- Configuración de la API de Kimi K2.7 Code
- Precios y límites de Kimi K2.7 Code
- Ejemplo de cURL de Kimi K2.7 Code
- Ejemplo de Python de Kimi K2.7 Code
- Entrada de imagen y video
- Llamada a funciones y salidas estructuradas
- Lista de verificación para pruebas en producción
- Preguntas frecuentes
- Artículos recomendados
Kimi K2.7 Code está disponible en Novita AI con el ID de modelo moonshotai/kimi-k2.7-code, un endpoint chat/completions compatible con OpenAI, una ventana de contexto de 262,144 tokens y soporte para entradas de texto, imagen y video. Esta guía de inicio rápido cubre la configuración para desarrolladores: autenticación, envío de tu primera solicitud, uso de entrada de visión, adición de llamadas a funciones y comprensión de precios antes de crear tu aplicación. Para una visión más amplia sobre posicionamiento y casos de uso, consulta la descripción general de Kimi K2.7 Code en Novita AI. Para conectar Kimi K2.7 Code con Claude Code a través del endpoint compatible con Anthropic, consulta Cómo usar Kimi K2.7 Code en Claude Code.
Configuración de la API de Kimi K2.7 Code
Comienza con tres elementos de configuración:
| Elemento | Valor |
|---|---|
| Clave de API | Crea y almacena una clave de API de Novita AI en una variable de entorno como NOVITA_API_KEY. |
| URL base compatible con OpenAI | https://api.novita.ai/openai |
| Endpoint de chat completions | POST https://api.novita.ai/openai/v1/chat/completions |
| ID del modelo | moonshotai/kimi-k2.7-code |
El índice de documentación de Novita AI enumera la URL base compatible con OpenAI, y la referencia de la API de chat completions documenta todos los campos de solicitud y respuesta.
Mantén la clave de API fuera del control de versiones. Expórtala en tu shell para el desarrollo local:
export NOVITA_API_KEY="tu_clave_api"
Si tu aplicación ya usa el SDK de OpenAI, el cambio es mínimo: apunta la URL base a Novita AI y establece el modelo en moonshotai/kimi-k2.7-code.
Precios y límites de Kimi K2.7 Code
Usa el ID de modelo exacto en el código. En la interfaz de usuario, usa el nombre visible “Kimi K2.7 Code”.
| Campo | Valor actual en Novita |
|---|---|
| Nombre visible | Kimi K2.7 Code |
| ID del modelo API | moonshotai/kimi-k2.7-code |
| Serie del modelo | MoonshotAI |
| Arquitectura | MoE, 1T parámetros en total, 32B activados |
| Familias de endpoints | chat/completions, anthropic |
| Modalidades de entrada | Texto, imagen, video |
| Modalidad de salida | Texto |
| Ventana de contexto | 262,144 tokens |
| Máximo de tokens de salida | 262,144 tokens |
| Características | Llamada a funciones, salidas estructuradas, razonamiento |
A partir del 16 de junio de 2026, Novita lista estos precios por token para moonshotai/kimi-k2.7-code:
| Tipo de token | Precio listado |
|---|---|
| Tokens de entrada | $0.95 por 1M de tokens |
| Tokens de salida | $4.00 por 1M de tokens |
| Tokens de entrada de lectura de caché | $0.19 por 1M de tokens |
Los precios, la disponibilidad y los límites de velocidad pueden cambiar. Consulta la página del modelo Kimi K2.7 Code y la página de precios de Novita AI antes del lanzamiento en producción o cualquier compromiso de costos.
Ejemplo de cURL de Kimi K2.7 Code
Comienza con una solicitud de solo texto para confirmar la autenticación, el enrutamiento del modelo y el análisis de la respuesta antes de agregar visión o llamadas a herramientas.
curl "https://api.novita.ai/openai/v1/chat/completions" \
-H "Content-Type: application/json" \
-H "Authorization: Bearer ${NOVITA_API_KEY}" \
-d '{
"model": "moonshotai/kimi-k2.7-code",
"messages": [
{
"role": "system",
"content": "Eres un asistente de revisión de código conciso."
},
{
"role": "user",
"content": "Enumera tres errores comunes al implementar lógica de reintento en Python."
}
],
"max_tokens": 512,
"temperature": 0.2
}'
Una respuesta exitosa devuelve la forma estándar de chat completions: un arreglo choices, un mensaje con content, metadatos de modelo/creación y un objeto usage con recuentos de tokens de prompt, finalización y total.
Usa esta prueba de humo para verificar:
- Que la clave de API sea válida y el encabezado de autorización esté correctamente formateado.
- Que el ID del modelo sea aceptado sin un error 404 o modelo no encontrado.
- Que tu cliente pueda analizar
choices[0].message.content. - Que el uso de tokens se registre para que puedas monitorear el costo desde la primera solicitud.
Ejemplo de Python de Kimi K2.7 Code
El SDK de Python de OpenAI funciona con Novita AI cuando configuras la URL base de Novita. Fija la versión del SDK según tu propia política de dependencias.
import os
from openai import OpenAI
client = OpenAI(
base_url="https://api.novita.ai/openai",
api_key=os.environ["NOVITA_API_KEY"],
)
response = client.chat.completions.create(
model="moonshotai/kimi-k2.7-code",
messages=[
{"role": "system", "content": "Eres un asistente de revisión de código conciso."},
{
"role": "user",
"content": "Revisa esta función de Python para detectar errores de off-by-one y casos límite faltantes:\n\ndef get_items(lst, start, end):\n return lst[start:end]",
},
],
max_tokens=512,
temperature=0.2,
)
print(response.choices[0].message.content)
print("Tokens usados:", response.usage.total_tokens)
Para sesiones largas de agentes de codificación, establece max_tokens explícitamente. Kimi K2.7 Code admite hasta 262,144 tokens de salida, pero los agentes de producción deben presupuestar el uso de tokens por turno y monitorear el costo acumulado en ejecuciones de varios pasos.
Entrada de imagen y video
Novita lista texto, imagen y video como modalidades de entrada para Kimi K2.7 Code. Para entrada de visión, pasa un arreglo content en el mensaje del usuario con una parte text y una parte image_url:
import os
from openai import OpenAI
client = OpenAI(
base_url="https://api.novita.ai/openai",
api_key=os.environ["NOVITA_API_KEY"],
)
response = client.chat.completions.create(
model="moonshotai/kimi-k2.7-code",
messages=[
{"role": "system", "content": "Eres un asistente de revisión de código de UI."},
{
"role": "user",
"content": [
{
"type": "text",
"text": "Describe cualquier problema de accesibilidad visible en esta captura de pantalla de UI y sugiere correcciones de CSS.",
},
{
"type": "image_url",
"image_url": {"url": "https://example.com/screenshot.png"},
},
],
},
],
max_tokens=512,
)
print(response.choices[0].message.content)
Un orden práctico para la integración multimodal:
- Confirma primero que la prueba de humo de solo texto funcione.
- Agrega una entrada de imagen con una tarea claramente verificable, como extraer etiquetas de una captura de pantalla de UI.
- Valida tanto la calidad de la respuesta como la forma de la respuesta para tu carga de trabajo real.
- Prueba las entradas de video por separado: comienza con clips cortos, verifica el formato de la solicitud y mide la latencia y los costos de tokens antes de agregar video a una ruta de producción.
No asumas que cada payload multimodal compatible con OpenAI se acepta de manera idéntica en todos los modelos alojados en Novita. Verifica la forma exacta del payload de imagen y video en la documentación actual de Novita AI o en los ejemplos de la consola para moonshotai/kimi-k2.7-code antes de lanzar.
Llamada a funciones y salidas estructuradas
Kimi K2.7 Code admite llamadas a funciones a través del parámetro tools y salidas estructuradas a través de response_format. Ambos están listados como características en la página del modelo de Novita AI.
Usa la llamada a funciones cuando el modelo deba seleccionar una herramienta y devolver argumentos estructurados en lugar de responder en prosa:
import os
from openai import OpenAI
client = OpenAI(
base_url="https://api.novita.ai/openai",
api_key=os.environ["NOVITA_API_KEY"],
)
tools = [
{
"type": "function",
"function": {
"name": "file_search",
"description": "Busca en el repositorio archivos que coincidan con un patrón.",
"parameters": {
"type": "object",
"properties": {
"pattern": {
"type": "string",
"description": "Patrón glob para coincidir, p. ej. '**/*.py'",
},
"directory": {
"type": "string",
"description": "Directorio raíz para buscar.",
},
},
"required": ["pattern"],
},
},
}
]
response = client.chat.completions.create(
model="moonshotai/kimi-k2.7-code",
messages=[
{"role": "system", "content": "Eres un asistente de análisis de repositorios."},
{
"role": "user",
"content": "Encuentra todos los archivos de Python en el directorio src que puedan contener lógica de migración de base de datos.",
},
],
tools=tools,
tool_choice="auto",
temperature=0.1,
)
message = response.choices[0].message
if message.tool_calls:
for call in message.tool_calls:
print(f"Herramienta: {call.function.name}")
print(f"Argumentos: {call.function.arguments}")
else:
print(message.content)
Para salidas estructuradas, usa response_format con json_schema cuando necesites una respuesta JSON validada sin una llamada a herramienta. Mantén los esquemas iniciales pequeños y prueba tu analizador con la forma exacta de respuesta que devuelve moonshotai/kimi-k2.7-code antes de confiar en el modo estricto en producción.
La arquitectura de pensamiento intercalado de Kimi K2.7 Code significa que razona a través de tareas de varios pasos antes de devolver un resultado. Para flujos de trabajo de codificación agénticos con múltiples llamadas a herramientas por turno, prueba cómo se comportan la elección de herramientas, la calidad de los argumentos y la latencia de respuesta en tu conjunto de tareas real antes de enrutar tráfico de producción.
Lista de verificación para pruebas en producción
Kimi K2.7 Code se cobra por separado para tokens de entrada, salida y lectura de caché. Los perfiles de costos varían significativamente según la carga de trabajo:
- Revisión de código de contexto largo: los recuentos grandes de tokens de entrada dominan el costo.
- Agentes de generación de código: el uso de tokens de salida escala con la longitud de la respuesta y el número de turnos.
- Flujos de trabajo con contexto repetido: el precio de lectura de caché se aplica cuando un prompt de sistema estable, un esquema de herramientas o un resumen de repositorio se repiten en muchas llamadas.
Antes de producción, ejecuta un conjunto de evaluación que incluya:
- Prompts cortos de solo texto (línea base de latencia y verificación de autenticación).
- Prompts de contexto largo cerca de tu tamaño de trabajo esperado, no la ventana máxima.
- Prompts de llamada a herramientas donde el comportamiento correcto sea llamar a una función con argumentos válidos.
- Entradas de imagen que coincidan con tu fuente de carga real y manejo de archivos.
- Casos de fallo: entrada sobredimensionada, URL de medios faltante, clave de API inválida y comportamiento de tiempo de espera.
Las listas de características describen lo que está disponible. La evaluación en tu carga de trabajo real te dice si la latencia, el uso de tokens, la calidad de los argumentos de las herramientas y la corrección de la salida cumplen con tu estándar de producción.
Preguntas frecuentes
¿Está disponible Kimi K2.7 Code a través de Novita AI?
Sí. Novita AI lista Kimi K2.7 Code como un LLM Serverless con el ID de modelo API moonshotai/kimi-k2.7-code.
¿Cuál es el ID de modelo correcto?
Usa moonshotai/kimi-k2.7-code en todas las llamadas a la API.
¿Qué endpoint debo usar?
Usa el endpoint de chat completions compatible con OpenAI: POST https://api.novita.ai/openai/v1/chat/completions. Establece la URL base en https://api.novita.ai/openai cuando uses un cliente del SDK de OpenAI.
¿Cuánto cuesta Kimi K2.7 Code?
A partir del 16 de junio de 2026, Novita AI lista $0.95 por 1M de tokens de entrada, $4.00 por 1M de tokens de salida y $0.19 por 1M de tokens de entrada de lectura de caché. Verifica los precios actuales en la página del modelo Kimi K2.7 Code antes de cualquier decisión de compra.
¿Admite entrada de imagen y video?
Novita lista texto, imagen y video como modalidades de entrada. Para la forma exacta del payload, verifica con la documentación actual de Novita o una llamada de prueba antes de lanzar funciones multimodales.
¿Admite Kimi K2.7 Code llamadas a funciones?
Sí. Usa el parámetro tools en la solicitud de chat completions. Novita lista llamadas a funciones y salidas estructuradas como características compatibles.
¿Cuál es la ventana de contexto?
262,144 tokens de ventana de contexto y 262,144 tokens de salida máxima, según la página del modelo de Novita AI.
