Moonshot AI : Kimi K2.7 Code

Kimi K2.7 Code ou Kimi K2.6 : lequel choisir ?

Kimi K2.7 Code est conçu pour les tâches de code et construit sur Kimi K2.6, selon Moonshot AI. Pour la rédaction, l’analyse et la conversation, Kimi K2.6 est le modèle recommandé à la sortie de cette déclinaison spécialisée, selon Moonshot AI, qui lui attribue des capacités plus équilibrées pour ces usages généraux.

À la sortie du modèle spécialisé, Kimi K2.6 était déjà proposé et facturé au-dessus de lui sur OpenRouter. Selon Moonshot AI, le modèle centré sur le code consomme, à sa sortie, environ 30 % de tokens de réflexion en moins que Kimi K2.6.

À quoi sert Kimi K2.7 Code

Code

Kimi K2.7 Code sert aux longues tâches de programmation tirées de projets réels : à sa sortie, Moonshot AI annonce qu’il mène plus souvent ces travaux à leur terme dans des flux complexes d’ingénierie logicielle. Selon Moonshot AI, il suit aussi les consignes de façon plus fiable sur de longs contextes.

Selon Moonshot AI, à sa sortie, le modèle réussit plus souvent les séquences de plus de 4 000 appels d’outils et les exécutions continues de plus de 12 heures. Sur OpenRouter, il peut appeler des outils et produire des sorties structurées, c’est-à-dire des réponses organisées selon un format défini.

Front-end

Kimi K2.7 Code sert aussi au développement front-end, qui figure parmi les tâches où Moonshot AI annonce des progrès à sa sortie. Selon Moonshot AI, ces progrès concernent plusieurs langages, dont Rust, Go et Python, et s’étendent au DevOps ainsi qu’à l’optimisation des performances.

Les performances de Kimi K2.7 Code

Kimi K2.7 Code atteint à sa sortie 62,0 sur Kimi Code Bench v2, l’évaluation interne de Moonshot AI, contre 50,9 pour Kimi K2.6, selon l’éditeur. Sur Program Bench, le score annoncé à sa sortie est de 53,6 contre 48,3 pour le modèle comparé, selon Moonshot AI. Sur MLS Bench Lite, il obtient à sa sortie 35,1 contre 26,7 pour Kimi K2.6, selon Moonshot AI.

Selon Moonshot AI, le modèle affiche à sa sortie un gain d’environ 10 % face à Kimi K2.6 sur trois évaluations d’agent autonome : Kimi Claw 24/7 Bench, MCP Atlas et MCP Mark Verified. Sur Kimi Code Bench v2, il reste sous GPT-5.5, à 69,0, et Claude Opus 4.8, à 67,4, dans le tableau publié par Moonshot AI à sa sortie.

Selon Moonshot AI, les modèles comparés de la famille Kimi ont été testés à sa sortie dans Kimi Code CLI, avec la réflexion activée et un contexte de 262 144 tokens. Pour cette comparaison à sa sortie, GPT-5.5 a été testé dans Codex et Claude Opus 4.8 dans Claude Code, tous deux en mode xhigh, selon Moonshot AI.

Bien utiliser Kimi K2.7 Code : réflexion et effort

Kimi K2.7 Code fonctionne avec une réflexion obligatoire sur OpenRouter. Selon Moonshot AI, le modèle ne propose aucun mode sans réflexion, que ce soit sur l’API Kimi ou dans Kimi Code. Dans Kimi Code, selon Moonshot AI, une requête envoyée avec la réflexion désactivée est automatiquement servie par Kimi K2.6 : désactiver la réflexion change le modèle qui répond.

Selon Moonshot AI, le mode preserve_thinking conserve toute la réflexion d’un tour à l’autre et améliore les résultats en agent de code. Ce mode ne peut pas être désactivé, selon Moonshot AI. Toujours selon Moonshot AI, les paramètres sont verrouillés : température à 1,0, top_p à 0,95, n à 1 et pénalités de présence et de fréquence à 0,0. Selon Moonshot AI, ces valeurs fixes visent des sorties constantes et reproductibles.

Caractéristiques techniques de Kimi K2.7 Code

Kimi K2.7 Code est sorti le 12 juin 2026. Le tableau des caractéristiques rassemble ses limites techniques, ses formats d’entrée et sa licence.

Selon Moonshot AI, la fenêtre de contexte atteint 256K, soit 262 144 tokens. Sur OpenRouter, la sortie maximale est de 235 929 tokens par réponse, avec le texte et l’image en entrée. Selon Moonshot AI, le modèle accepte aussi l’image et la vidéo en entrée. À sa sortie, selon Moonshot AI, la conversation sur une vidéo reste expérimentale et fonctionne uniquement avec l’API officielle de Moonshot AI.

Selon Moonshot AI, l’architecture repose sur un mélange d’experts, ou MoE, qui active 32 milliards de paramètres par token parmi un billion de paramètres au total. Pour le traitement visuel, le modèle intègre l’encodeur MoonViT, selon Moonshot AI. Sa licence est une MIT modifiée.

Où utiliser Kimi K2.7 Code, et comment il se facture

Kimi K2.7 Code était proposé à sa sortie via l’API de Moonshot AI et sous forme de poids à héberger, selon Moonshot AI. La carte d’accès indique les derniers prix relevés.

• API : à sa sortie, selon Moonshot AI, le modèle était servi sur sa plateforme avec une API compatible avec les formats d’OpenAI et d’Anthropic. Selon Moonshot AI, Kimi K2.7 Code HighSpeed, identifié par kimi-k2.7-code-highspeed, proposait à sa sortie le même modèle avec une vitesse de sortie d’environ 180 tokens par seconde.
• Kimi Code CLI : à sa sortie, le modèle donnait ses meilleurs résultats avec Kimi Code CLI comme cadre d’agent, selon Moonshot AI.
• Auto-hébergement : à sa sortie, le code et les poids étaient publiés sous licence MIT modifiée, selon Moonshot AI. Pour exécuter le modèle, Moonshot AI recommandait à sa sortie les moteurs d’inférence vLLM, SGLang ou KTransformers. Selon Moonshot AI, son architecture identique à celle de Kimi K2.5 et de Kimi K2.6 permettait de reprendre telle quelle leur méthode de déploiement.

FAQ