Kimi K2.7 Code · QuickSilver Pro
Kimi K2.7 Code 是 Moonshot 针对编码调优的 K2 —— 与 K2.6 相同的万亿参数架构（32B 激活，256K 上下文），针对长程 agent 式编码重新调优。在 QuickSilver Pro 上，价格为每 1M token 输入 $0.584 / 输出 $2.80，比 OpenRouter 低 20%，后者为 $0.73 / $3.50。Moonshot 称，它每个任务使用的推理 token 比 K2.6 少约 30%，同时在编码评测中得分更高。
概览
长程 agent 式编码 —— Moonshot 针对编码调优的 K2，推理 token 开销比 K2.6 更精简。
价格对比（$/1M token）
| 服务商 | 输入 | 输出 | 对比 QSP |
|---|---|---|---|
| QuickSilver Pro | $0.584 | $2.80 | 最低价 |
| OpenRouter (moonshotai/kimi-k2.7-code) | $0.73 | $3.50 | 低 20% |
适用场景
把 K2.7 Code 用作编码 agent（opencode、Cline、Aider，以及 Claude-Code 式循环）背后的引擎：多步重构、全仓库范围的改动，以及在 256K token 工作集上协调大量工具调用的先规划后行动式 agent。它正是为长程 agent 式编码这种轨迹调优的 —— 在这种轨迹里，冗长的推理每一轮都会被重新读取 —— Moonshot 称，它的编码评测得分更高，而推理 token 比 K2.6 少约 30%。
何时该选其他模型
日常对话、短上下文代码生成或非 agent 式的单次任务，这个单 token 价格是大材小用 —— DeepSeek V4 Flash（$0.086/$0.173）或 V4 Pro（$0.70/$2.10）能以更低的价格搞定其中大部分。纯数学推理，选 DeepSeek V4 Pro。通用（非编码）的 Opus 级 agent 规划，可以拿同门的 Kimi K2.6 来做 A/B 测试。
快速开始（curl）
curl https://api.quicksilverpro.io/v1/chat/completions \
-H "Authorization: Bearer $QSP_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "kimi-k2.7-code",
"messages": [{"role": "user", "content": "Hello!"}]
}'兼容 OpenAI。只需改一行 base_url 即可迁移。
常见问题
同样的 K2 架构 —— 一万亿参数，32B 激活，256K 上下文 —— 但 K2.7 Code 专门针对长程 agent 式编码重新调优。Moonshot 公布的数据显示，它在编码评测（Kimi Code Bench v2、Program Bench、MLS Bench Lite）上得分更高，同时每个任务产生的推理 token 比 K2.6 少约 30%。在 agent 循环中，每一轮的推理都会在下一轮作为输入被重新读取，因此推理 token 更少意味着每个完成任务的成本更低，而不只是每次调用的成本更低。通用（非编码）的 agent 规划仍然是 K2.6 更合适；请在你的工作负载上对两者做 A/B 测试。
可以 —— K2.7 Code 是一个 OpenAI 兼容的 chat completions endpoint。把你的 agent 指向 base_url=https://api.quicksilverpro.io/v1，粘贴你的 QSP key，并设置 model="kimi-k2.7-code"。流式输出、工具调用和 json_schema strict mode 都可以使用，每个响应都会报告 `usage.cost`，因此你可以直接观察每个任务的成本。
OpenRouter 对 K2.7 Code 的标价为每 1M token 输入 $0.73 / 输出 $3.50；QuickSilver Pro 为 $0.584 / $2.80 —— 输入输出两端均低 20%。缓存读取为 $0.1278/M。同样的 OpenAI 兼容接口；迁移只需替换 base_url 和 key，并去掉 `moonshotai/` 提供商前缀。
不可以。K2.7 Code 始终开启思考：`reasoning: { enabled: false }` 会被拒绝。除非与 Moonshot 的固定值一致，否则请不要覆盖采样参数：temperature=1.0、top_p=0.95、n=1、presence_penalty=0 以及 frequency_penalty=0。tool_choice 支持 `auto` 或 `none`。