Design Arena | models · 3dtaxa de vitória 49.7% · posição 43 | 1,223Elo | BB — próximos 30% da coorte | 13.11.2026 |
| Design Arena | models · asciiarttaxa de vitória 47.7% · posição 32 | 1,185Elo | BB — próximos 30% da coorte | 13.11.2026 |
| Design Arena | models · codecategoriestaxa de vitória 49.7% · posição 45 | 1,244Elo | BB — próximos 30% da coorte | 13.11.2026 |
| Design Arena | models · dataviztaxa de vitória 48.3% · posição 50 | 1,222Elo | BB — próximos 30% da coorte | 13.11.2026 |
| Design Arena | models · gamedevtaxa de vitória 46.3% · posição 49 | 1,210Elo | BB — próximos 30% da coorte | 13.11.2026 |
| Design Arena | models · svgtaxa de vitória 43.8% · posição 44 | 1,166Elo | BB — próximos 30% da coorte | 13.11.2026 |
| Design Arena | models · uicomponenttaxa de vitória 50.8% · posição 42 | 1,252Elo | BB — próximos 30% da coorte | 13.11.2026 |
| Design Arena | models · websitetaxa de vitória 51.5% · posição 37 | 1,259Elo | AA — próximos 20% da coorte | 13.11.2026 |
Como funcionam as notas
Cada nota compara um modelo apenas com outros modelos avaliados pela mesma fonte e métrica no snapshot atual. S é o top 10%, A os 20% seguintes, B os 30% seguintes e C o restante. Modelos sem medição publicada aparecem como não avaliados — um formato compatível nunca implica qualidade medida.
- S — S — top 10% da coorte
- A — A — próximos 20% da coorte
- B — B — próximos 30% da coorte
- C — C — abaixo da faixa B
Provedores
Estatísticas opcionais de provedores ao vivo do OpenRouter. Valores ausentes são desconhecidos, não zero.
| Provedor | Comprimento de contexto | Preço entrada /1M | Preço saída /1M | Latência p50 (30m, s) | Taxa p50 (30m, tok/s) | Disponibilidade (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 | — | — | — |
Dados de provedores obtidos: 13.11.2026
Artigos relacionados
Nenhum artigo publicado identifica este modelo ainda.