Kimi K2.7 Code คืออะไร
Kimi K2.7 Code คือโมเดล agentic แบบโอเพนซอร์สที่เน้นงานโค้ด พัฒนาโดย Moonshot AI ให้ประสิทธิภาพด้านการเขียนโค้ดและ Agent แข็งแกร่งยิ่งขึ้น พร้อมการปรับปรุงอย่างมากในงานเขียนโค้ดระยะยาวตามสถานการณ์จริง ผลลัพธ์เหล่านี้ช่วยเพิ่มอัตราความสำเร็จของงานแบบต้นจนจบในเวิร์กโฟลว์วิศวกรรมซอฟต์แวร์ที่ซับซ้อน นอกจากนี้ K2.7 Code ยังเพิ่มประสิทธิภาพการให้เหตุผล โดยลดการใช้ thinking-token ลงประมาณ 30% เมื่อเทียบกับ K2.6
ประสิทธิภาพในการทดสอบ Benchmark
Kimi K2.7 Code ได้รับการประเมินเทียบกับ K2.6 ด้วยชุด Benchmark ภายในและภายนอกที่ครอบคลุม 2 มิติ ได้แก่ ความสามารถด้านการเขียนโค้ดและการดำเนินงานแบบ agentic
ใน Benchmark ด้านการเขียนโค้ด K2.7 Code ทำคะแนนดีขึ้นจาก K2.6 อย่างมาก: +21.8% บน Kimi Code Bench v2 (62.0 เทียบกับ 50.9), +11.0% บน Program Bench (53.6 เทียบกับ 48.3) และ +31.5% บน MLS Bench Lite (35.1 เทียบกับ 26.7)
ความสามารถด้านการเขียนโค้ดที่แข็งแกร่งขึ้นยังส่งผลให้ประสิทธิภาพแบบ agentic แข็งแกร่งขึ้นด้วย บน Kimi Claw 24/7 Bench, MCP Atlas และ MCP Mark Verified — Benchmark ที่วัดการดำเนินงานของ agent อัตโนมัติ — K2.7 Code ดีขึ้นจาก K2.6 ราว 10%
การเขียนโค้ด:
| Benchmark | Kimi K2.6 | Kimi K2.7 Code | GPT-5.5 | Claude Opus 4.8 |
|---|---|---|---|---|
| Kimi Code Bench v2 | 50.9 | 62.0 | 69.0 | 67.4 |
| Program Bench | 48.3 | 53.6 | 69.1 | 63.8 |
| MLS Bench Lite | 26.7 | 35.1 | 35.5 | 42.8 |
Agentic:
| Benchmark | Kimi K2.6 | Kimi K2.7 Code | GPT-5.5 | Claude Opus 4.8 |
|---|---|---|---|---|
| Kimi Claw 24/7 Bench | 42.9 | 46.9 | 52.8 | 50.4 |
| MCP Atlas | 69.4 | 76.0 | 79.4 | 81.3 |
| MCP Mark Verified | 72.8 | 81.1 | 92.9 | 76.4 |
Kimi Code Bench v2 เป็น Benchmark ภายในที่พัฒนาโดย Moonshot AI และ Kimi Claw 24/7 Bench เป็น Benchmark ภายในสำหรับการประเมินแบบ agentic โดย Kimi K2.7 Code และ K2.6 ทดสอบผ่าน Kimi Code CLI พร้อมเปิดการคิด (temperature 1.0, top-p 0.95, บริบท 262,144-token) ขณะที่ GPT-5.5 ประเมินใน Codex (xhigh) และ Opus 4.8 ใน Claude Code (xhigh) รายละเอียดข้อยกเว้นราย Benchmark และวิธีการทดสอบฉบับเต็มอยู่ใน Hugging Face model card
สร้างมาเพื่องานเขียนโค้ดระยะยาว
งานวิศวกรรมซอฟต์แวร์ในโลกจริงแทบไม่จบในขั้นตอนเดียว งานอย่างการรีแฟกเตอร์ฐานโค้ด การพัฒนาฟีเจอร์ที่กระจายอยู่หลายไฟล์ หรือการดีบักผ่านเซสชัน Agent ที่ยาวนาน ล้วนต้องอาศัยโมเดลที่ทำตามคำสั่งได้อย่างน่าเชื่อถือตลอดบริบทที่ยืดยาว และพางานไปจนเสร็จสมบูรณ์
Kimi K2.7 Code ได้รับการปรับแต่งให้เหมาะกับสถานการณ์ระยะยาวเหล่านี้ เมื่อเทียบกับ K2.6 โมเดลนี้ทำตามคำสั่งในบริบทยาวได้เสถียรกว่า และมีอัตราความสำเร็จของงานแบบต้นจนจบสูงกว่า จึงเหมาะกับเวิร์กโฟลว์วิศวกรรมซอฟต์แวร์ที่ซับซ้อนมากกว่า
เพิ่มประสิทธิภาพการให้เหตุผล
โมเดลให้เหตุผลมักคิดมากเกินจำเป็น ใช้ tokens หลายพัน token ในการไตร่ตรองปัญหาที่ไม่จำเป็นต้องทำเช่นนั้น Kimi K2.7 Code ลดแนวโน้มนี้ได้อย่างมีนัยสำคัญ โดยลดการใช้ thinking-token ลงเฉลี่ยประมาณ 30% เมื่อเทียบกับ K2.6
ใน Kimi Code Bench v2, Program Bench และ MLS Bench Lite นั้น Kimi K2.7 Code ทำคะแนนได้สูงกว่า K2.6 พร้อมกับใช้ tokens น้อยกว่าบนทุก Benchmark
สำหรับนักพัฒนา ประสิทธิภาพนี้สะสมเป็นผลลัพธ์ในทุกงาน ไม่ว่าจะเป็นการตอบสนองที่เร็วขึ้นในเซสชันเขียนโค้ดแบบโต้ตอบ ค่าใช้จ่าย API ที่ต่ำลงในโปรดักชัน และเวิร์กโฟลว์ Agent ที่ทำงานได้มากขึ้นภายในงบบริบทเท่าเดิม
สถาปัตยกรรมโมเดล
Kimi K2.7 Code สร้างขึ้นบนสถาปัตยกรรม Mixture-of-Experts (MoE) โดยมีพารามิเตอร์รวม 1 ล้านล้านตัว และพารามิเตอร์ที่ถูกใช้งาน 32 พันล้านตัวต่อ token โมเดลรองรับความยาวบริบท 256K และใช้ Multi-head Latent Attention (MLA) นอกจากนี้ยังมี MoonViT ซึ่งเป็น vision encoder ขนาด 400M พารามิเตอร์
| พารามิเตอร์ | ค่า |
|---|---|
| สถาปัตยกรรม | Mixture-of-Experts (MoE) |
| พารามิเตอร์ทั้งหมด | 1T |
| พารามิเตอร์ที่ถูกใช้งาน | 32B |
| จำนวนเลเยอร์ (รวม Dense layer) | 61 |
| จำนวน Dense Layers | 1 |
| มิติแฝงของ Attention | 7168 |
| มิติแฝงของ MoE (ต่อ Expert) | 2048 |
| จำนวน Attention Heads | 64 |
| จำนวน Experts | 384 |
| Experts ที่เลือกต่อ Token | 8 |
| จำนวน Shared Experts | 1 |
| ขนาดคำศัพท์ | 160K |
| ความยาวบริบท | 256K |
| กลไก Attention | MLA |
| ฟังก์ชัน Activation | SwiGLU |
| Vision Encoder | MoonViT |
| พารามิเตอร์ของ Vision Encoder | 400M |
น้ำหนักโมเดลฉบับเต็มเป็นโอเพนซอร์สและเผยแพร่บน Hugging Face
การเลือกระหว่าง Kimi K2.7 Code กับ K2.6
Kimi K2.7 Code ถูกสร้างมาเพื่อภารกิจเขียนโค้ดโดยเฉพาะ สำหรับงานทั่วไป เช่น การเขียน การวิเคราะห์ และการสนทนา เราแนะนำ K2.6 ซึ่งมีความสามารถรอบด้านกว่า
วิธีเข้าถึง Kimi K2.7 Code
ใช้งานได้ที่ไหน
Kimi K2.7 Code ใช้งานได้ผ่าน:
Kimi Code (https://www.kimi.com/code). ขณะนี้ Kimi K2.7 Code เป็นโมเดลเริ่มต้น และเปิดใช้งานโหมดคิดเป็นค่าเริ่มต้น หากต้องการเริ่มใช้งาน ให้ทำตามคำแนะนำการตั้งค่าบนหน้านั้น
Kimi API บนแพลตฟอร์มเปิด (https://platform.kimi.ai/). นักพัฒนาสามารถเรียกใช้ Kimi K2.7 Code ผ่าน Kimi API และผสานเข้ากับเวิร์กโฟลว์เขียนโค้ด agents และเครื่องมือสำหรับนักพัฒนาของตนเองได้
ข้อกำหนดของโหมดคิด
Kimi K2.7 Code ไม่รองรับโหมดไม่คิด และจะทำงานโดยเปิดการคิดไว้เสมอ ทั้งบน Kimi API และ Kimi Code ใน Kimi Code หากส่งคำขอโดยปิดการคิด ระบบจะให้ K2.6 ให้บริการแทนโดยอัตโนมัติ
ราคา Kimi K2.7 Code
แพ็กเกจ Kimi Code
สำหรับผู้ใช้ที่ต้องการสัมผัส Kimi K2.7 Code โดยตรงผ่าน Kimi Code รวมถึงปลั๊กอินเทอร์มินัลและ IDE สามารถเลือกแพ็กเกจ Code ของเราได้ ราคาด้านล่างเป็นราคารายเดือนเมื่อชำระแบบรายปี:
| แพ็กเกจ | ราคา | เหมาะสำหรับ |
|---|---|---|
| Moderato | $15 / เดือน | ผู้ใช้ที่ต้องการโควตาการใช้งานที่รีเฟรชทุกสัปดาห์ และการเข้าถึงจากหลายอุปกรณ์สำหรับเวิร์กโฟลว์เขียนโค้ดทั่วไป |
| Allegretto | $31 / เดือน | ผู้ใช้ขั้นสูงที่ต้องการขีดจำกัดรายสัปดาห์มากขึ้นและเพดานการทำงานพร้อมกันที่สูงขึ้น |
| Allegro | $79 / เดือน | ผู้ใช้ที่ทำงานพัฒนาหนัก ๆ โปรเจกต์ซับซ้อน และภาระงานขนาดใหญ่ |
| Vivace | $159 / เดือน | ผู้ใช้ที่ต้องการโควตารายสัปดาห์สูงสุดของแพ็กเกจสำหรับโปรเจกต์ซับซ้อนและฐานโค้ดขนาดใหญ่ |
ทุกแพ็กเกจมีขีดจำกัดการใช้งานที่รีเฟรชทุกสัปดาห์. แพ็กเกจระดับสูงให้ขีดจำกัดรายสัปดาห์มากขึ้นและเพดานการทำงานพร้อมกันที่สูงกว่า จึงเหมาะกับโปรเจกต์ที่ซับซ้อนยิ่งขึ้น.ดูรายละเอียดแพ็กเกจล่าสุดได้ที่หน้าสมาชิกอย่างเป็นทางการ
ราคา Kimi API
Kimi K2.7 Code ใช้งานได้ผ่าน Kimi API พร้อมการคิดค่าบริการตามปริมาณการใช้งานต่อ token:
| โมเดล | หน่วย | ราคาอินพุต (Cache Hit) | ราคาอินพุต (Cache Miss) | ราคาเอาต์พุต | หน้าต่างบริบท |
|---|---|---|---|---|---|
| kimi-k2.7-code | 1M tokens | $0.19 | $0.95 | $4.00 | 262,144 tokens |
API รองรับการแคชบริบทอัตโนมัติ ซึ่งช่วยลดต้นทุนอินพุตสำหรับบริบทที่นำกลับมาใช้ซ้ำ (cache hit $0.19 เทียบกับ cache miss $0.95 ต่อหนึ่งล้าน tokens) ราคายังไม่รวมภาษีที่เกี่ยวข้อง ดูอัตราล่าสุดได้ในเอกสารราคาอย่างเป็นทางการ