BenchLeader

Kimi K2.7 Code

推理强度
质量第 118 / 339 名
53.9Index
高于中位数
较中位数 +3.7
价格第 167 / 255 名
$1.71每百万 token
比多数贵
中位数的 2.0 倍
速度第 159 / 216 名
55token/秒
低于中位数
中位数的 0.7 倍
性价比第 167 / 255 名
31.5分/$
低于中位数
中位数的 0.6 倍

性价比更高: MiMo-V2.5 $0.138/M 即可获得 Index 56.3,价格只有 12 分之一。

有 45 个更便宜的已排名模型得分更高:Gemini 3.7 Flash (62.1, $1.50)、Gemini 3.6 Flash (61.0, $1.50)、Gemini 3.8 Flash (60.2, $1.50),另有 42 个。

截至 2026年11月16日,Kimi K2.7 Code(Moonshot AI)在 BenchLeader Index 上得分 53.9(共 608 个已排名配置)。表现最好的是长上下文(64),最弱的是知识(45)。API 价格为输入每百万 token $0.950、输出每百万 token $4.00(按 3:1 混合为 $1.71),为 2026年11月16日的标价。输出速度约为 55 token/秒(Artificial Analysis)。发布于 2026年6月12日。

要点(截至 2026年11月16日)

  • Kimi K2.7 Code 的 API 价格为输入每百万 token $0.950、输出每百万 token $4.00(按 3:1 混合为 $1.71)(标价,2026年11月16日)。
  • Kimi K2.7 Code 的输出速度约为 55 token/秒(Artificial Analysis,2026年11月16日)。
  • Kimi K2.7 Code 于 2026年6月12日发布(Moonshot AI)。

详细说明:Kimi K2.7 Code 是 Moonshot AI 的开放权重推理模型,发布于 2026年6月12日。其最佳配置在 BenchLeader Index 上得分 53.9 ±4.7,在 608 个配置中排第 242 名,处于上半区。关键在于这个“±”:另有 290 个配置的得分落在这一区间内,仅凭质量无法区分,真正拉开差距的是价格和速度。分类别看,长上下文得分最高(64),知识最低(45)。按混合价格计,每百万 token $1.71,比大多数已排名模型贵。输出速度为 55 token/秒,首次回答需 29.6 秒,比大多数模型慢。它已在 2 种推理强度设置下测得结果;本摘要描述的是得分最高的设置,可用上方标签切换。最近一次测量:2026年11月11日。

混合价格
$1.71/M
输入 $0.950 · 输出 $4.00
来源:Artificial Analysis
输出速度
55 tok/s
由 Artificial Analysis 测量
首次回答
30 s
首 token 1.13 s
上下文
262k
来源:models.dev
完整回答
102 s
最近一次测量 2026年11月13日
单任务成本
–
单任务 token 数
–
发布日期
2026年6月12日
各类别得分虚线 = 平均模型(50)。每 15 分为一个标准差。
  1. 综合 Index54
  2. 推理53
  3. 编程52
  4. 智能体与工具52
  5. 数学52
  6. 知识45
  7. 指令遵循63
  8. 长上下文64

嵌入这个排名

更多徽章样式
[![Kimi K2.7 Code on BenchLeader: 综合第 117 名](https://www.benchleader.com/badge/kimi-k2-7-code.svg?style=compact)](https://www.benchleader.com/models/kimi-k2-7-code)

粘贴到 README.md 顶部,放在其他徽章旁边。徽章会随每次数据更新重新生成,并链接回本页。

Moonshot AI 发布新模型时邮件通知我

进入排名时再通知一次,每周一另有每周回顾。

选择提供商和邮件类型

不同推理强度的配置

同一个模型允许思考的程度不同,表现也会不同。每一行是一种推理强度设置,只用在该设置下运行的基准测试打分。“未说明”汇总了发布方没有注明所用设置的结果;对推理模型而言这通常是其思考模式,但我们不做这一假定。在这里或页面顶部选择一个设置,即可查看其价格、速度和各类别得分。

推理强度Index排名速度首次回答聊天回复成本类别
xhigh––55 tok/s30 s$0.0016
未说明最佳53.9#24255 tok/s30 s$0.0016智能体与工具 52 · 编程 52 · 指令遵循 63 · 知识 45 · 长上下文 64 · 数学 52 · 推理 53

Index 走势

2026年9月8日 至 2026年11月16日
485562

Index 每天从头重新计算,因此当有新的基准测试结果、发布方修订分数,或用于归一化的参照模型发生变化时,曲线都会移动。早期的波动通常说明分数仍在趋于稳定。

基准测试结果

查看全部大模型基准测试。每种推理强度一列。排名是在该基准测试上所有模型的所有配置中的位置。将鼠标悬停在分数上可查看对应的测试运行。

元数据

基准测试默认来源趋势
AA Openness Index不计入 Index27.8#260Artificial Analysis

编程

基准测试默认来源趋势
SciCode47.8%#138SciCode
WeirdML54.1%#61WeirdML
FrontierCode30.1%#32Cognition
Arena WebDev1474#77Arena (LMArena)
LiveBench 1.0 Coding不计入 Index74.0%#54LiveBench
SciCode (AA)不计入 Index47.8%#144Artificial Analysis
LiveCodeBench82.0%#57Vals AI
SWE-bench (Vals)不计入 Index78.2%#30Vals AI
Code Migration不计入 Index25.4%#48Vals AI
ProgramBench不计入 Index0.0%#34Vals AI
Vibe Code Bench v1.1不计入 Index47.2%#73Vals AI
Surface Evolver Bench不计入 Index48.8%#19Epoch AI Benchmarking Hub
DeepSWE v1.1不计入 Index30.5%#62Epoch AI Benchmarking Hub
ALE-Bench不计入 Index886.2#80Epoch AI Benchmarking Hub
Terminal-Bench 4.0 (AA)不计入 Index1.0%#160Artificial Analysis
Terminal-Bench 2.1 (AA)不计入 Index67.4%#79Artificial Analysis
Design Arena Website不计入 Index1258#53Design Arena

智能体与工具

知识

基准测试xhigh默认来源趋势
SimpleQA Verified推理强度未说明–36.5%#58Epoch AI Benchmarking Hub
LiveBench 1.0 Data Analysis不计入 Index推理强度未说明–62.7%#61LiveBench
DrugDiscoveryBench不计入 Index35.3%#16–Scale AI SEAL

指令遵循

基准测试默认来源趋势
LiveBench Language不计入 Index77.9%#40LiveBench
LiveBench Instruction Following不计入 Index56.3%#63LiveBench
IFBench63.1%#116Artificial Analysis

长上下文

基准测试默认来源趋势
AA-LCR v1.179.3%#110Artificial Analysis
MLCR不计入 Index12.2%#107Artificial Analysis

综合

基准测试默认来源趋势
Epoch Capabilities Index不计入 Index151.2#62Epoch AI Benchmarking Hub
LiveBench 1.0不计入 Index68.4%#59LiveBench
AA Intelligence Index v4.3.2不计入 Index25.8#166Artificial Analysis
AA Progress Index v1不计入 Index287.6#152Artificial Analysis

API 价格:在哪里调用

通过 OpenRouter 提供这个模型的所有提供商:吞吐量和首 token 延迟基于过去 30 分钟的实时流量测得,价格为各提供商自己的报价。紫色标出每列的最佳值。

提供商速度首 token输入 $/M输出 $/M上下文量化
Moonshot AI115 tok/s1.66 s$1.90$8.00262k–
Inceptron92 tok/s0.57 s$0.600$3.50262kint4
Alibaba Cloud Int.79 tok/s0.88 s$0.950$4.00262kfp8
Moonshot AI68 tok/s1.25 s$0.950$4.00262k–
Venice67 tok/s1.23 s$0.750$3.50256kint4
StreamLake64 tok/s1.41 s$0.713$3.00256k–
GMICloud54 tok/s5.66 s$0.950$4.00262kfp8
Cloudflare39 tok/s0.91 s$0.950$4.00262k–
NovitaAI38 tok/s4.11 s$0.912$3.84262kint4
SiliconFlow29 tok/s2.21 s$0.859$3.80262kfp8
CoreWeave19 tok/s0.82 s$0.600$3.00262kint4

一项任务的成本

根据最佳配置的标价、输出速度和首次回答时间估算。“使用缓存”假定四分之三的输入来自提示缓存,价格为每百万 token $0.190。未计入推理 token。

工作负载输入 / 输出 token成本使用缓存耗时
聊天回复400 / 300$0.0016$0.001435.1 s
总结一份 30 页的报告12,000 / 600$0.014$0.007040.6 s
代码编辑6,000 / 1,500$0.012$0.008357.0 s
智能体编程会话60,000 / 4,000$0.073$0.0391.7 min
结构化信息提取2,000 / 200$0.0027$0.001633.3 s

包含该模型的编程套餐

可以使用 Kimi K2.7 Code 的订阅套餐,列出各自的用量限制和单项任务成本。

Moonshot AI 的更多模型

本月新上线

将 Kimi K2.7 Code 与以下模型对比

另请参阅

嵌入或引用

在模型卡片或 README 中展示 Kimi K2.7 Code 的排名。徽章会随每日更新重新生成,带有数据日期,并链接回本页。

[![Kimi K2.7 Code on BenchLeader: 综合第 117 名](https://www.benchleader.com/badge/kimi-k2-7-code.svg)](https://www.benchleader.com/models/kimi-k2-7-code)

引用本页

排名每天都会变化,因此引用时需注明数据日期。APA 格式:

BenchLeader. (2026, November 16). Kimi K2.7 Code on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/kimi-k2-7-code

BibTeX:

@misc{benchleader_kimi_k2_7_code_20261116,
  author       = {{BenchLeader}},
  title        = {{Kimi K2.7 Code on the BenchLeader Index (method v1.4)}},
  year         = {2026},
  month        = nov,
  howpublished = {\url{https://www.benchleader.com/models/kimi-k2-7-code}},
  note         = {Data as of 2026-11-16}
}

全部徽章样式、可嵌入的前 10 名小组件,以及如何引用 Index

常见问题

Kimi K2.7 Code 的基准测试得分是多少?
截至 2026年11月16日,Kimi K2.7 Code 的 BenchLeader Index 为 53.9 ±4.7。最强的是长上下文(64),最弱的是知识(45)。该得分只基于第三方基准测试结果,本页每个分数都链接到其发布方。
Kimi K2.7 Code 排名第几?
截至 2026年11月16日,Kimi K2.7 Code 在 608 个已排名配置中排第 242 名。另有 290 个配置的得分在其误差范围内,因此名次区间比确切名次更有意义。第一名是 Claude Fable 5.2(推理强度 max),得分 72.7。
Kimi K2.7 Code 每百万 token 的价格是多少?
截至 2026年11月16日,Kimi K2.7 Code 的价格为输入每百万 token $0.950、输出每百万 token $4.00,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $1.71。
Kimi K2.7 Code 比 MiniMax M3.1 Flash 更好吗?
截至 2026年11月16日,Kimi K2.7 Code 与 MiniMax M3.1 Flash 的质量不相上下(BenchLeader Index 53.9 比 54.3,在 ±6.5 的误差范围内),可根据价格、速度和你看重的类别来选择。逐项基准测试的详细对比见对比页面。
Kimi K2.7 Code 是什么时候发布的?
Moonshot AI 于 2026年6月12日发布了 Kimi K2.7 Code。BenchLeader 收录了它在 2 种推理强度设置下的结果。

数据截至 2026年11月16日。 对比这些配置

引用格式:BenchLeader,《Kimi K2.7 Code:基准测试、价格、速度与排名》,数据截至 2026年11月16日,https://www.benchleader.com/zh/models/kimi-k2-7-code。