Kimi K2.7 Code im Test: Moonshot AIs 1T-open-weight-Coding-Modell

Moonshot AI hat Kimi K2.7 Code am 12. Juni 2026 veröffentlicht. Es ist eines der größten open-weight-Coding-Modelle, die du derzeit herunterladen kannst, wurde aber seitdem vom neueren Kimi K3 Flaggschiff von Moonshot in der Skalierung übertroffen. Es hat 1 Billion Gesamt-Parameter, aktiviert 32 Milliarden davon pro Token, läuft mit einem 256K-Token-Kontextfenster und wird mit offenen Gewichten auf Hugging Face unter einer Modified-MIT-Lizenz veröffentlicht. Es ist auch Teil einer Welle chinesischer Coding-Modelle, die diesen Monat Schlagzeilen machen, neben ByteDances Seed 2.1 Pro, das gerade Rang 8 auf Code Arena: Frontend belegt hat. Das Hauptverkaufsargument ist Effizienz: Moonshot behauptet, das Modell verwende rund 30 % weniger Reasoning-Token als das vorherige K2.6, erziele dabei aber höhere Werte in eigenen Coding-Tests.

Kimi K2.7 Code ist Teil der schnell wachsenden open-source-KI-Szene, in der Labs ihre Modellgewichte zum Herunterladen und Selbsthosten veröffentlichen.

Das ist ein coding-first, agentisches Modell, gebaut um zu planen, Dateien zu bearbeiten, Werkzeuge zu nutzen und über viele Schritte zu debuggen, nicht um zu chatten. Dieser Fokus ist wichtig, denn die von Moonshot veröffentlichten Benchmark-Gewinne sind beeindruckend, aber vollständig selbst berichtet, und einige Praktiker sagen bereits, dass die Zahlen nicht mit dem übereinstimmen, was sie in echten Repos sehen. Hier bekommst du die vollständigen Spezifikationen, die Benchmark-Behauptungen und die ehrlichen Vorbehalte, den echten Preis und einen klaren Vergleich mit Claude Opus 4.8 und DeepSeek V4, damit du entscheiden kannst, ob es einen Test wert ist.

Kimi K2.7 Code verdient einen Platz in unserem Ranking der besten open-source-KI-Modelle, wo wir seine selbst berichteten Werte gegen vollständig verifizierte Konkurrenten abwägen.

Das Wichtigste auf einen Blick

• Veröffentlicht am 12. Juni 2026 von Moonshot AI als open-weight, coding-fokussiertes Modell.
• 1 Billion Gesamt-Parameter, mit 32B aktiven pro Token über 384 Experten und einem 256K-Kontextfenster.
• Verwendet rund 30 % weniger Reasoning-Token als Kimi K2.6 und erzielt dabei höhere Werte in Moonshots eigenen Benchmarks.
• API-Preis: $0.95 pro 1M Eingabe-Token und $4.00 pro 1M Ausgabe, rund 5x günstiger als Claude Opus 4.8.
• Alle Benchmark-Gewinne sind vom Unternehmen berichtet; es gibt noch keine unabhängigen SWE-bench-Werte.

Was ist Kimi K2.7 Code?

Kimi K2.7 Code ist Moonshot AIs open-weight-Coding-Modell, veröffentlicht am 12. Juni 2026. Es ist ein Mixture-of-Experts-System mit 1 Billion Gesamt-Parametern, das pro Token nur 32 Milliarden aktiviert, was es schnell und günstiger im Betrieb macht als seine Größe vermuten lässt. Es ist für lange, mehrstufige Softwarearbeit ausgelegt, die Art, bei der das Modell ein Repo liest, eine Änderung plant, mehrere Dateien bearbeitet, Tests ausführt und behebt, was kaputt ist.

Das Label „Code" ist das entscheidende Detail. Das ist kein allgemeiner Chat-Assistent wie die Consumer-Kimi-App und versucht auch nicht, einer zu sein. Moonshot hat es für agentische Engineering-Aufgaben und Werkzeugnutzung optimiert, also denselben Bereich, in dem Claude und GPT-5.5 kämpfen. Es hat auch einen MoonViT-Vision-Encoder, kann also Bilder als Eingabe lesen, aber das gesamte Verkaufsargument dreht sich um das Schreiben und Warten von Code.

Kimi K2.7 Code: Spezifikationen im Überblick

Die Architektur ist groß, aber effizient, und ein paar harte Einschränkungen unterscheiden es von den meisten Coding-APIs. Der Thinking-Modus ist obligatorisch, das Deaktivieren gibt einen API-Fehler zurück, und das Sampling ist auf Temperatur 1.0 und top_p 0.95 gesperrt. Selbsthosten ist möglich, aber aufwendig, da die Gewichte rund 595 GB auf der Festplatte belegen.

Was hat sich seit Kimi K2.6 geändert?

Die Geschichte, die Moonshot erzählt, lautet: „besser und gleichzeitig günstiger im Betrieb." K2.7 Code behält das 256K-Kontextfenster von K2.6, reduziert aber den Reasoning-Token-Verbrauch um rund 30 %, was die Kosten langer agentischer Läufe direkt senkt. Dazu sind alle veröffentlichten Benchmarks gestiegen. Das sind die Gewinne, die Moonshot gegenüber K2.6 berichtet.

Sind Kimi K2.7s Benchmarks verlässlich?

Hier ist der ehrliche Teil, den die meisten Launch-Berichte überspringen. Alle obigen Zahlen stammen aus Moonshots eigenen Benchmarks, von denen mehrere proprietär sind, und alle wurden mit aktiviertem Thinking-Modus ausgeführt. Es gibt noch keine unabhängigen SWE-bench-Verified- oder Terminal-Bench-Werte für K2.7 Code, was bedeutet, dass ein echter Äpfel-zu-Äpfel-Vergleich mit Claude, GPT oder DeepSeek Stand Mitte Juni 2026 nicht existiert.

Diese Lücke ist der Grund, warum VentureBeat berichtete, dass einige Praktiker sagen, die Benchmarks „halten in der Praxis nicht stand". Die vernünftige Lesart ist, den Benchmark-Aufschwung als Signal zum Testen zu betrachten, nicht als Beweis, dass ein Wechsel deine eigenen Projekte verbessern wird. Wenn du auf ein Coding-Modell angewiesen bist, ist der echte Test der repo-spezifische Aufgabenerfolg, die Stabilität von Tool-Aufrufen und wie oft es versteckte Fehler einführt, nicht eine Bestenliste.

Kimi K2.7 Code: Preis und Zugang

Du kannst Kimi K2.7 Code auf zwei Wegen nutzen. Die Gewichte sind kostenlos auf Hugging Face unter einer Modified-MIT-Lizenz erhältlich, sodass du es mit vLLM, SGLang oder KTransformers selbst hosten kannst, wenn du die Hardware hast. Die Nutzung von Moonshots API ist kostenpflichtig, mit nutzungsbasierter Token-Abrechnung und automatischem Kontext-Caching, das die Kosten für wiederverwendeten Kontext senkt.

Über die Moonshot-API kostet Kimi K2.7 Code $0.95 pro Million Eingabe-Token, $4.00 pro Million Ausgabe-Token und $0.19 pro Million Cache-Hit-Token. Das unterbietet die proprietären Flaggschiffe deutlich, was das stärkste Verkaufsargument des Modells ist. Es gibt keinen dauerhaften kostenlosen Produktionstarif, aber offene Gewichte und Drittanbieter-Hosts halten die Tür für kostenloses Experimentieren offen. Wenn du einfach kostenfrei Code mit KI schreiben möchtest, listet unser Überblick über die besten kostenlosen KI-Lösungen für Coding die einfacheren Consumer-Optionen auf. Einen vollständigen Vergleich über Tarife und Hosts hinweg findest du in unserem kompletten Kimi-Preisguide.

Kimi K2.7 vs. Claude Opus 4.8 vs. DeepSeek V4

Beim Preis gewinnt Kimi K2.7 Code klar. Bei der Leistung ist das Bild unklarer, denn Claude Opus 4.8 hat bewiesene unabhängige Werte (SWE-bench Verified rund 88,6 %) und einen 1M-Kontext, während Kimi nur selbst berichtete Zahlen hat. DeepSeek V4 bleibt die günstige open-weight-Option mit etablierten Werten, sodass die drei Kosten, Beweis und Kontext unterschiedlich abwägen.

Für kostensensitiives, hochvolumiges agentisches Coding ist K2.7 Code eine überzeugende Option. Für das schwierigste Single-Shot-Reasoning, wo versteckte Bugs teuer sind, führen die Claude-Flaggschiffe noch bei bewiesener Zuverlässigkeit. Wenn du andere open-source-Herausforderer abwägen möchtest, behandeln unsere Qwen 3.7 Max Rezension und die Übersicht über Rio 3.5 Open zwei weitere open-weight-Modelle, die im selben Bereich konkurrieren, neben GLM 5.2, und Nvidias Nemotron 3 Ultra rundet das open-source-Feld ab.

Wer sollte Kimi K2.7 Code nutzen?

Kimi K2.7 Code macht am meisten Sinn für Entwickler und Studierende, die viele agentische Coding-Aufgaben über eine API ausführen und Token-Kosten im Blick haben, oder für Teams, die ein open-weight-Modell zum Selbsthosten wollen. Es ist ein API- und Entwicklertool, keine ausgereifte Consumer-Chat-App, daher werden gelegentliche Nutzer es schwerer zugänglich finden als ChatGPT oder Claude. Der Only-Thinking-Modus und gesperrtes Sampling bedeuten auch weniger Kontrolle als einige Workflows erwarten.

Wenn du kein Coder bist und einfach Top-Modelle an einem Ort willst, gibt dir eine App wie Fello AI Claude, ChatGPT, Gemini, Grok und DeepSeek auf dem Mac unter einem einzigen Abo, ohne API-Schlüssel oder Selbsthosting. Auf dem Mac gibt es auch einen nativen Kimi-Desktop-Client für macOS, sodass du das Modell erreichen kannst, ohne ein Terminal zu öffnen. Für die Leute, die wirklich Agenten auf rohen Gewichten bauen wollen, ist Kimi K2.7 Code eines der aggressivsten open-source-Releases des Jahres.

Fazit

Kimi K2.7 Code ist ein ernstzunehmendes open-weight-Coding-Modell, das günstiger im Betrieb ist als die proprietären Flaggschiffe und spürbar token-effizienter als K2.6. Der Vorbehalt ist real, denn die Benchmarks stammen alle von Moonshot selbst und unabhängige Werte fehlen noch. Behandle es als starken Kandidaten, der einen praxisorientierten Test in deinen eigenen Repos wert ist, besonders wenn du kostensensitiiv bist, und prüfe die Bestenlisten erneut, sobald unabhängige Benchmarks erscheinen. Für die meisten Leser ist der klügste nächste Schritt, es an einer echten Aufgabe zu testen statt den Launch-Zahlen zu vertrauen.

FAQ