Kimi K2.7 Code 已於 Novita AI 上線，適合用於構建編程代理、工具呼叫助手以及長上下文工程工作流程的開發者。Novita AI 模型頁面標示 moonshotai/kimi-k2.7-code 為聊天模型，提供相容 OpenAI 的 chat/completions 存取、相容 Anthropic 的存取方式、262,144 個 token 的上下文視窗、多模態輸入支援，以及 2026 年 6 月 13 日查核的定價：每 1M 輸入 token 0.95 美元、每 1M 快取讀取 token 0.19 美元、每 1M 輸出 token 4.00 美元。
重點摘要
- Kimi K2.7 Code 是 MoonshotAI 推出的編程與代理模型，可透過 Novita AI 上的 Kimi K2.7 Code API 與測試平台 取得。
- 經核實的 Novita AI 模型 ID 為
moonshotai/kimi-k2.7-code，模型頁面列出其支援chat/completions與anthropic端點系列。 - 模型頁面標示 262,144 token 的上下文視窗與 262,144 的最大輸出 token 數，適合用於長程式碼庫上下文、多檔案推理以及擴展代理執行軌跡的場景。
- 2026 年 6 月 13 日查核的定價：每 1M 輸入 token 0.95 美元、每 1M 快取讀取輸入 token 0.19 美元、每 1M 輸出 token 4.00 美元。
什麼是 Kimi K2.7 Code？
Kimi K2.7 Code 是 MoonshotAI 針對代理式軟體開發工作流程推出的編程導向 Kimi 模型。Novita AI 上的 Kimi K2.7 Code 模型頁面 描述它為參數量達 1T 的混合專家（Mixture-of-Experts）模型，其中 32B 為活化參數，配備 256K 上下文視窗、交錯思考以及多步驟工具呼叫能力。
對開發者而言，重要的變化不僅是模型名稱的更新。Kimi K2.7 Code 的定位是處理需要讀取更大上下文、推理多步驟實作計畫、使用工具，並透過 API 產出程式碼或結構化輸出的任務。這使其非常適合對上下文長度與工具使用行為有要求的場景，例如編程助手、感知程式碼庫的代理、程式碼審閱協同工具，以及內部自動化工具。
模型頁面也列出輸入模態為文字、圖片與影片，輸出模態為文字。實際上，這表示該模型可用於視覺驅動的開發任務、UI 檢查、設計轉程式碼提示，以及多模態除錯工作流程，同時仍可透過聊天 API 產出文字回覆。
在 Novita AI 上存取 Kimi K2.7 Code API
Kimi K2.7 Code 可透過 Novita AI 取得，精確模型 ID 為 moonshotai/kimi-k2.7-code，模型頁面列出兩種端點系列：
| 端點系列 | 對開發者的意義 | 來源 / 查核日期 |
|---|---|---|
chat/completions |
透過相容 OpenAI 的聊天完成介面使用 Kimi K2.7 Code。 | Novita AI 模型頁面，2026 年 6 月 13 日 |
anthropic |
若你的工具支援，可透過 Novita AI 的相容 Anthropic 端點路徑使用此模型。 | Novita AI 模型頁面，2026 年 6 月 13 日 |
對大多數應用團隊而言，相容 OpenAI 的路徑是最簡單的起點。你只需沿用熟悉的聊天訊息格式，設定 Novita AI 的基底 URL，並將模型指定為 moonshotai/kimi-k2.7-code 即可。
from openai import OpenAI
client = OpenAI(
api_key="YOUR_NOVITA_API_KEY",
base_url="https://api.novita.ai/v3/openai",
)
response = client.chat.completions.create(
model="moonshotai/kimi-k2.7-code",
messages=[
{"role": "system", "content": "You are a careful coding assistant."},
{"role": "user", "content": "Review this function for correctness and edge cases."},
],
max_tokens=4096,
temperature=0.2,
)
print(response.choices[0].message.content)
你可以透過 Novita AI 金鑰管理頁面 建立與管理 API 金鑰。帳號設定的詳細說明請參考 Novita AI 快速入門指南。
Kimi K2.7 Code 規格與定價總覽
| 欄位 | 詳細資訊 | 來源 / 查核日期 |
|---|---|---|
| 顯示名稱 | Kimi K2.7 Code | Novita AI 模型頁面，2026 年 6 月 13 日 |
| 模型 ID | moonshotai/kimi-k2.7-code |
Novita AI 模型頁面，2026 年 6 月 13 日 |
| 模型類型 | 聊天模型 | Novita AI 模型頁面，2026 年 6 月 13 日 |
| 系列 | MoonshotAI | Novita AI 模型頁面，2026 年 6 月 13 日 |
| 架構標籤 | MoE（混合專家） | Novita AI 模型頁面，2026 年 6 月 13 日 |
| 參數概要 | 總參數量 1T，活化參數量 32B | Novita AI 模型頁面描述，2026 年 6 月 13 日 |
| 基底 URL | 相容 OpenAI 的呼叫使用 https://api.novita.ai/v3/openai |
Novita AI 文件與現有 Novita 整合範例，2026 年 6 月 13 日 |
| 端點系列 | chat/completions、anthropic |
Novita AI 模型頁面，2026 年 6 月 13 日 |
| 輸入模態 | 文字、圖片、影片 | Novita AI 模型頁面，2026 年 6 月 13 日 |
| 輸出模態 | 文字 | Novita AI 模型頁面，2026 年 6 月 13 日 |
| 上下文視窗 | 262,144 token | Novita AI 模型頁面，2026 年 6 月 13 日 |
| 最大輸出 token 數 | 262,144 token | Novita AI 模型頁面，2026 年 6 月 13 日 |
| 列出的功能 | 無伺服器、函式呼叫、結構化輸出、推理 | Novita AI 模型頁面，2026 年 6 月 13 日 |
| 定價 | 每 1M 輸入 token 0.95 美元、每 1M 快取讀取輸入 token 0.19 美元、每 1M 輸出 token 4.00 美元 | Novita AI 模型頁面，2026 年 6 月 13 日 |
| 顯示的速率限制 | T1：每分鐘 30 次請求 / 5000 萬 TPM；T2：每分鐘 100 次請求 / 5000 萬 TPM；T3：每分鐘 1000 次請求 / 5000 萬 TPM；T4：每分鐘 3000 次請求 / 5000 萬 TPM；T5：每分鐘 6000 次請求 / 5000 萬 TPM | Novita AI 模型頁面，2026 年 6 月 13 日 |
| 最佳適用場景 | 編程代理、程式碼審閱、程式碼庫分析、結構化工程助手、多模態開發工作流程 | 基於驗證能力的編輯推薦 |
Kimi K2.7 Code 基準測試與效能指標
目前經核實的 Kimi K2.7 Code 公開 Novita AI 來源僅提供產品與 API 相關資訊，並未包含完整的基準測試表格。模型頁面提到該模型在長時程編程任務上有顯著提升，且思考 token 使用量比 K2.6 低約 30%，但在 2026 年 6 月 13 日查核的頁面快照中，並未公開可重現的基準測試表格。
| 指標 | 經核實的內容 | 開發者要點 | 來源 / 日期 |
|---|---|---|---|
| 編程與代理定位 | 模型頁面將 Kimi K2.7 Code 描述為具備交錯思考與多步驟工具呼叫能力的編程與代理模型。 | 建議優先在編程代理任務上進行評估，而非通用聊天工作負載。 | Novita AI 模型頁面，2026 年 6 月 13 日 |
| 長上下文 | 模型頁面標示 262,144 上下文 token 與 262,144 最大輸出 token 數。 | 只要應用程式妥善管理上下文，即可支援更大的程式碼庫上下文、長設計文件以及擴展的工具執行軌跡。 | Novita AI 模型頁面，2026 年 6 月 13 日 |
| 思考 token 效率宣稱 | 模型頁面表示 Kimi K2.7 Code 的思考 token 使用量比 K2.6 低約 30%。 | 可將此作為有用的評估假設，在生產環境遷移前，請使用自己的提示測量總 token 成本。 | Novita AI 模型頁面，2026 年 6 月 13 日 |
如果你要從其他編程模型遷移，請使用固定的評估集（包含程式碼庫問題、失敗的測試、程式碼審閱範例）在你自己的工作負載上測試 Kimi K2.7 Code。
開發者核心能力
工具呼叫：構建需要函式呼叫的代理
模型頁面將函式呼叫與結構化輸出列為支援功能。當你的應用程式需要模型呼叫工具而非僅以散文形式回覆時，這項能力非常重要。適用場景包括程式碼庫搜尋、測試執行、檢索、票據分流、結構化程式碼審閱以及工作流程路由。
請將工具呼叫用於有明確結構的限制性操作。高風險操作應置於明確的應用程式檢查機制之後，特別是當編程代理可以修改檔案、執行指令或開啟合併請求時。
長上下文：保留更多程式碼庫狀態的可見性
262,144 token 的上下文視窗為團隊提供了容納更大程式碼片段、問題描述、日誌、依賴備註與架構限制的空間。這並不代表可以免除檢索或上下文選擇的需求，但能讓你的代理有更多空間保留通常在短上下文編程場景中會被遺漏的事實。
要獲得最佳效果，請依優先級整理上下文：任務目標、相關檔案、失敗的測試輸出、API 合約、限制條件，最後才是低優先級的背景資訊。長上下文在輸入經過篩選時最能發揮作用。
多模態輸入：支援視覺驅動的開發工作流程
模型頁面列出輸入模態包含文字、圖片與影片。這為 UI 審閱、基於截圖的錯誤回報、設計轉程式碼提示，以及影片輔助除錯備註開闢了評估路徑。由於輸出模態為文字，模型可以描述問題、產出實作計畫，或根據多模態證據生成程式碼變更。
結構化輸出：讓回覆更易於自動化
當模型回覆用於下游自動化時，結構化輸出支援非常實用。例如程式碼審閱助手可以回傳嚴重程度、檔案路徑、行號參考、信心分數與建議修補程式；分流代理可以回傳元件、可能負責人、重現風險與下一步動作。結構化輸出能將模型從聊天介面轉變為可預測的服務組件。
何時使用 Kimi K2.7 Code
編程代理與開發者工具
當你的產品需要能推理程式碼、呼叫工具並回傳結構化結果的 LLM 時，可使用 Kimi K2.7 Code。適合的場景包括 IDE 助手、終端機編程代理、合併請求審閱者、測試失敗解釋工具、內部平台機器人以及 CI 分流工具。
如果你的團隊已經使用相容 OpenAI 的工具，模型頁面列出的 chat/completions 端點能將整合工作量控制在最小範圍。
搭配長上下文進行程式碼庫分析
當模型需要檢視的內容超過小型提示的範圍時，可使用 Kimi K2.7 Code：例如多檔案變更、遷移備註、日誌、架構文件、API 合約或長問題討論串。經核實的上下文視窗能讓你的應用程式傳送足夠的上下文以進行嚴謹的分析。
對於非常大型的程式碼庫，請將長上下文與檢索機制結合。預設情況下不要將整個程式碼庫都丟入模型，請選擇直接與任務相關的檔案與證據。
多模態工程審閱
當工程工作流程包含截圖、UI 影片或視覺錯誤回報時，可使用 Kimi K2.7 Code。經核實的輸入模態使其非常適合用於前端 QA、設計實作審閱以及視覺回歸解釋場景。
注重成本的高運作時間代理
由於模型頁面列出了快取讀取定價，Kimi K2.7 Code 非常適合評估重複上下文的工作流程，這類場景中穩定的系統提示、工具結構、程式碼庫摘要或設計文件會出現在多次呼叫中。在選擇生產環境預設值前，請在測試環境測量快取命中率與總 token 成本。
何時不應使用 Kimi K2.7 Code
不要僅僅因為 Kimi K2.7 Code 是最新的模型名稱就選擇它。對於簡單的 FAQ 機器人、短文本提取任務或低風險分類任務，較小或更便宜的模型可能更易於操作。
不要依賴未經證實的基準測試冠軍宣稱。如果你的購買決策取決於基準測試結果，請針對你目前正在使用的替代方案進行自己的比較測試，並保持提示、模型設定與評分標準一致。
不要將編程代理用作無限制的執行器。即使工具呼叫能力很強，生產環境系統仍應驗證工具參數、將指令執行置於沙箱中、對破壞性操作要求審批，並記錄模型決策以供審計。
Kimi K2.7 Code 如何融入你的 API 工作流程
Kimi K2.7 Code 作為聊天模型，可無縫融入 Novita AI API 工作流程。關鍵整合參數如下：
- 模型 ID：
moonshotai/kimi-k2.7-code - 相容 OpenAI 的基底 URL：
https://api.novita.ai/v3/openai - 端點系列：
chat/completions - 可選相容路徑：
anthropic - 主要用途：編程、工具呼叫、結構化輸出、長上下文推理、多模態工程輸入
實際的部署路徑是先在 Kimi K2.7 Code 測試平台 開始使用，將相同的提示移至 API 測試框架，然後在你自己的編程任務上評估模型。請追蹤結果品質與總 token 使用量，而不僅僅是單個 token 的價格。
對於編程代理，請保留簡單的評估表：
| 評估項目 | 測量指標 |
|---|---|
| 正確性 | 生成的修復方案是否通過測試，且保留預期行為？ |
| 工具使用 | 模型是否呼叫了正確的工具，並使用有效的參數？ |
| 上下文使用 | 模型是否使用了提供的程式碼庫事實，而非憑空猜測？ |
| 成本 | 每完成一個任務的輸入、快取讀取與輸出 token 數各是多少？ |
| 安全性 | 模型是否避免了破壞性變更，並標記不確定的假設？ |
最終建議
如果你正在構建編程代理、感知程式碼庫的助手、多模態工程審閱工具，或需要相容 OpenAI API 存取的長上下文開發者工作流程，建議使用 Novita AI 上的 Kimi K2.7 Code。請從經核實的模型 ID moonshotai/kimi-k2.7-code 開始，透過 Kimi K2.7 Code API 與測試平台 進行測試，並使用真實的工單、失敗的測試與程式碼審閱範例與你目前使用的模型進行比較。
當你的工作負載較短、屬於通用場景，或對成本敏感到不需要長上下文與編程代理功能時，請選擇其他模型。
常見問題
什麼是 Kimi K2.7 Code？
Kimi K2.7 Code 是 MoonshotAI 推出的適用於編程與代理工作流程的聊天模型。Novita AI 模型頁面描述它為參數量達 1T 的 MoE 模型，其中 32B 為活化參數，配備 256K 上下文視窗、交錯思考以及多步驟工具呼叫能力。
Kimi K2.7 Code 是否可在 Novita AI 上使用？
可以。Novita AI 上的 Kimi K2.7 Code 模型頁面 在 2026 年 6 月 13 日查核時已上線，並標示該模型可用。
Novita AI 上 Kimi K2.7 Code 的模型 ID 是什麼？
經核實的模型 ID 為 moonshotai/kimi-k2.7-code。
Novita AI 上的 Kimi K2.7 Code 收費是多少？
2026 年 6 月 13 日查核的定價為：每 1M 輸入 token 0.95 美元、每 1M 快取讀取輸入 token 0.19 美元、每 1M 輸出 token 4.00 美元。
Kimi K2.7 Code 支援哪些端點？
Novita AI 模型頁面列出 Kimi K2.7 Code 支援 chat/completions 與 anthropic 端點系列。
Kimi K2.7 Code 最適合用於什麼場景？
它最適合用於對長上下文與工具呼叫有要求的場景，例如編程代理、工具呼叫助手、程式碼庫分析、結構化程式碼審閱以及多模態開發工作流程。
Kimi K2.7 Code 與 Kimi K2.6 有什麼差異？
Novita AI 模型頁面指出，Kimi K2.7 Code 在長時程編程任務上有顯著提升，且思考 token 使用量比 K2.6 低約 30%。可將此作為評估的起點，並在遷移前使用你自己的編程提示驗證實際差異。
