模型

MoonshotAI: Kimi K2.7 Code

仅 API 开源
月之暗面 · Modified MIT License · 1T / 激活 32B · 上下文 256K
能做什么
编程开发Agent工作流
部署门槛
多卡
≥ 577GB
上下文
256K
token 窗口
参数
1T
MoE · 激活 32B

01基础参数

参数规模
1T
上下文窗口
256K
输入模态
image / text
可生成
text
模型系列
开源许可
Modified MIT License
主要语言
zh

02MoE 架构说明

MoE 混合专家 总参 1T · 激活 32B
部署门槛按「激活参数」计算,不等同于总参数量——这是 MoE 模型更易部署的关键。

03部署门槛详情

硬件等级 多卡 · 最低显存 577GB

04Benchmark 评测

待补充

05适用场景

✓ 适用
需要处理超长上下文和复杂依赖的代码生成任务、多步骤工具调用与 Agentic 工作流自动化、生产级代码库的维护、重构与调试、结合视觉输入(UI 截图、架构图)的编程辅助
✗ 不适用
对输出确定性要求极高、需要调整 temperature 的场景(固定为 1.0)、资源受限的单卡或低显存环境本地部署、非编程类通用对话或创意写作任务

06部署与限制

⚙ 本地部署建议
模型规模达 1T 参数,FP16 推理需约 2308GB 显存,远超单卡容量,需多节点集群。推荐使用 INT4 量化(约 577GB 显存)配合 8× RTX PRO 6000 96GB 等多卡方案。社区已提供 GGUF 等量化版本,可结合 vLLM 或 SGLang 部署。
⚠ 已知限制
推理时强制启用 Thinking Mode,temperature 固定为 1.0,无法调整输出随机性。Modified MIT License 对商业使用有限制。模型体量巨大,本地部署硬件门槛极高,小型团队建议优先使用 API。

07详细介绍

Kimi K2.7 Code 是 Moonshot AI 于 2026 年 6 月 12 日开源的编程专用 Agentic 模型。基于 K2.6 架构,它采用 MoE(混合专家)设计,总参数量达 1T,但每次推理仅激活 32B 参数,在保证强大代码能力的同时优化了推理效率。模型支持 256K 超长上下文,并原生接受文本、图像及视频输入(通过 400M 参数的 MoonViT 视觉编码器),可同时处理 UI 截图、错误栈与代码上下文。

该模型专注于真实世界的长周期编程任务,在 Kimi Code Bench V2 上取得 62.0 分,思维 Token 用量相比 K2.6 降低约 30%。它适用于端到端软件工程、多步骤 Agentic 工具调用、生产环境故障排查等场景。模型以 Modified MIT 许可证开源,权重已上架 Hugging Face,支持 vLLM、SGLang 等框架本地部署。需注意其强制启用 Thinking Mode(temperature 固定为 1.0),且 1T 规模的本地部署需要极高的多卡硬件配置。

OpenRouter Provider 比价

共 12 家 provider(2026-06-30 采集),按输入价升序:

Provider输入(USD/1M)输出(USD/1M)量化上下文
DeepInfra0.743.5fp4262144
Parasail0.753.5int4262144
Inceptron0.753.5int4262144
Ambient0.93.83int4262144
Venice0.94.3int4256K
Novita0.9123.84int4262144
SiliconFlow0.944.0fp8262144
Moonshot AI0.954.0int4262144
Cloudflare0.954.0unknown262144
AtlasCloud0.954.0int4262144
Together0.954.0unknown262144
Moonshot AI1.98.0int4262144

代表价(满血最低):Cloudflare 输入 0.95 / 输出 4.0 USD/1M。按 provider 选择可进一步降本。

08官方资源

09同类模型