Comment utiliser l'API de code Kimi K2.7

Kimi K2.7 Code est le nouveau modèle de codage agentique de Moonshot AI, publié le 12 juin 2026. Il s'agit d'un modèle de Mixture-of-Experts de mille milliards de paramètres qui active environ 32B paramètres par jeton, accordé spécifiquement pour la génération de code, le débogage, l'utilisation d'outils, et de longs workflows d'ingénierie multi-étapes. Sur la référence de codage de Moonshot elle passe de 50,9 (K2,6) à 62,0, et elle marque 81,1 pour cent sur MCPMark Verified, devant plusieurs modèles fermés frontière sur l'utilisation d'outils d'agents.

Le modèle est en direct sur EmpirioLabs aujourd'hui avec une fenêtre contextuelle de 262,144, toujours sur le raisonnement, l'appel de fonction, la sortie structurée en mode JSON et les entrées texte, image et vidéo. Vous pouvez essayer dans le aire de jeux ou appelez-le via l'API compatible OpenAI. Le spectre entier vit sur le Kimi K2.7 Page du modèle de code et les Docs API.

Prix

La facturation est basée sur l’utilisation: les jetons d’entrée et de sortie sont mesurés par jeton, et chaque recherche web invoquée ajoute un petit frais par appel qui ne s’applique que lorsqu’une recherche est effectivement effectuée. Les taux actuels par jeton sont toujours présents sur le page modèle. Raisonnement est toujours sur ce modèle, et les jetons de raisonnement sont facturés comme jetons de sortie, donc budgetz vos jetons max avec cela à l'esprit.

Démarrer rapidement

Kimi K2.7 Code est compatible OpenAI, donc les SDKs officiels fonctionnent en pointant l'URL de base sur EmpirioLabs:

à partir de openai import Client OpenAI = OpenAI(api key=YOUR EMPIRIOLABS API KEY), base url= https://api.empiriolabs.ai/v1",) response = client.chat.completions.create(model= kimi-k2-7-code ", messages=[ {"role": "user", "content": "Ecrivez une fonction Python qui fusionne les intervalles de chevauchement."} ],) print(reponse.choices[0].message.raisoning content) # the model'impression de raisonnement(reponse.choices[0].message.content) # the final reply

Streaming, appel de fonction, mode JSON, style anthropologique /v1/messages et le /v1/responses fin de série tout fonctionne hors de la boîte.

Des choses à savoir avant de construire

Quelques détails opérationnels que nous avons confirmés lors de l'introduction du modèle:

• Penser est toujours en cours. Chaque réponse inclut raisonnement contenu avant la réponse finale, et elle ne peut être désactivée. Raisonner compte vers les jetons de sortie et vers votre limite de jetons max, donc laissez la salle de tête: l'API par défaut à un budget de sortie généreux et accepte jusqu'à 131 072 jetons de sortie par demande.
• L'échantillonnage est fixé. Le service modèle exécute des paramètres d'échantillonnage sur pied, donc température, en haut, et les dépassements de pénalité sont acceptés mais ignorés plutôt que rejetés. Votre code OpenAI existant ne fonctionne pas.
• La recherche sur le Web est intégrée. Jeu " tool_web_search ": vrai sur toute demande de chat et le modèle exécute son outil de recherche web hébergé lui-même: il décide quand chercher, lit les résultats en direct, et cite les sources dans la réponse. Chaque recherche invoquée ajoute une petite taxe par recherche, facturée seulement quand une recherche s'exécute et rapportée en utilisation. tool_usage.web_search.
• Les appels d'outils portent le raisonnement. Lorsque vous lancez vos propres boucles d'appel de fonction, rejouez le message assistant avec raisonnement contenu champ intact; le service modèle nécessite le raisonnement du tour actuel pour rester en contexte pendant l'appel à outils multi-étapes.
• C'est vraiment multimodal. Les entrées d'images et de vidéos fonctionnent avec des tableaux de contenu OpenAI standard, ce qui rend pratique le débogage des captures d'écran ou des enregistrements d'écran.

Résumé

Kimi K2.7 Code apporte le codage agentique au niveau frontière à une API par jeton basée sur l'utilisation. Commencez par aire de jeux, lire docs, ou saisissez une clé API et pointez votre SDK OpenAI à https://api.empiriolabs.ai/v1.

Divulgation: Cet article a été rédigé avec l'aide d'AI et examiné par EmpirioLabs AI.