

GLM 5.2와(과) Kimi K2.7 Code을(를) 나란히 비교: 사양, 기능, 파라미터, EmpirioLabs 카탈로그의 실시간 요금.
Z.ai의 GLM 5.2와(과) Moonshot AI의 Kimi K2.7 Code은(는) 모두 텍스트 생성 카테고리에 속하며 EmpirioLabs API로 사용할 수 있습니다.
| 사양 | GLM 5.2 | Kimi K2.7 Code |
|---|---|---|
| 모델 ID | glm-5-2 | kimi-k2-7-code |
| 개발사 | Z.ai | Moonshot AI |
| 출시 | 2026년 6월 16일 | 2026년 6월 16일 |
| 컨텍스트 창 | 1M 토큰 | 256K 토큰 |
| 최대 출력 | 131,072 토큰 | 131,072 토큰 |
| 입력 | 텍스트 | 텍스트 이미지 비디오 |
| 출력 | 텍스트 | 텍스트 |
| 구조화된 출력 | JSON 모드 | JSON Schema |
| 리전 | Singapore | International |
| 엔드포인트 | POST /v1/chat/completions POST /v1/responses POST /v1/messages POST /v1beta/models/glm-5-2:generateContent | POST /v1/chat/completions POST /v1/responses POST /v1/messages POST /v1beta/models/kimi-k2-7-code:generateContent |
| 기능 |
두 모델의 EmpirioLabs 카탈로그 실시간 요금입니다. 각 요금표는 항상 API 청구 금액과 일치합니다.
EmpirioLabs에서 각 모델에 표시된 요청 파라미터와 허용 값 또는 범위입니다. 하이픈은 해당 모델에 표시되지 않은 파라미터를 뜻합니다.
| 파라미터 | GLM 5.2 | Kimi K2.7 Code |
|---|---|---|
| max_tokens | 1 ~ 131072 기본값: 65536 | 1 ~ 262144 기본값: 32768 |
| temperature | 0 ~ 1 기본값: 1 | - |
| top_p | 0.01 ~ 1 기본값: 0.95 | - |
| reasoning_effort | none, minimal, low, medium, high, xhigh, max 기본값: max | - |
| enable_thinking | boolean 기본값: true | - |
| preserve_thinking | boolean 기본값: false | - |
| do_sample | boolean 기본값: true | - |
| tool_web_search | boolean 기본값: false | boolean 기본값: false |
| search_recency_filter | oneDay, oneWeek, oneMonth, oneYear, noLimit 기본값: noLimit | - |
| count | 1 ~ 50 기본값: 10 | - |
| search_domain_filter | string | - |
| search_prompt | string | - |
| search_result | boolean 기본값: true | - |
| tool_stream | boolean 기본값: false | - |
| tools | array 기본값: [] | - |
| tool_choice | object | - |
텍스트, 이미지, 비디오 입력과 256K 컨텍스트, 함수 호출, JSON 모드 구조화 출력, 호출당 $0.015 내장된 웹 검색을 지원합니다. 사고는 항상 켜져 있으며 비활성화할 수 없습니다; 추론 토큰은 출력 토큰으로 청구됩니다. 온도 및 기타 샘플링 오버라이드는 모델 서비스가 고정된 샘플링 설정을 사용하기 때문에 무시됩니다. API를 통한 다중 단계 함수 호출은 reasoning_content 필드를 그대로 재생해야 합니다.
GLM 5.2은(는) OpenAI 호환 Chat Completions API를 제공합니다. 아무 OpenAI SDK나 EmpirioLabs API 키와 함께 https://api.empiriolabs.ai/v1로 지정하고 모델 ID glm-5-2를 사용하세요. 두 모델은 같은 엔드포인트로 호출합니다. model을(를) glm-5-2 또는 kimi-k2-7-code(으)로 설정하세요. EmpirioLabs 대시보드에서 API 키를 발급받으세요.
curl https://api.empiriolabs.ai/v1/chat/completions \
-H "Authorization: Bearer $EMPIRIOLABS_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "glm-5-2",
"messages": [
{"role": "user", "content": "Write a haiku about the ocean."}
]
}'두 모델을 모두 다룬 프롬프트 테스트와 비교 실험입니다.
제품정보 Kimi vs DeepSeek vs Qwen vs GLM: AI 코딩 모델 비교 Kimi K2.7 코드 vs DeepSeek V4 Pro vs Qwen3.7 Max vs GLM 5.2, 같은 세 가지 프롬프트, 각각 한 샷씩. 네 명 모두 라인 수를 조절하며 스네이크, 브레이크아웃, 퐁을 만드는...
제품정보 Kimi K2.7 코드와 GLM 5.2: 어떤 코딩 API를 사용해야 할까 Kimi K2.7 코드는 더 저렴하고 이미지 및 비디오 입력을 지원하며 항상 켜져 있는 이유가 있습니다. GLM 5.2는 1M 컨텍스트 창과 조정 가능한 추론 노력을 제공합니다. 다음은 선택 방법입니다.두 모델 모두 2026년 6월 16일에 출시되었습니다. 컨텍스트 창은 GLM 5.2이(가) 더 큽니다: 1M 토큰, Kimi K2.7 Code은(는) 256K. Kimi K2.7 Code만 지원하는 입력 유형: 이미지, 비디오. 이 페이지의 사양, 요금표, 파라미터는 EmpirioLabs 실시간 카탈로그에서 가져옵니다.
입력(1M 프롬프트 토큰당) 및 출력(생성된 토큰 1M 단위) 요금은 Kimi K2.7 Code이(가) 더 낮습니다. 두 실시간 요금표는 이 페이지에 있으며 항상 API 청구 금액과 일치합니다.
네. 두 모델 모두 같은 EmpirioLabs API 키로 POST /v1/chat/completions을(를) 사용하므로 대부분의 연동은 model 값만 바꾸면 전환됩니다. 모델 전용 파라미터에 의존한다면 먼저 이 페이지의 파라미터 표를 확인하세요.
네. EmpirioLabs 플레이그라운드에서 각 모델을 열고 API와 같은 파라미터로 같은 프롬프트를 두 모델에 실행해 보세요.