प्रकार
स्पेक
दर
इनपुट
प्रति 1M प्रॉम्प्ट टोकन
$0.95
आउटपुट
प्रति 1M जेनरेट किए गए टोकन
$4.00
वेब खोज
प्रति कॉल जब लागू किया जाता है
$0.015
Kimi K2.7 Code और Kimi K2.6 साथ-साथ: विशेषताएं, क्षमताएं, पैरामीटर और EmpirioLabs कैटलॉग की लाइव कीमतें।
Moonshot AI पाठ निर्माणKimi K2.7 Code और Kimi K2.6 दोनों Moonshot AI के मॉडल हैं, पाठ निर्माण श्रेणी में आते हैं और EmpirioLabs API के ज़रिए उपलब्ध हैं।
| स्पेक | Kimi K2.7 Code | Kimi K2.6 |
|---|---|---|
| मॉडल ID | kimi-k2-7-code | kimi-k2-6 |
| निर्माता | Moonshot AI | Moonshot AI |
| रिलीज | 16 जून 2026 | 20 अप्रैल 2026 |
| कॉन्टेक्स्ट विंडो | 256K टोकन | 256K टोकन |
| अधिकतम आउटपुट | 1,31,072 टोकन | 16,000 टोकन |
| इनपुट | टेक्स्ट इमेज वीडियो | टेक्स्ट इमेज वीडियो |
| आउटपुट | टेक्स्ट | टेक्स्ट |
| संरचित आउटपुट | JSON Schema | JSON Schema |
| रीजन | International | China |
| एंडपॉइंट | POST /v1/chat/completions POST /v1/responses POST /v1/messages POST /v1beta/models/kimi-k2-7-code:generateContent | POST /v1/chat/completions POST /v1/responses POST /v1/messages POST /v1beta/models/kimi-k2-6:generateContent |
| क्षमताएं |
दोनों मॉडलों के लिए EmpirioLabs कैटलॉग की लाइव दरें। हर दर तालिका हमेशा API की वास्तविक बिलिंग से मेल खाती है।
EmpirioLabs पर हर मॉडल के लिए सूचीबद्ध रिक्वेस्ट पैरामीटर, और जहां लागू हो वहां मान्य मान या सीमा। डैश उस पैरामीटर को दिखाता है जो मॉडल के लिए सूचीबद्ध नहीं है।
| पैरामीटर | Kimi K2.7 Code | Kimi K2.6 |
|---|---|---|
| max_tokens | 1 से 262144 डिफॉल्ट: 32768 | 1 से 16000 |
| stop | string | string |
| tool_web_search | boolean डिफॉल्ट: false | - |
| max_tool_calls | 1 से 20 डिफॉल्ट: 5 | - |
| response_format | enum | enum |
| temperature | - | 0 से 1.99 डिफॉल्ट: 0.7 |
| top_p | - | 0 से 1 डिफॉल्ट: 0.9 |
| enable_thinking | - | boolean डिफॉल्ट: true |
| reasoning_effort | - | none, low, medium, high, max डिफॉल्ट: medium |
| thinking_budget | - | 1 से 81920 डिफॉल्ट: 32768 |
| web_search_linkup | - | boolean डिफॉल्ट: false |
| disable_formatting | - | boolean डिफॉल्ट: false |
256K संदर्भ, फ़ंक्शन कॉलिंग, JSON मोड संरचित आउटपुट और $0.015 प्रति आह्वान कॉल पर अंतर्निहित वेब खोज के साथ टेक्स्ट, छवि और वीडियो इनपुट का समर्थन करता है। सोच हमेशा चालू रहती है और इसे अक्षम नहीं किया जा सकता है; रीजनिंग टोकन को आउटपुट टोकन के रूप में बिल किया जाता है। तापमान और अन्य सैंपलिंग ओवरराइड को नजरअंदाज कर दिया जाता है क्योंकि मॉडल सेवा फिक्स्ड सैंपलिंग सेटिंग्स का उपयोग करती है। एपीआई के माध्यम से कॉल करने वाले मल्टी-स्टेप फ़ंक्शन को सहायक संदेश को उसके reasoning_content फ़ील्ड के साथ फिर से चलाना चाहिए।
Kimi K2.7 Code OpenAI-संगत Chat Completions API देता है। किसी भी OpenAI SDK को अपनी EmpirioLabs API key के साथ https://api.empiriolabs.ai/v1 पर सेट करें और model id kimi-k2-7-code उपयोग करें। दोनों मॉडल एक ही एंडपॉइंट से कॉल किए जाते हैं। model को kimi-k2-7-code या kimi-k2-6 पर सेट करें। EmpirioLabs डैशबोर्ड से API key प्राप्त करें।
curl https://api.empiriolabs.ai/v1/chat/completions \
-H "Authorization: Bearer $EMPIRIOLABS_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "kimi-k2-7-code",
"messages": [
{"role": "user", "content": "Write a haiku about the ocean."}
]
}'Kimi K2.7 Code नई रिलीज़ है (16 जून 2026); Kimi K2.6 20 अप्रैल 2026 को रिलीज़ हुआ था। दोनों मॉडलों की कॉन्टेक्स्ट विंडो 256K टोकन की है। हर जवाब में Kimi K2.7 Code अधिकतम 1,31,072 आउटपुट टोकन लौटाता है, Kimi K2.6 अधिकतम 16,000। इस पेज की विशेषताएं, दर तालिकाएं और पैरामीटर EmpirioLabs के लाइव कैटलॉग से आते हैं।
Kimi K2.7 Code नई रिलीज़ है (16 जून 2026); Kimi K2.6 20 अप्रैल 2026 को रिलीज़ हुआ था।
इनपुट (प्रति 1M प्रॉम्प्ट टोकन) और आउटपुट (प्रति 1M जेनरेट किए गए टोकन) के लिए Kimi K2.6 की दर कम है। दोनों लाइव दर तालिकाएं इस पेज पर हैं और हमेशा API की वास्तविक बिलिंग से मेल खाती हैं।
हां। दोनों मॉडल एक ही EmpirioLabs API key के साथ POST /v1/chat/completions इस्तेमाल करते हैं, इसलिए ज़्यादातर इंटीग्रेशन सिर्फ model मान बदलकर स्विच हो जाते हैं। अगर आप किसी मॉडल-विशेष पैरामीटर पर निर्भर हैं तो पहले इस पेज की पैरामीटर तालिका देखें।
हां। हर मॉडल को EmpirioLabs playground में खोलें और API के पैरामीटरों के साथ दोनों पर एक ही prompt चलाएं।
हमारे मूल्य निर्धारण की जाँच करें या यदि आप चाहते हैं कि आपका अपना मॉडल हमारे स्टैक पर तैनात किया जाए, तो पहुंचें।