Kimi K2.7 Code (thinking on)
Kimi K2.7 Code ist das coding-spezialisierte Agenten-Modell von Moonshot AI aus der K2-Familie, optimiert für langfristige Software-Engineering-Workflows. Die MoE-Architektur aktiviert pro Token nur 32 Milliarden der insgesamt eine Billion Gesamtparameter, das Kontextfenster umfasst 256.000 Tokens. Multimodaler Eingang für Text, Bild und Video, Always-on-Thinking-Modus und Tool-Use-Unterstützung. Unter Modified-MIT-Lizenz als Open-Weights-Modell verfügbar.
- Open Weights
- Frontier
- OR
- Text
- Vision
- Video
- Instruction-Tuned
- Agentic Orchestrator
- Batch
Schlüsselmetriken
Score · Latenz · Kosten · Qualität
- Total Score Silver
- 77.15
- Routine
- 47.82
- Reasoning
- 29.32
- LLM Judge Avg
- 3.83 / 5
- 100 Coverage
- Avg Task Duration
- 50.98s
- Batch
- Token Rate
- 70.76tok/s
- Output Rate
- P95 Latency
- 173.94s
- Top 5 %
- Total Tokens
- 161600
- Output Volume
- Cost per 1K
- $0.0035
- USD / 1K Requests
- Benchmark Cost
- $0.57
- Total · 161600 tok
Benchmark-Module
10 Module · gewichtet · vs. Modellmedian & Spitzenreiter
Kimi K2.7 Code
Bestes Modell
Ø Alle Modelle
Code Quality
81.4
CLI Benchmark
74
Logical Reasoning
76.59
UX Writing
73.41
Documentation
73.91
Content Transform.
77.19
Cultural Intelligence
81.96
Synthesis Quality
70
Tool Execution
90
ToolUse Score
71.33
Benchmark Cost
$0.57
Token-Effizienz & Latenz
Verbrauch pro Modul vs. Modellmedian
Token-Verbrauch pro Modul
Performance-Profil
Schlüsselmetriken – Legende
Score
- Total Score
- Gesamtpunktzahl aus Routine- und Reasoning-Score. Basis für den Flotten-Rang und die Tier-Zuordnung (Gold / Silver / Bronze).
- Routine
- Punktzahl für Standardaufgaben: Code-Generierung, Texttransformation, strukturierte Ausgaben. Gewichtet nach Aufgabenkomplexität.
- Reasoning
- Punktzahl für analytische und logische Aufgaben: mehrstufige Problemlösung, mathematisches Schlussfolgern, strukturierte Argumentationen.
- Rang
- Position im Flottenvergleich, sortiert nach Total Score. Bezieht sich auf den Snapshot zum Zeitpunkt des Tests.
LLM Judge
- LLM Judge Ø
- Durchschnittliche Qualitätsbewertung durch ein unabhängiges Richter-Modell auf einer Skala von 1–5.
- Coverage
- Anteil der Aufgaben, für die eine Judge-Bewertung vorliegt. 100 % bedeutet, alle Antworten wurden bewertet.
Latenz & Geschwindigkeit
- Avg. Task Duration
- Durchschnittliche Zeit pro Aufgabe vom ersten bis zum letzten Token der Antwort, gemessen über alle Benchmark-Aufgaben.
- Token Rate
- Ausgabe-Geschwindigkeit in Tokens pro Sekunde. Relevant für interaktive Anwendungen und Echtzeit-Streaming.
- P95 Latency
- 95. Perzentil der Antwortzeiten – zeigt Ausreißer. Niedrigere Werte bedeuten weniger lange Wartezeiten in Ausnahmefällen.
Kosten
- Cost per 1K
- API-Preis pro 1.000 Output-Tokens in US-Dollar. Basis für Kostenkalkulation bei produktivem Einsatz.
- Benchmark Cost
- Gesamtkosten für den vollständigen Benchmark-Durchlauf dieses Modells.