Kimi K2.7 Code, Moonshot AI'ın kodlama için optimize edilmiş 1T parametreli MoE modelidir: 32B aktif, 256K bağlam, vizyon, K2.6'dan yaklaşık %30 daha az düşünme jetonu, açık ağırlıklar. İşte ne olduğu ve nerede çalıştırılacağı.
Moonshot AI, yazılım yazmak ve kodlama aracıları çalıştırmak için özel olarak geliştirilmiş, açık ağırlıklı bir model olan Kimi K2.7 Code'u piyasaya sürdü. Kimi K2 serisinin trilyon parametre ölçeğini koruyor, görme yeteneği ekliyor ve önceki aracı çalışmalarını pahalı hale getiren "düşünme tokenı" maliyetini azaltıyor. Eğer Kimi K2.6 veya API'sini kullandıysanız, bu kodlama odaklı halefidir; ayrıca Claude Code ve Codex ile doğrudan rekabet eden Kimi Code adında bir terminal aracısı ile birlikte geliyor. İşte modelin ne olduğu, neyin değiştiği, nasıl puanlandığı ve bugün nerede çalıştırabileceğiniz.
Kısaca
Kimi K2.7 Code bir Uzman Karışımı (Mixture-of-Experts) modelidir: toplam 1 trilyon parametre, token başına 32 milyar aktif parametre.
256K token bağlam penceresi, görüş yeteneği (MoonViT kodlayıcı aracılığıyla resim ve video girişi) ve aynı iş üzerinde K2.6'ya göre yaklaşık %30 daha az düşünme tokenı ekler.
Ağırlıklar, değiştirilmiş bir MIT lisansı altında herkese açıktır; vLLM, SGLang veya KTransformers ile kendi sunucunuzda barındırabilirsiniz.
Moonshot'ın bildirdiği benchmarklarda, kodlama ve aracılık görevlerinde GPT-5.5 ve Claude Opus'un hemen arkasında yer almaktadır; sunum, zirveye çıkmak yerine açık ağırlıklar artı maliyet üzerinedir.
Kimi Code adında bir terminal ve IDE kodlama aracısı ve Apidog ile dakikalar içinde test edebileceğiniz OpenAI uyumlu bir API ile birlikte gelir.
Kimi K2.7 Code, Moonshot AI'nin K2 ailesinin kodlama konusunda uzmanlaşmış sürümüdür. Son Kimi modelleri gibi aynı seyrek Uzman Karışımı (Mixture-of-Experts) tasarımını kullanır, bu nedenle ağırlıklarının yalnızca bir kısmı herhangi bir token üzerinde ateşlenir. "Code" eki asıl noktadır: Moonshot bu kontrol noktasını genel sohbet yerine yazılım geliştirme, çok adımlı araç çağrıları ve uzun ajan oturumları için ayarladı. K2.6'ya göre ana yükseltmeler, yerel çok modlu giriş, daha az kaynak tüketen bir akıl yürütme bütçesi ve Moonshot'ın kendi ajan çerçevesiyle daha sıkı entegrasyondur. Kimi web uygulaması, Kimi Code CLI, barındırılan bir API aracılığıyla veya Hugging Face'ten ağırlıkları indirerek kullanabilirsiniz.
Öncelikli olarak kod ve ajanlar için ayarlanmıştır. K2.6 güçlü bir genelciydi. K2.7 Code, odağı kodlama iş akışlarına daraltır: yeniden düzenleme, hata ayıklama, kod tabanını keşfetme ve bir görevin yarısında konuyu kaybetmeden araç çağrılarını zincirleme.
Düşünmek daha ucuz. Moonshot, karşılaştırılabilir sonuçlar için K2.6'ya kıyasla düşünme tokenı kullanımında yaklaşık %30'luk bir azalma bildirmektedir. Akıl yürütme tokenları ücretlendirilen tokenlardır, bu nedenle %30'luk bir kesinti doğrudan ajan çalışma maliyetinize ve gecikme sürenize yansır. Yüzlerce araç çağrısı içeren uzun bir kodlama oturumunda, bu hızla artar.
Görüyor. K2.7 Code, 400M parametreli bir MoonViT görüş kodlayıcısı ile birlikte gelir, bu nedenle ekran görüntülerini, diyagramları ve video karelerini okur. Bu, başarısız bir kullanıcı arayüzüne, bir yığın izleme ekran görüntüsüne veya bir tasarım taslağına bakması gereken ajanlar için önemlidir.
Modelin şekli hem yeteneğini hem de düşük hizmet maliyetini açıklıyor.
Uzman Karışımı (Mixture-of-Experts) kurulumu, "1 trilyon parametreli" bir modelin çalıştırılmasının neden pratik olduğunu açıklar. Bir yönlendirici, her token için 384 uzmandan 8'ini seçer, bu nedenle tüm trilyon yerine 32 milyar aktif parametre için hesaplama maliyeti ödersiniz. Büyük bir modelin bilgi kapasitesini, orta ölçekli bir modele yakın token başına maliyetle elde edersiniz.
Çok Başlı Gizli Dikkat (Multi-head Latent Attention), anahtar-değer önbelleğini küçük tutar, bu da 256K bağlam penceresinin hizmet vermeyi uygun maliyetli hale getirmesini sağlar. Uzun bağlam, geliştiricilerin hissettiği kısımdır: tek bir isteme tüm bir hizmeti, testlerini ve yapılandırmasını bırakıp hepsine saygı duyan bir değişiklik isteyebilirsiniz.
Moonshot, kodlama ve aracılık süitlerinde GPT-5.5 ve Claude Opus'a karşı skorları yayınladı. Desen tutarlı: K2.7 Code rekabetçi ve yakın, ancak çoğu görevde kapalı sınırın zirvesinde yer almıyor.
Kodlama
Ajan ve araç kullanımı
İki uyarı bunu adil tutar. Birincisi, bu süitlerin birçoğu Moonshot'ın kendisinindir, bu yüzden onları tarafsız bir liderlik tablosu olarak değil, satıcının çerçevesi olarak değerlendirin. İkincisi, hikaye "Kimi kazanıyor" değil. "İndirebileceğiniz ve kendi sunucunuzda barındırabileceğiniz açık ağırlıklı bir model, yalnızca kiralayabileceğiniz modellerin birkaç puan gerisinde yer alıyor" şeklindedir. MCP Mark Verified'da Claude Opus'u bile geride bırakıyor. Birçok gerçek iş için, %90 oranında iyi olan ancak açık ve daha ucuz olan bir model daha iyi bir tercih olabilir. Eğer tek ölçütünüz saf kodlama tavanı ise, DeepSeek V4 ile Claude Opus karşılaştırmamız kapalı ve açık arasındaki boşluğu daha derinlemesine ele almaktadır.
Ajan tabanlı kodlama, tokenları bir döngüde yakar: dosyaları oku, akıl yürüt, bir aracı çağır, sonucu oku, tekrar akıl yürüt. Bu harcamanın çoğu çıktı değil, akıl yürütmedir. Düşünme tokenlarını yaklaşık %30 azaltmak, aynı anda iki şeyi başarır. Görev başına maliyeti düşürür ve modelin harekete geçmeden önce daha az yazdığı için her adımın toplam süresini kısaltır. Bir kodlama aracısının "düşünürken" takıldığını izlediyseniz, bunun bir benchmark puanından daha değerli olduğunu bilirsiniz. Bu maliyeti azaltmanın daha fazla yolu için, CLI'den ajan token maliyetlerini azaltma rehberimize bakın.
K2.7 Code sadece bir kontrol noktası değil. Moonshot, modelin güçlü yönleri etrafında tasarlanmış, terminal tabanlı bir kodlama aracısı olan Kimi Code'u geliştirdi: korunmuş düşünme, aralıklı akıl yürütme ve çok adımlı araç çağrıları. Dosyaları yazar ve düzenler, kabuk komutlarını çalıştırır, kod tabanınızı arar, web içeriği getirir ve paralel çalışma için alt ajanlar oluşturur. Tek bir komutla yükleyebilirsiniz:
Ardından herhangi bir proje dizininde kimi komutunu çalıştırın. Ayrıca bir VS Code uzantısı, ayrıca ACP protokolü aracılığıyla JetBrains ve Zed desteği de bulunmaktadır. Tüm kurulumu, eğik çizgi komutlarını ve ilk çalıştırma iş akışını özel bir rehberde ele alıyoruz; eğer eski Kimi CLI'yı kullandıysanız, yeni ajan yeniden kaplama değil, baştan sona yeniden oluşturulmuş bir projedir.
Modele ulaşmak için dört yolunuz var.
Kimi web uygulaması ve Kimi Uygulaması. Hızlı sorular ve prototipleme için sohbet erişimi, kurulum gerektirmez.
Kimi Code CLI. Deponuz içinde pratik kodlama için yukarıdaki terminal aracısı.
API. Moonshot platformunda OpenAI uyumlu bir uç nokta. kimi-k2.7-code model kimliğini kullanın ve mevcut OpenAI istemcinizi https://api.moonshot.ai/v1 adresine yönlendirin. OpenAI uyumlu olduğu için, temel URL değişimiyle Claude Code, Cursor ve Cline gibi araçlara entegre edilebilir. (Sabit ücretli Kimi Code aboneliği ayrı bir kimlik kullanır: kimi-for-coding.)
Açık ağırlıklar.Hugging Face'ten indirin ve kendi sunucunuzda barındırın. Moonshot, hizmet vermek için vLLM, SGLang veya KTransformers'ı önerir. Verilerinizin kendi donanımınızda kalması gerekiyorsa bu yolu izleyin.
Modeli bir ajana bağlamadan önce, ham istekleri ve yanıtları görmek faydalıdır. Apidog, bunu bir istemci yazmadan yapmanız için size görsel bir çalışma alanı sunar.
Yöntemi POST ve URL'yi https://api.moonshot.ai/v1/chat/completions olarak ayarlayın.
Bir Authorization: Bearer <anahtarınız> başlığı ekleyin. Anahtarı Kimi platform konsolundan alın.
Gövdede, "model": "kimi-k2.7-code" ve bir messages dizisi içeren OpenAI tarzı bir yük gönderin.
İsteği gönderin ve yanıtı okuyun. Apidog, JSON'u biçimlendirir, token kullanımını gösterir ve çağrıyı yeniden kullanılabilir bir test olarak kaydetmenize olanak tanır.
Buradan küçük bir test senaryosu oluşturabilirsiniz: yanıt durumunu onaylayın, usage.completion_tokens'ın bütçe altında kaldığını kontrol edin ve gerilemeleri yakalamak için her model güncellemesinde çalıştırın. Uç nokta OpenAI uyumlu olduğu için, aynı kurulum Kimi platformundaki herhangi bir model için çalışır. Modelin MCP aracılığıyla araç çağırma özelliğini test ediyorsanız, MCP sunucu testi rehberimiz önemli onaylamaları adım adım anlatır. Takip etmek için Apidog'u indirin.
Şunları geliştiriyorsanız seçin:
Token maliyeti ve gecikmenin ürünün uygulanabilirliğini belirlediği kodlama ajanları.
Uzun bağlam gerektiren araçlar: tüm depoyu düzenlemeler, büyük yeniden düzenlemeler, çoklu dosya akıl yürütme.
Ağırlıklar açık olduğu için gizlilik veya uyumluluk nedeniyle kendi altyapınızda çalışması gereken her şey.
Ekran görüntüleri, diyagramlar veya videolar okuyan çok modlu kodlama iş akışları.
Aşağıdaki durumlarda kapalı bir sınır modelini tercih edin:
Birkaç benchmark puanının fiyatı haklı çıkardığı mutlak en yüksek tek atışlık kodlama puanına ihtiyacınız varsa.
Kendi sunucunuzda barındırmak yerine yönetilen bir SLA ve destek sözleşmesi.
Kimi K2.7 Code açık kaynak mı? Ağırlıklar, değiştirilmiş bir MIT lisansı altında herkese açıktır, bu nedenle indirebilir, çalıştırabilir ve ince ayar yapabilirsiniz. Ticari kullanımdan önce model kartındaki lisans koşullarını okuyun.
Bağlam penceresi ne kadar büyük? 256K token. Bu, tek bir istemde eksiksiz bir hizmet ve testleri için yeterlidir.
Yerel olarak çalıştırabilir miyim? Evet. Moonshot, vLLM, SGLang veya KTransformers'ı önerir. Tam ağırlıklar büyüktür (trilyon parametre ölçeğinde), bu nedenle ciddi GPU belleği veya nicelendirilmiş bir yapı planlayın.
API için model kimliği nedir? Moonshot API'sinde (https://api.moonshot.ai/v1) kimi-k2.7-code kullanın; sabit ücretli Kimi Code aboneliği kimi-for-coding kullanır. Uç nokta OpenAI uyumludur, bu nedenle çoğu mevcut istemci temel URL değişikliğiyle çalışır.
Normal Kimi K2.6'dan farkı nedir? Özellikle kodlama ve ajanlar için ayarlanmıştır, görüş yeteneği ekler ve karşılaştırılabilir sonuçlar için yaklaşık %30 daha az düşünme tokenı kullanır.
Araç çağırmayı ve MCP'yi destekliyor mu? Evet. Aralıklı akıl yürütme ve çok adımlı araç çağrıları için geliştirilmiştir ve Kimi Code, Model Bağlam Protokolü'nü (MCP) destekler.
Ücretsiz mi? Kimi uygulamasında ücretsiz sohbet edebilirsiniz ve ağırlıklar ücretsiz olarak indirilebilir. API ve Kimi Code ajan kullanımı, kota limitleri olan abonelik planları üzerinden çalışır.
Kimi K2.7 Code, Moonshot'ın açık ağırlıklar ve düşük maliyetin, benchmark tablosunun zirvesini kovalamaktan daha iyi olduğu yönündeki iddiasıdır. 32B aktif, 256K bağlam penceresi, görüş yeteneği ve K2.6'ya göre yaklaşık %30 daha hafif bir akıl yürütme bütçesi ile 1T parametreli bir MoE modelidir. Çoğu kodlama süitinde GPT-5.5 veya Claude Opus'u yenemeyecek olsa da, indirilebilir ve daha ucuz çalıştırılabilir kalırken onlara yaklaşır ve yetenekli bir terminal aracısı ile birlikte gelir. Maliyet ve kontrolün ham kalite kadar önemli olduğu kodlama araçları geliştiriyorsanız, gerçek bir testi hak ediyor. API'nin nasıl davrandığını görmek için Apidog aracılığıyla bir istek göndererek başlayın, ardından kendi sunucunuzda barındırıp barındırmayacağınıza karar verin.
Düğme
Özet
Sıkça Sorulan Sorular
Kimi K2.7 Code'u kimler seçmeli?
Apidog'da Kimi K2.7 Code API'sini nasıl test edersiniz?
