Kimi K2.7 Code 可在 Novita AI 上使用，模型 ID 為 moonshotai/kimi-k2.7-code，採用 OpenAI 相容的 chat/completions 端點，具有 262,144 個 token 的上下文視窗，並支援文字、圖片和影片輸入。本快速入門涵蓋開發者設定：驗證、發送您的第一個請求、使用視覺輸入、加入函式呼叫，以及在開始建構前了解定價。若想更全面地了解定位和用例，請參閱 Kimi K2.7 Code on Novita AI 總覽。若要透過 Anthropic 相容的端點將 Kimi K2.7 Code 整合到 Claude Code 中，請參閱 如何在 Claude Code 中使用 Kimi K2.7 Code。
Kimi K2.7 Code API 設定
首先準備三項設定：
| 項目 | 數值 |
|---|---|
| API 金鑰 | 建立並儲存 Novita AI API 金鑰至環境變數，例如 NOVITA_API_KEY。 |
| OpenAI 相容基礎 URL | https://api.novita.ai/openai |
| Chat completions 端點 | POST https://api.novita.ai/openai/v1/chat/completions |
| 模型 ID | moonshotai/kimi-k2.7-code |
Novita AI 文件索引 列出了 OpenAI 相容的基礎 URL，而 chat completions API 參考 則記錄了完整的請求和回應欄位。
請勿將 API 金鑰放入版本控制。在您的 shell 中將其匯出，以便進行本地開發：
export NOVITA_API_KEY="your_api_key"
如果您的應用程式已在使用 OpenAI SDK，只需進行最小的變更：將基礎 URL 指向 Novita AI，並將模型設定為 moonshotai/kimi-k2.7-code。
Kimi K2.7 Code 定價與限制
在程式碼中使用確切的模型 ID。在使用者介面中，使用顯示名稱「Kimi K2.7 Code」。
| 欄位 | 目前 Novita 數值 |
|---|---|
| 顯示名稱 | Kimi K2.7 Code |
| API 模型 ID | moonshotai/kimi-k2.7-code |
| 模型系列 | MoonshotAI |
| 架構 | MoE，總參數 1T，啟動參數 32B |
| 端點系列 | chat/completions, anthropic |
| 輸入模態 | 文字、圖片、影片 |
| 輸出模態 | 文字 |
| 上下文視窗 | 262,144 tokens |
| 最大輸出 tokens | 262,144 tokens |
| 功能 | 函式呼叫、結構化輸出、推理 |
截至 2026 年 6 月 16 日，Novita 列出 moonshotai/kimi-k2.7-code 的 token 價格如下：
| Token 類型 | 列出價格 |
|---|---|
| 輸入 token | 每 1M tokens $0.95 USD |
| 輸出 token | 每 1M tokens $4.00 USD |
| 快取讀取輸入 token | 每 1M tokens $0.19 USD |
定價、可用性和速率限制可能會有變動。在生產環境上線或做出任何成本承諾之前，請查閱 Kimi K2.7 Code 模型頁面 和 Novita AI 定價頁面。
Kimi K2.7 Code cURL 範例
從純文字請求開始，以確認驗證、模型路由和回應解析，然後再加入視覺或工具呼叫。
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": "You are a concise code review assistant."
},
{
"role": "user",
"content": "List three common mistakes when implementing retry logic in Python."
}
],
"max_tokens": 512,
"temperature": 0.2
}'
成功的回應會回傳標準的 chat completions 格式：一個 choices 陣列、一個帶有 content 的訊息、model/created 中繼資料，以及一個包含 prompt、completion 和 total token 計數的 usage 物件。
使用這個冒煙測試來驗證：
- API 金鑰有效，且授權標頭格式正確。
- 模型 ID 被接受，未出現 404 或模型不存在的錯誤。
- 您的客戶端能夠解析
choices[0].message.content。 - Token 用量已被記錄，以便您從第一個請求開始監控成本。
Kimi K2.7 Code Python 範例
當您設定 Novita 基礎 URL 時，OpenAI Python SDK 即可與 Novita AI 搭配使用。請根據您自己的相依性管理政策鎖定 SDK 版本。
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": "You are a concise code review assistant."},
{
"role": "user",
"content": "Review this Python function for off-by-one errors and missing edge cases:\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 used:", response.usage.total_tokens)
對於長時間的程式設計代理 (coding agent) 會話，請明確設定 max_tokens。Kimi K2.7 Code 最多支援 262,144 個輸出 token，但生產環境中的代理應為每次輪次預估 token 使用量，並在多步驟執行過程中監控累計成本。
圖片與影片輸入
Novita 將文字、圖片和影片列為 Kimi K2.7 Code 的輸入模態。對於視覺輸入，請在使用者訊息中傳遞一個 content 陣列，其中包含一個 text 部分和一個 image_url 部分：
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": "You are a UI code review assistant."},
{
"role": "user",
"content": [
{
"type": "text",
"text": "Describe any accessibility issues visible in this UI screenshot and suggest CSS fixes.",
},
{
"type": "image_url",
"image_url": {"url": "https://example.com/screenshot.png"},
},
],
},
],
max_tokens=512,
)
print(response.choices[0].message.content)
多模態整合的實務順序：
- 首先確認純文字冒煙測試能正常運作。
- 加入一個圖片輸入，並搭配一個可清楚驗證的任務，例如從 UI 截圖中提取標籤。
- 針對您的實際工作負載驗證回應品質和回應格式。
- 分別測試影片輸入——從短片段開始，確認請求格式，並在將影片加入生產路徑之前測量延遲和 token 成本。
請勿假設每個 OpenAI 相容的多模態 payload 都能被每個 Novita 託管的模型完全一致地接受。在正式推出之前，請根據當前的 Novita AI 文件 或主控台中針對 moonshotai/kimi-k2.7-code 的範例，驗證確切的圖片和影片 payload 格式。
函式呼叫與結構化輸出
Kimi K2.7 Code 透過 tools 參數支援函式呼叫，並透過 response_format 支援結構化輸出。這兩者在 Novita AI 模型頁面上均被列為支援的功能。
當模型應選擇一個工具並回傳結構化參數而非以文字回覆時，請使用函式呼叫：
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": "Search the repository for files matching a pattern.",
"parameters": {
"type": "object",
"properties": {
"pattern": {
"type": "string",
"description": "Glob pattern to match, e.g. '**/*.py'",
},
"directory": {
"type": "string",
"description": "Root directory to search within.",
},
},
"required": ["pattern"],
},
},
}
]
response = client.chat.completions.create(
model="moonshotai/kimi-k2.7-code",
messages=[
{"role": "system", "content": "You are a repository analysis assistant."},
{
"role": "user",
"content": "Find all Python files in the src directory that might contain database migration logic.",
},
],
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"Tool: {call.function.name}")
print(f"Arguments: {call.function.arguments}")
else:
print(message.content)
對於結構化輸出，當您需要一個經過驗證的 JSON 回應且無需進行工具呼叫時，請使用帶有 json_schema 的 response_format。在依賴生產環境中的嚴格模式之前，請保持早期的 schema 簡潔，並針對 moonshotai/kimi-k2.7-code 回傳的確切回應格式測試您的解析器。
Kimi K2.7 Code 的交錯推理架構意味著它會在回傳結果之前，先對多步驟任務進行推理。對於每個輪次中涉及多次工具呼叫的代理式編碼工作流程，請在將生產流量導入之前，測試工具選擇、參數品質和回應延遲在您實際任務集上的表現。
生產測試檢查清單
Kimi K2.7 Code 針對輸入、輸出和快取讀取 token 分別定價。成本概況會因工作負載而有顯著差異：
- 長上下文程式碼審查：大量的輸入 token 計數主導了成本。
- 程式碼生成代理：輸出 token 使用量會隨著回應長度和輪次數量而擴展。
- 重複上下文工作流程：當穩定的系統提示、工具 schema 或儲存庫摘要跨多次呼叫重複出現時，將適用快取讀取定價。
在進入生產環境之前，請執行一個包含以下項目的評估計畫：
- 簡短的純文字提示（延遲基線和驗證檢查）。
- 接近您預期工作尺寸（而非最大視窗）的長上下文提示。
- 正確行為應是使用有效參數呼叫函式的工具呼叫提示。
- 符合您實際上傳來源和檔案處理方式的圖片輸入。
- 失敗情況：超出大小的輸入、遺失的媒體 URL、無效的 API 金鑰以及逾時行為。
功能列表描述了可用的功能。針對您的實際工作負載進行評估，才能告訴您延遲、token 使用量、工具參數品質和輸出正確性是否滿足您的生產標準。
常見問題
Kimi K2.7 Code 可以透過 Novita AI 使用嗎？
可以。Novita AI 將 Kimi K2.7 Code 列為 Serverless LLM，API 模型 ID 為 moonshotai/kimi-k2.7-code。
正確的模型 ID 是什麼？
在所有 API 呼叫中使用 moonshotai/kimi-k2.7-code。
我應該使用哪個端點？
使用 OpenAI 相容的 chat completions 端點：POST https://api.novita.ai/openai/v1/chat/completions。使用 OpenAI SDK 用戶端時，將基礎 URL 設定為 https://api.novita.ai/openai。
Kimi K2.7 Code 的費用是多少？
截至 2026 年 6 月 16 日，Novita AI 列出每 1M 輸入 token 為 $0.95 USD，每 1M 輸出 token 為 $4.00 USD，每 1M 快取讀取輸入 token 為 $0.19 USD。在任何採購決策之前，請至 Kimi K2.7 Code 模型頁面 確認當前價格。
它是否支援圖片和影片輸入？
Novita 將文字、圖片和影片列為輸入模態。有關確切的 payload 格式，請在推出多模態功能之前，透過目前的 Novita 文件或測試呼叫進行驗證。
Kimi K2.7 Code 是否支援函式呼叫？
是的。在 chat completions 請求中使用 tools 參數。Novita 將函式呼叫和結構化輸出列為支援的功能。
上下文視窗是多少？
262,144 tokens 的上下文視窗和 262,144 tokens 的最大輸出，如 Novita AI 模型頁面所列。
