Kimi K2.7 Code 模型介绍

Kimi K2.7 Code 是 Kimi 系列最新推出的编程模型，在长时域编码任务上实现了重要突破。该模型能够更可靠地遵循长上下文中的指令，并在多种编程语言（如 Rust、Go、Python）和任务场景（包括前端开发、DevOps、性能优化）中展现出更高的任务完成成功率。

在上下文支持方面，Kimi K2.7 Code 提供了高达 256K 的超长上下文窗口，能够处理超长文本和代码。同时，模型保留了强大的推理能力，支持多步骤工具调用和推理，适用于复杂逻辑推理、数学问题和代码编写。值得注意的是，该模型仅支持思考模式，无法禁用，因此所有请求都必须启用思考功能。

Kimi API 与 OpenAI 的 API 格式完全兼容，用户可以通过安装 OpenAI SDK 快速接入。官方提供了一个完整的视频分析示例，展示了模型的视觉理解与工具调用能力。用户可以使用多模态工具函数 watch_video_clip 分析视频片段，模型会自动调用工具并返回分析结果。该示例包括安装 SDK、验证安装、以及一个完整的智能体循环代码，能够处理视频剪辑提取和多模态输出。

在最佳实践方面，模型支持常见的图片格式（png、jpeg、webp、gif）和视频格式（mp4、mpeg、mov、avi 等）。图片分辨率建议不超过 4K（4096×2160），视频分辨率不超过 2K（2048×1080），更高分辨率只会增加处理时间而不会提升理解效果。对于大视频，必须使用文件上传方式而不是 base64 编码，以避免请求体过大。模型对图片数量没有限制，但请求体大小不得超过 100MB，且不直接支持 URL 格式的图片，仅支持 base64 编码。

参数方面，Kimi K2.7 Code 使用固定值：温度固定为 1.0、top_p 固定为 0.95、n 固定为 1、存在惩罚和频率惩罚均为 0.0，任何其他值都会导致错误。工具调用时，tool_choice 仅可设置为 "auto" 或 "none"（默认为 "auto"）。在多步骤工具调用过程中，必须保留助手消息中的 reasoning_content，否则会抛出错误。token 计费与 moonshot-v1 模型系列相同，基于处理的总 token 数收费，图像和视频的 token 消耗动态计算，分辨率越高消耗越大。更多详情（包括基准测试和模型定价）可参考官方文档。