Kimi K2.7 Código
5848°
Ejecutar este modelo
Ofertas / Anuncios
MoonshotAI | contexto de 262,144 tokens | $0.67/M entrada, $3.35/M salida. MoonshotAI: Kimi K2.7 Código es un modelo enfocado en programación dentro de la familia Kimi K2 de Moonshot AI, diseñado para completar tareas de programación de extremo a extremo de manera confiable en contextos largos. Utiliza una arquitectura nativa multimodal de mezcla de expertos que acepta entrada de texto e imagen, y siempre opera en modo de pensamiento, preservando el contenido completo del razonamiento a lo largo de conversaciones de múltiples turnos. Con una ventana de contexto de 256K tokens, está orientado a programación a largo plazo, descomposición de tareas agenteicas y diálogo multi-turno. El modelo activa 32B parámetros de aproximadamente 1T en total.
Guías para este modelo
Mejor LLM local según el uso (octubre 2026): el modelo abierto adecuado para cada tarea
¿Cuánta VRAM necesito realmente para IA local?
¿Qué es un archivo GGUF? Modelos cuantizados explicados (Q4, Q8, fp8, NF4)
Notas del capitán
Notas del 2026-10-13
Kimi K2.7 Code es el modelo especialista en codificación de Moonshot AI, construido sobre una arquitectura mixture-of-experts de 1 billón de parámetros que activa 32B parámetros por token. Siempre funciona en modo pensamiento, preservando el razonamiento a lo largo de conversaciones multi-turno, y está orientado a tareas de ingeniería de software de largo alcance con una ventana de contexto de 256K tokens. Pesos abiertos y multimodal, es ideal para desarrolladores que necesitan un modelo agentivo de codificación capaz que puedan ejecutar por sí mismos.
Conocido por
- Codificación agentiva de extremo a extremo en flujos de trabajo complejos y multi-paso de ingeniería de software
- Modo pensamiento siempre activo con razonamiento completo preservado en sesiones multi-turno
- Ventana de contexto de 256K tokens adecuada para bases de código grandes y tareas largas
- Aproximadamente 30% menos tokens de pensamiento que su predecesor K2.6
- Acepta entrada de imagen vía un codificador de visión MoonViT nativo
Cuidado con
- Con 1 billón de parámetros totales, el autoalojamiento requiere hardware serio; revisa requisitos de VRAM antes de comprometerte.
- Los benchmarks mostrados son evaluaciones internas de Moonshot AI junto con terceros; considera esto al interpretarlos.
- El precio de salida es $3.35 por millón de tokens, que suma rápido en respuestas largas en modo pensamiento.
Prompts para probar
Refactorizar un servicio legado
Tengo un servicio Python Flask que maneja autenticación de usuarios usando consultas SQL crudas y almacena sesiones en un diccionario global. Refactorízalo para usar SQLAlchemy ORM, un almacén de sesiones adecuado y añade validación de entrada. Explica tu razonamiento antes de escribir el código, luego produce los archivos completos refactorizados.
Depurar desde un binario
Tengo una herramienta CLI compilada que analiza archivos CSV y genera un reporte resumen. No tengo código fuente. Basándote en este fragmento de documentación que describe sus flags y formato de salida, escribe una reimplementación en Python que iguale su comportamiento, incluyendo casos límite para archivos vacíos y filas malformadas.
Plan de construcción agentivo
Planifica e implementa una API REST mínima en Go que exponga endpoints CRUD para una lista de tareas, almacene datos en SQLite, incluya autenticación JWT básica y tenga un Dockerfile. Divide el trabajo en pasos, razona cada decisión de diseño y luego escribe todos los archivos necesarios para ejecutarla.
Comparar con
- Kimi LatestModelo solo APIContexto de 1,048,576 tokens · $0.29/M entrada, $24.00/M salida
- Kimi K3Modelo con pesos abiertosContexto de 1,048,576 tokens · $0.30/M entrada, $11.94/M salida
- Kimi K2 ThinkingModelo con pesos abiertosContexto de 262,144 tokens · $0.60/M entrada, $2.50/M salida
- Kimi K2.5Modelo con pesos abiertosContexto de 262,144 tokens · $0.50/M entrada, $2.50/M salida
Más modelos de texto de moonshotai
Preguntas frecuentes
- ¿Los pesos son abiertos y puedo ejecutar Kimi K2.7 Code localmente?
- Sí, los pesos están disponibles públicamente en Hugging Face en moonshotai/Kimi-K2.7-Code. Con 1 billón de parámetros necesitarás hardware sustancial; consulta una guía de VRAM antes de descargar.
- ¿Cuánto cuesta Kimi K2.7 Code y qué longitud de contexto tiene?
- Por API cuesta $0.67 por millón de tokens de entrada y $3.35 por millón de tokens de salida, con una ventana de contexto de 262,144 tokens.
- ¿En qué se diferencia K2.7 Code de K2.6?
- K2.7 Code está construido sobre K2.6 con enfoque en tareas reales de codificación de largo alcance y mejor eficiencia de tokens, reduciendo el uso de tokens de pensamiento en aproximadamente 30% comparado con K2.6.
Veredicto del capitánUn agente de codificación serio con pesos abiertos, contexto largo y razonamiento siempre activo — vale la pena el costo de hardware si la ingeniería de software agentiva es tu carga real de trabajo.
Ficha del modelo en Hugging Face
El capitán escribe estas notas a partir de la descripción y ficha del modelo. Los precios y tamaños de contexto son los del proveedor al momento de escribir y pueden cambiar.
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.
Cómo se suma esta puntuación
Este modelo aún no tiene datos de popularidad de ninguna fuente, así que lleva un número provisional por debajo de 7,000° que mantiene las listas completas. Nunca se posiciona por encima de un modelo con datos. El desglose aparece aquí tan pronto como una fuente lo reporte.
Glosario: los términos usados aquí
- Puntuación heat
- Un número que muestra cuánto se usa y quiere un modelo ahora mismo, de 0° a 9,999°. Cada lista en este sitio que dice más popular está ordenada por esto y nada más.
- Piso
- Los 7,000° con los que empieza todo modelo con datos reales. La escala va de 0° a 9,999°; la parte bajo el piso está reservada para sustitutos (modelos sin datos), para que un modelo con datos siempre esté por encima de uno sin. El piso es igual para todos y no decide nada; los grados sobre él son la medida.
- Equivalentes a descargas
- Todo lo que la puntuación trata como una descarga, sumado: las descargas mismas, cada seeder de torrent como 1,000, cada imagen de AI Horde y cada ejecución en un sitio de generación como uno.
- Escala logarítmica
- Cuenta de a decenas, no de a uno: pasar de 1,000 a 10,000 descargas suma los mismos grados que pasar de 10,000 a 100,000. Evita que los gigantes opaquen todo lo demás.
- Likes
- Pulgares arriba y likes de todas las fuentes, valen la mitad de una descarga cada uno en la escala logarítmica.
- Tasa de adopción
- Cuántas descargas al día recibe un modelo ahora mismo, según la diferencia entre dos lecturas de una fuente. Un cuarto del peso del término de descarga.
- Medido y estimado
- Medido significa que hay dos lecturas de una fuente y la diferencia es real. Estimado significa que solo se conoce el total de hoy y el pasado se distribuye a lo largo de la vida del modelo; el sitio indica cuál está mostrando.
- Seeder
- Alguien que mantiene una copia de los pesos en línea para que otros la descarguen por torrent, o un espejo alojado que hace lo mismo. Cada uno cuenta como 1,000 descargas.
- AI Horde
- Una red de voluntarios que genera imágenes gratis en computadoras donadas. El número de imágenes que ha hecho con un modelo es público, y cada una cuenta como una descarga.
- Sitios de generación
- Sitios que alojan sus propias copias de un modelo y permiten que la gente genere con él, como PixAI, SeaArt y Yodayo. Sus descargas cuentan igual que las de Civitai y cada generación cuenta como una descarga.
- Tokens de OpenRouter
- Un modelo de texto servido mediante una API, como Claude o GPT, no tiene pesos para descargar, por lo que su uso se mide en tokens: fragmentos de texto que leyó y escribió a través de OpenRouter, una puerta de acceso que usan muchas apps, durante los últimos 30 días. Cada 10,000,000 tokens cuentan como una descarga. Fuente: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- Modelo completo (checkpoint)
- Los pesos en sí, el archivo que genera por sí solo. Tiene un bono porque los complementos dependen de él.
- LoRA y embedding
- Archivos pequeños que dirigen los pesos de otro hacia un estilo, personaje o concepto. No pueden funcionar solos.
- Familia y pesos
- La base sobre la que se construye un modelo, como SD 1.5, SDXL, Flux o Wan. Cada modelo hereda la fecha de lanzamiento de los pesos de su familia.
- Antigüedad
- Grados descontados según hace cuánto salieron los pesos de la familia: 150° por año, hasta 750°. Mantiene las descargas antiguas que tuvieron años para acumularse congelando la cima de la lista.
- Impulso de familia
- Un pequeño empujón limitado para LoRAs de una familia que este sitio está promoviendo ahora, siempre listado en el desglose.
- Puntaje provisional
- Un número estable por debajo del mínimo dado a un modelo que aún no tiene reportes de fuentes, para que las listas estén completas. Nunca se posiciona por encima de un modelo con datos.
- ¡Nuevo! (periodo de gracia)
- Un modelo con menos de 7 días muestra ¡Nuevo! en lugar de una puntuación y no ocupa lugar en los rankings. Su puntuación se calcula desde el primer día, pero un modelo de un día crece más rápido que cualquier otro, así que sin este periodo el #1 de la semana siempre sería el que salió ayer en vez del que se mantuvo una semana.
- Tendencia
- Cómo el crecimiento de un modelo en un período se compara con el crecimiento típico de modelos en ese mismo período. Más rápido que lo típico se lee como subida, más lento como bajada.
- Modelo típico
- El punto medio del catálogo: la mitad de los modelos con cifras crecieron más rápido en el período, la otra mitad más lento.
Kimi K2.7 Código es un modelo de texto para la familia Text / LLM listado en ModelTrends.ai, un catálogo de solo lectura de modelos de IA de imagen, vídeo y texto de código abierto. Compáralo con otros modelos Text / LLM y consulta su puntuación de calor para ver su tendencia.
Más modelos Text / LLMMás Texto / LLM de Text / LLMllmmoonshotaivisiónrazonamientoprogramaciónagentescontexto largolocal
Explorar por familia 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