Kimi K2.7 Code 模型介紹

Kimi K2.7 Code 是 Kimi 系列最新推出的程式設計模型，在長時域編碼任務上實現了重要突破。該模型能夠更可靠地遵循長上下文中的指令，並在多種程式語言（如 Rust、Go、Python）和任務場景（包括前端開發、DevOps、效能最佳化）中展現出更高的任務完成成功率。

在上下文支援方面，Kimi K2.7 Code 提供了高達 256K 的超長上下文視窗，能夠處理超長文本和程式碼。同時，模型保留了強大的推理能力，支援多步驟工具呼叫和推理，適用於複雜邏輯推理、數學問題和程式碼編寫。值得注意的是，該模型僅支援思考模式，無法停用，因此所有請求都必須啟用思考功能。

Kimi API 與 OpenAI 的 API 格式完全相容，使用者可以透過安裝 OpenAI SDK 快速接入。官方提供了一個完整的影片分析示例，展示了模型的視覺理解與工具呼叫能力。使用者可以使用多模態工具函式 watch_video_clip 分析影片片段，模型會自動呼叫工具並返回分析結果。該示例包括安裝 SDK、驗證安裝、以及一個完整的智慧體迴圈程式碼，能夠處理影片剪輯提取和多模態輸出。

在最佳實踐方面，模型支援常見的圖片格式（png、jpeg、webp、gif）和影片格式（mp4、mpeg、mov、avi 等）。圖片解析度建議不超過 4K（4096×2160），影片解析度不超過 2K（2048×1080），更高解析度只會增加處理時間而不會提升理解效果。對於大影片，必須使用檔案上傳方式而不是 base64 編碼，以避免請求體過大。模型對圖片數量沒有限制，但請求體大小不得超過 100MB，且不直接支援 URL 格式的圖片，僅支援 base64 編碼。

引數方面，Kimi K2.7 Code 使用固定值：溫度固定為 1.0、top_p 固定為 0.95、n 固定為 1、存在懲罰和頻率懲罰均為 0.0，任何其他值都會導致錯誤。工具呼叫時，tool_choice 僅可設定為 "auto" 或 "none"（預設為 "auto"）。在多步驟工具呼叫過程中，必須保留助手訊息中的 reasoning_content，否則會丟擲錯誤。token 計費與 moonshot-v1 模型系列相同，基於處理的總 token 數收費，影像和影片的 token 消耗動態計算，解析度越高消耗越大。更多詳情（包括基準測試和模型定價）可參考官方文件。