Tabbit博客

Kimi K2.7 Code:它是什么、成本如何、适合谁

从官方 $4/M 输出价格、256K 多模态代码模型,到 K2.6/K3 边界和受控试用,完整梳理 Kimi K2.7 Code。

本文目录
  1. 规格与模型边界
  2. 风险、社区与场景
  3. 来源

Kimi K2.7 Code 适合仓库工作、编码智能体和多模态开发试点。真正影响决策的不是参数量,而是官方 API 每百万输出 token 收费 4 美元;highspeed 为 8 美元。强制思考和保留 reasoning 让输出预算成为架构问题。

2026 年 9 月 20 日核对的 Moonshot 价格表列出 K2.7 Code 缓存输入/未命中输入/输出为 0.19/0.95/4 美元每百万 token;highspeed 翻倍。这是 API 价格,不是 Kimi 会员、GitHub Copilot、provider 或 Tabbit 费用。(Kimi API 指南

规格与模型边界

项目当前快照边界
模型kimi-k2.7-codehighspeed 是独立 ID 和价格线。
架构1T 总/32B 激活 MoE模型卡规格,不等于生产成本。
上下文官方价格表 262,144 token不要当作 K3 的 1M。
输入文本、图片、视频第三方部署可能不支持视频。
推理强制思考、保留 reasoning客户端必须保留字段。
价格0.19/0.95/4 美元每百万 tokenhighspeed 为 0.38/1.90/8。

K2.6 是通用路线;K2.7 Code 面向仓库实现、调试和 MCP;K3 是 1M 上下文旗舰,价格与能力边界都不同。当前快速入门也把 K3 作为默认、把 K2.7 Code 用于编码场景。可参考Kimi K3 定价文章,不要把 K3 价格套用给 K2.7 Code。

官方模型卡报告 Kimi Code Bench v2 62.0、Program Bench 53.6、MLS Bench Lite 35.1、Kimi Claw 46.9、MCP Mark Verified 81.1;这些是厂商评测。Unsiloed 两任务比较中,Kimi FastAPI 得分 53/60,高于 GLM 48/60,但 Saleor 仓库分析 GLM 更深入。它不能推出通用胜率,可参考智能体推理指南

风险、社区与场景

输出价格高于未命中输入,长思考、重试和 preserve-thinking 会放大账单;第三方网关丢失 reasoning 字段也会破坏多轮。GitHub Copilot 是 Azure 托管、按用量计费,企业还需要管理员启用。社区模型选型讨论明确说是文档拆解而非实测,评论同时出现 K2.6 更好、K2.7 更耗额度、Agent Swarm 有用和“很蠢”等相反反馈。X 没有稳定原文,YouTube 只有标题。

场景第一步
仓库实现固定仓库、工具、测试和停止条件
架构审查与通用推理模型并跑,不只看编码分数
MCP 智能体临时分支、最小权限和 diff 审核
成本敏感编码分别记录缓存、输出和重试 token
浏览器工作先看智能体浏览器指南并核验权限

选一个可回滚任务,记录模型 ID、highspeed、缓存状态、reasoning 字段、输入/输出 token、工具、延迟、provider 和人工修正,再与 K2.6 对比。参考浏览器自动化Tabbit BrowserAI 浏览器比较提示词评测。本轮没有验证 Tabbit 账号级路线。

Tabbit Browser

Kimi K2.7 Code 值得做受控试点,但必须预算每百万输出 4 美元的真实成本。固定路线、隔离工具,让已接受结果决定它是否长期保留。

来源

常见问题

Kimi K2.7 Code 是什么?

它是 Moonshot 面向编码的智能体模型,256K 上下文,支持文本、图片、视频输入、强制思考和 OpenAI/Anthropic 兼容 API。

Kimi K2.7 Code 多少钱?

Moonshot 当前 API 表列出缓存命中输入 $0.19/M、未命中 $0.95/M、输出 $4/M;highspeed 为 $0.38/$1.90/$8。

它相对 K2.6 更新了什么?

官方模型卡称它是编码专用路线,1T 总参数/32B 激活,带 MoonViT、原生 INT4,思考 token 比 K2.6 约少 30%。这些是模型卡声明,不是独立成功率。

在哪里使用?

可使用 Moonshot API、Hugging Face 自部署、推理 provider、Kimi Code 或 GitHub Copilot;每条路线都有独立账单和限制。

适合编码智能体吗?

值得做仓库和 MCP 试点,但官方分数与独立两任务对比不能推出普遍胜率。请固定仓库、工具和验收标准。

能在 Tabbit 中使用吗?

本稿没有完成账号级 Tabbit 实测。请查看实时选择器并先运行可回滚任务。

下一步

让 Tabbit 与你并肩工作。

跨标签页调研、自动化重复的浏览器工作,让每一处上下文都触手可及。