Moonshot AI

Kimi K2.7 CodeAbierto

Name: Kimi K2.7 Code
Price: 4 USD
Rating: 41.8 (7 reviews)
Author: Moonshot AI

Code-specialized Kimi variant for repository-level engineering.

#408lanzado 11 jun 2026·Open Weights·Not disclosed

text262K ctx

Proveedores de API Obtener clave API →Clasificación

Inteligencia

41.8 #408

AAQI 42.0

Velocidad de Salida

39 t/s

TTFT 2.87 s · ITL 25.6 ms/tok

Precio combinado (3:1)

$1.712 /1M

Entrada $0.95/M · Salida $4/M

Contexto

262K

≈ 655 páginas A4 · salida máx. 8,192

Quality Domain Radar

6-Axis Frontier Evaluation vs Category Average & Flagship

Kimi K2.7 Code

Claude Mythos Preview (#1)

Average (68)

Los ejes del radar se aproximan a partir de las puntuaciones de categoría cuando faltan mediciones directas — ver Metodología.

Despliegue de API

Comparar hosts y latencia

Throughput, TTFT y precios de caché en Groq, Cerebras, Together, DeepInfra, Fireworks, Bedrock y Azure.

GroqCerebrasTogether AIDeepInfraFireworks AIAWS BedrockAzure AI

Ver matriz de proveedores →

Puntuaciones por Fuente

Arena.ai ↗

—

Artificial Analysis ↗

42.0

Índice de Inteligencia

Puntuaciones por Categoría

Valor98.3 Contexto largo87.5 Razonamiento48.9 Agéntico43.0 Intelligence43.0 Código39.9 Velocidad1.1

Resultados de Benchmarks

τ²-Bench Retail90.1%GPQA Diamond89.6%LiveCodeBench66.3%

Ifbench63.1%

SciCode47.5%Terminal-Bench Hard44.7%Humanity’s Last Exam32.8%

Detalles del Modelo

Fecha de Lanzamiento

11 jun 2026

Parámetros

Not disclosed

Licencia

Open Weights

Ventana de Contexto

262,000 tokens

Precio de Entrada

$0.95/M

Precio de Salida

$4/M

Velocidad de Salida

39 t/s

Tiempo al Primer Token

2.87 s

Factura mensual estimada

Solicitudes API mensuales: 100,000Tokens de entrada medios: 1,500Tokens de salida medios: 500Tasa de aciertos de caché de prompts: 50%

Gasto mensual estimado

$0.00

Calculando ahorro vs GPT-4o…

Citar e insertar

Badge de Markdown para GitHub

Loading badge markdown...

BibTeX

@misc{llmpodium2026kimik27code,
  title = {Benchmark Analysis and Intelligence Evaluation of Kimi K2.7 Code},
  author = {LLMPodium Research},
  year = {2026},
  url = {https://llmpodium.com/models/kimi-k2-7-code}
}