Kimi K2.7 Código
5848°
Executar modelo
Ofertas / Anúncios
MoonshotAI | contexto de 262.144 tokens | $0,67/M entrada, $3,35/M saída. MoonshotAI: Kimi K2.7 Código é um modelo focado em codificação da família Kimi K2 da Moonshot AI, construído para completar tarefas de programação de ponta a ponta de forma confiável em contextos longos. Usa uma arquitetura nativa multimodal de mistura de especialistas que aceita entrada de texto e imagem, e opera sempre em modo de pensamento, preservando o conteúdo completo do raciocínio em conversas de múltiplas etapas. Com uma janela de contexto de 256K tokens, é direcionado para codificação de longo prazo, decomposição de tarefas agenteicas e diálogo multi-turno. O modelo ativa 32B parâmetros de um total aproximado de 1T.
Guias para este modelo
Melhor LLM local por caso de uso (outubro de 2026): o modelo aberto certo para cada tarefa
De quanto VRAM eu realmente preciso para IA local?
O que é um arquivo GGUF? Modelos quantizados explicados (Q4, Q8, fp8, NF4)
Notas do capitão
Notas de 2026-10-13
Kimi K2.7 Code é o modelo especialista em codificação da Moonshot AI, construído numa arquitetura mixture-of-experts de 1 trilhão de parâmetros que ativa 32B parâmetros por token. Sempre roda em modo pensar, preservando o raciocínio em conversas multi-turno, e é focado em tarefas de engenharia de software de longo prazo com uma janela de contexto de 256K tokens. Pesos abertos e multimodal, é ideal para desenvolvedores que precisam de um modelo agente de codificação capaz que possam rodar localmente.
Conhecido por
- Codificação agente ponta a ponta em fluxos complexos e multi-etapas de engenharia de software
- Modo pensar sempre ativo com raciocínio completo preservado em sessões multi-turno
- Janela de contexto de 256K tokens adequada para bases de código grandes e tarefas longas
- Cerca de 30% menos tokens de raciocínio que seu predecessor K2.6
- Aceita entrada de imagem via codificador de visão nativo MoonViT
Fique atento a
- Com 1T de parâmetros, auto-hospedar exige hardware sério; verifique requisitos de VRAM antes de se comprometer.
- Benchmarks mostrados são avaliações internas da Moonshot AI junto com terceiros; considere isso ao avaliar.
- Preço de saída a $3,35/M tokens soma rápido em respostas longas no modo pensar.
Sugestões para tentar
Refatorar um serviço legado
Tenho um serviço Python Flask que trata autenticação de usuários usando consultas SQL brutas e armazena sessões num dicionário global. Refatore para usar SQLAlchemy ORM, um armazenamento de sessão adequado e adicione validação de entrada. Explique seu raciocínio antes de escrever o código e depois produza os arquivos completos refatorados.
Depurar a partir de um binário
Tenho uma ferramenta CLI compilada que analisa arquivos CSV e gera um relatório resumo. Não tenho código-fonte. Baseado neste trecho de documentação que descreve flags e formato de saída, escreva uma reimplementação Python que reproduza o comportamento, incluindo casos de borda para arquivos vazios e linhas malformadas.
Plano de construção agente
Planeje e implemente uma API REST mínima em Go que exponha endpoints CRUD para uma lista de tarefas, armazene dados em SQLite, inclua autenticação JWT básica e tenha um Dockerfile. Divida o trabalho em etapas, raciocine sobre cada decisão de design e depois escreva todos os arquivos necessários para rodar.
Comparar com
- Kimi LatestModelo apenas para APIContexto de 1,048,576 tokens · entrada $0.29/M, saída $24.00/M
- Kimi K3Modelo com pesos abertosContexto de 1,048,576 tokens · entrada $0.30/M, saída $11.94/M
- Kimi K2 ThinkingModelo com pesos abertosContexto de 262,144 tokens · entrada $0.60/M, saída $2.50/M
- Kimi K2.5Modelo com pesos abertosContexto de 262,144 tokens · entrada $0.50/M, saída $2.50/M
Mais modelos de texto de moonshotai
Perguntas frequentes
- Os pesos são abertos e posso rodar o Kimi K2.7 Code localmente?
- Sim, os pesos estão publicamente disponíveis no Hugging Face em moonshotai/Kimi-K2.7-Code. Com 1T de parâmetros você precisará de hardware substancial; veja um guia de VRAM antes de baixar.
- Quanto custa o Kimi K2.7 Code e qual o tamanho do contexto?
- Via API custa $0,67 por milhão de tokens de entrada e $3,35 por milhão de tokens de saída, com janela de contexto de 262.144 tokens.
- Como o K2.7 Code difere do K2.6?
- K2.7 Code é construído sobre o K2.6 com foco em tarefas reais de codificação de longo prazo e eficiência melhorada de tokens, reduzindo o uso de tokens de raciocínio em cerca de 30% comparado ao K2.6.
Veredito do capitãoUm agente sério de codificação com pesos abertos, contexto longo e raciocínio sempre ativo — vale o custo de hardware se engenharia de software agente for sua carga real.
Ficha do modelo no Hugging Face
O capitão escreve estas notas com base na descrição e ficha do modelo. Preços e tamanhos de contexto são do provedor na data da escrita e podem mudar.
Ranking badge
Updated Oct 22, 2026
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
Como essa pontuação é calculada
Este modelo ainda não tem dados de popularidade de nenhuma fonte, então ele carrega um número provisório abaixo de 7,000° para manter as listas completas. Ele nunca fica acima de um modelo com dados. A divisão aparece aqui assim que uma fonte reporta.
Glossário: os termos usados aqui
- Pontuação heat
- Um número que mostra o quanto um modelo está sendo usado e desejado agora, de 0° a 9.999°. Toda lista neste site que diz mais quente é ordenada por ele e só por ele.
- Limite mínimo
- Os 7.000° que todo modelo com dados reais começa. A escala vai de 0° a 9.999°; a parte abaixo do limite é para substitutos (modelos sem dados), para que um modelo com dados sempre fique acima de um sem. O limite é igual para todos e não decide nada; os graus acima dele são a medida.
- Equivalentes a downloads
- Tudo que a pontuação trata como download, somado: downloads em si, cada torrent seeder como 1.000, cada imagem AI Horde e cada execução em site de geração como um.
- Escala logarítmica
- Contando de dez em dez, não de um em um: ir de 1.000 para 10.000 downloads adiciona os mesmos graus que ir de 10.000 para 100.000. Isso evita que gigantes abafem tudo.
- Likes
- Joinhas e likes de todas as fontes, valendo metade de um download na escala logarítmica.
- Taxa de adoção
- Quantos downloads por dia um modelo recebe agora, pela diferença entre duas leituras de uma fonte. Um quarto do peso do termo download.
- Medido e estimado
- Medido significa que existem duas leituras de uma fonte e a diferença é real. Estimado significa que só se sabe o total de hoje e o passado é distribuído ao longo da vida do modelo; o site indica qual está mostrando.
- Seeder
- Alguém que mantém uma cópia dos pesos online para outros baixarem via torrent, ou um espelho hospedado fazendo o mesmo. Cada um conta como 1.000 downloads.
- AI Horde
- Uma rede voluntária que gera imagens de graça em computadores doados. O número de imagens feitas com um modelo é público, e cada uma conta como um download.
- Sites de geração
- Sites que hospedam suas próprias cópias de um modelo e deixam as pessoas gerarem com ele, como PixAI, SeaArt e Yodayo. Os downloads deles contam como os do Civitai e cada geração conta como um download.
- Tokens OpenRouter
- Um modelo de texto servido via API, como Claude ou GPT, não tem pesos para baixar, então seu uso é medido em tokens: os pedaços de texto que ele leu e escreveu via OpenRouter, um gateway usado por muitos apps, nos últimos 30 dias. Cada 10,000,000 tokens contam como um download. Fonte: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- Modelo completo (checkpoint)
- Os pesos em si, o arquivo que gera sozinho. Ganha um bônus porque complementos dependem dele.
- LoRA e embedding
- Arquivos pequenos que direcionam os pesos de outra pessoa para um estilo, personagem ou conceito. Não podem rodar sozinhos.
- Família e pesos
- A base em que um modelo é construído, como SD 1.5, SDXL, Flux ou Wan. Todo modelo herda a data de lançamento dos pesos da sua família.
- Idade
- Pontos retirados conforme há quanto tempo os pesos da família foram lançados: 150° por ano, até 750°. Mantém os downloads antigos que tiveram anos para acumular, evitando que saiam do topo da lista.
- Impulso da família
- Um pequeno empurrão limitado para LoRAs de uma família que este site está promovendo agora, sempre listado na divisão.
- Pontuação provisória
- Um número estável abaixo do mínimo dado a um modelo que ainda não tem dados de fonte, para a lista ficar completa. Nunca fica acima de um modelo com dados.
- Novo! (período de carência)
- Um modelo com menos de 7 dias mostra Novo! em vez de uma pontuação e não ocupa lugar no ranking. Sua pontuação é calculada desde o primeiro dia, mas um modelo com um dia cresce mais rápido que qualquer outro, então sem a espera o #1 da semana seria sempre o que saiu ontem, não o que se manteve por uma semana.
- Tendência
- Como o crescimento de um modelo num período se compara com o crescimento típico dos modelos no mesmo período. Crescimento mais rápido que o típico indica alta, mais lento indica queda.
- Modelo típico
- O meio do catálogo: metade dos modelos com número cresceu mais rápido no período, metade mais devagar.
Kimi K2.7 Código é um modelo de texto para a família Text / LLM listado no ModelTrends.ai, um catálogo somente leitura de modelos de IA de código aberto para imagem, vídeo e texto. Compare-o com outros modelos Text / LLM e veja a pontuação de calor para acompanhar a tendência.
Mais modelos Text / LLMMais Texto / LLM Text / LLMllmmoonshotaivisãoraciocínioprogramaçãoagentescontexto longolocal
Navegar por família de modelos
Modelos Text / LLM
434
Modelos Anima
528
Modelos Chroma
19
Modelos Fibo
2
Modelos Flux
1,496
Modelos Flux 2 / Klein
1,239
Modelos Flux 3
3
Modelos Moss
3
Modelos Iris
1
Modelos MiniMax H3
364
Modelos Hunyuan
204
Modelos Ideogram
20
Modelos Krea2
717
Modelos Qwen
20
Modelos Qwen2
47
Modelos Ltx2
153