유형
사양
요금
입력
1M 프롬프트 토큰당
$0.95
출력
생성된 토큰 1M 단위
$4.00
웹 검색
호출 시 통화당
$0.015
Kimi K2.7 Code와(과) DeepSeek V4 Pro을(를) 나란히 비교: 사양, 기능, 파라미터, EmpirioLabs 카탈로그의 실시간 요금.
Moonshot AI 
DeepSeek 텍스트 생성Moonshot AI의 Kimi K2.7 Code와(과) DeepSeek의 DeepSeek V4 Pro은(는) 모두 텍스트 생성 카테고리에 속하며 EmpirioLabs API로 사용할 수 있습니다.
| 사양 | Kimi K2.7 Code | DeepSeek V4 Pro |
|---|---|---|
| 모델 ID | kimi-k2-7-code | deepseek-v4-pro |
| 개발사 | Moonshot AI | DeepSeek |
| 출시 | 2026년 6월 16일 | 2026년 4월 24일 |
| 컨텍스트 창 | 256K 토큰 | 1M 토큰 |
| 최대 출력 | 131,072 토큰 | 393,216 토큰 |
| 입력 | 텍스트 이미지 비디오 | 텍스트 |
| 출력 | 텍스트 | 텍스트 |
| 구조화된 출력 | JSON Schema | JSON Schema |
| 리전 | International | Germany |
| 엔드포인트 | 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/deepseek-v4-pro: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 | Kimi K2.7 Code | DeepSeek V4 Pro |
|---|---|---|
| max_tokens | 1 ~ 262144 기본값: 32768 | 1 ~ 393216 |
| stop | string | string |
| tool_web_search | boolean 기본값: false | - |
| max_tool_calls | 1 ~ 20 기본값: 5 | - |
| response_format | enum | enum |
| temperature | - | 0 ~ 2 기본값: 0.7 |
| top_p | - | 0 ~ 1 기본값: 0.9 |
| enable_thinking | - | boolean 기본값: true |
| reasoning_effort | - | none, low, medium, high, max 기본값: medium |
| thinking_budget | - | 1 ~ 393216 기본값: 32768 |
| web_search_linkup | - | boolean 기본값: false |
| disable_formatting | - | boolean 기본값: false |
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.
Kimi K2.7 Code은(는) OpenAI 호환 Chat Completions API를 제공합니다. 아무 OpenAI SDK나 EmpirioLabs API 키와 함께 https://api.empiriolabs.ai/v1로 지정하고 모델 ID kimi-k2-7-code를 사용하세요. 두 모델은 같은 엔드포인트로 호출합니다. model을(를) kimi-k2-7-code 또는 deepseek-v4-pro(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": "kimi-k2-7-code",
"messages": [
{"role": "user", "content": "Write a haiku about the ocean."}
]
}'두 모델을 모두 다룬 프롬프트 테스트와 비교 실험입니다.
비교 시드 2.1 터보 vs 키미 K2.7 코드 대 딥시크 V4 프로 EmpirioLabs 세 가지 주요 코딩 및 에이전트 모델(컨텍스트, 가격, 이미지 및 비디오 입력, 웹 검색, 구조화된 출력)과 어떤 모델을 선택해야 하는지에 대한 사실 비교. 
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...Kimi K2.7 Code이(가) 더 최근에 출시되었습니다(2026년 6월 16일). DeepSeek V4 Pro의 출시일은 2026년 4월 24일입니다. 컨텍스트 창은 DeepSeek V4 Pro이(가) 더 큽니다: 1M 토큰, Kimi K2.7 Code은(는) 256K. 응답당 DeepSeek V4 Pro은(는) 최대 393,216 출력 토큰, Kimi K2.7 Code은(는) 최대 131,072을(를) 반환합니다. 이 페이지의 사양, 요금표, 파라미터는 EmpirioLabs 실시간 카탈로그에서 가져옵니다.
Kimi K2.7 Code이(가) 더 최근에 출시되었습니다(2026년 6월 16일). DeepSeek V4 Pro의 출시일은 2026년 4월 24일입니다.
입력(1M 프롬프트 토큰당) 요금은 Kimi K2.7 Code이(가) 더 낮습니다. 출력(생성된 토큰 1M 단위) 요금은 DeepSeek V4 Pro이(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.