Kimi K2.7 Code API の使い方

Kimi K2.7 Code, は Moonshot AI が 2026年6月12日にリリースした、同社で最も高性能なコード特化型モデルです。この 1T パラメータの Mixture-of-Experts（MoE）モデルは、トークンごとに約 32B のパラメータがアクティブ化され、256K–262K トークンのコンテキストウィンドウ、ネイティブなマルチモーダル対応（テキスト＋ビジョン）、強制思考モード、強化されたエージェント的ツール呼び出し機能を備えています。K2.6 から大きく進化し、Kimi Code Bench v2 で +21.8%、長文コンテキストでの指示追従性の改善、エージェントワークフローの効率化につながる推論トークン使用量の約 30% 削減を実現しています。

複数の API キー管理なしに、コスト効率よく高性能アクセスを求める開発者やチームには、CometAPI がシームレスな統合を提供します。CometAPI は競争力のある価格（Kimi K2.7 Code は約 $0.76/1M トークン）で、500 以上のモデルとともに提供され、プロダクションのスケーリング、テスト、統合ワークフローに最適です。

What Kimi K2.7 Code is

Kimi K2.7 Code は、Kimi K2.6 アーキテクチャをベースにしたコード特化のエージェント型モデルです。1T パラメータの MoE で、アクティブパラメータは 32B、コンテキストウィンドウは 256K、長期的なコーディングとエージェント性能に優れています。実運用では、大規模なコードベースを理解し、ファイルをまたいだ変更を計画し、ツールを呼び出し、出力を検証し、筋を失わずに継続できるよう設計されています。

最も重要な製品上の違いはシンプルです。K2.7 Code は「チャット優先」のモデルにコード機能を足したものではありません。ソフトウェアエンジニアリングのワークフローで、推論、ツール使用、反復が仕事の一部であることを前提にした、コード優先・思考優先のモデルです。だからこそ、コーディングエージェント、IDE アシスタント、リポジトリレビューア、テスト自動化パイプラインにとりわけ魅力的です。

Why Kimi K2.7 Code Stands Out in 2026

• Coding Supremacy: 長文コンテキストでの優れた指示追従と高いエンドツーエンドのタスク成功率。フルスタック開発、大規模コードベースのデバッグ、反復的改善に最適。
• Multimodal Native Support: テキスト＋画像＋動画に対応し、ビジョンからコードへ（例：動画デモから React コンポーネントを生成）。
• Agentic Power: 思考内容を保持した信頼できるマルチステップのツールコール。
• Efficiency: 推論トークン使用量を 30% 削減し、コストと速度を改善。

How to use Kimi K2.7 Code API through CometAPI

CometAPI は Kimi K2.7 Code を OpenAI 互換のエンドポイントで提供しており、多くのチームが望む「1 つの統合パターンで多数のモデル選択」を実現します。CometAPI のモデルページでは、Kimi K2.7 Code は $0.76/M 入力トークン、$3.19998/M 出力トークンとして掲載されています（kimi-k2.7-code を使用）。

Step 1: get your CometAPI key

CometAPI のアカウントを作成し、コンソールから API キーを発行します。プロダクションでは、キーをアプリにハードコードせず、環境変数やシークレットマネージャに格納してください。CometAPI のドキュメントは、採用促進のため OpenAI 互換の SDK パターンを推奨しています。

Step 2: install the OpenAI SDK

Kimi API は OpenAI 互換で、CometAPI も同じ基本パターンに従います。Python の例：

pip install --upgrade openai

Step 3: send your first text request

CometAPI のクリーンな Python サンプルです：

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["COMETAPI_KEY"],
    base_url="https://api.cometapi.com/v1",
)

response = client.chat.completions.create(
    model="kimi-k2.7-code",
    messages=[
        {"role": "system", "content": "You are a senior software engineer."},
        {"role": "user", "content": "Refactor this Python function for readability and add type hints."}
    ],
    max_completion_tokens=2048,
    stream=False,
)

print(response.choices[0].message.content)

このリクエスト形状が機能するのは、CometAPI と Kimi がいずれも OpenAI スタイルのチャット補完セマンティクスに従い、K2.7 Code が同じエンドポイント系で messages、tools、ストリーミング、マルチモーダルコンテンツブロックをサポートしているためです。

Step 4: use streaming for a better product experience

対話型のコーディングアシスタントでは、ストリーミングをデフォルトにすべきです。CometAPI はプロダクションの UX としてストリーミングを明確に推奨しており、Kimi のチャットエンドポイントは stream: true に対応します。コード生成タスクでは、モデルが考え、プランをスケッチし、コードを徐々に生成する様子をユーザーが見られるため、ストリーミングは体験上重要です。

response = client.chat.completions.create(
    model="kimi-k2.7-code",
    messages=[
        {"role": "system", "content": "You are a coding assistant."},
        {"role": "user", "content": "Write a fast API route in FastAPI for uploading CSV files."}
    ],
    stream=True,
    max_completion_tokens=2048,
)

for event in response:
    delta = event.choices[0].delta
    if getattr(delta, "content", None):
        print(delta.content, end="")

Multimodal Tool Capability: File Uploads, Supported Formats, Workflow

Kimi K2.7 Code はネイティブなマルチモーダル入力をサポートし、スクリーンショット、ダイアグラム、動画、ドキュメントを解析してコードを生成・抽出するようなビジョンからコードへのワークフローを可能にします。

Kimi K2.7 Code は、text、image_url、video_url ブロックを用いたマルチモーダルメッセージをサポートします。公式ドキュメントには、抽出、画像理解、動画解析のためのファイル管理エンドポイントも用意されています。アップロード API は現在、ユーザーごとに最大 1,000 ファイル、各ファイル最大 100 MB、合計 10 GB のアップロード上限に対応しており、ファイル解析サービスは現在無料ですが、ピークトラフィック時にはレート制限される場合があります。

When to use file upload instead of base64

アセットが大きい、複数回のプロンプトで再利用する、あるいはリクエストボディの制限にかかりそうな場合は、ファイルアップロードを使用してください。非常に大きな動画、および複数回参照する画像や動画にはファイルアップロードを推奨します。リクエストボディサイズは実務上の制約であり、ビジョンのドキュメントでは URL 形式の画像はサポートされず、直接の画像コンテンツには base64 が必要とされています。

File Upload Restrictions:

• リクエストボディのサイズ制限が適用されます（大きな動画には base64 ではなくアップロード API を使用）。
• 繰り返し使用や大容量ファイル：/v1/files エンドポイントでアップロードし、ID を参照。
• URL 形式の画像は不可（インラインは base64 のみ）。画像点数は柔軟だが、合計サイズは 1 リクエストあたりおよそ ≤100MB。

Supported Formats:

• 画像: png, jpeg, webp, gif（推奨 ≤4K 解像度）
• 動画: mp4, mpeg, mov, avi, x-flv, mpg, webm, wmv, 3gpp（推奨 ≤2K 解像度）
• ドキュメント: ファイルアップロードでは、PDF、DOCX、XLSX、PPTX、Markdown、HTML、JSON、画像（OCR 対応）、多くのコードファイル、一般的な画像タイプなど幅広い形式に対応

Sample workflow: upload a PDF, extract content, then analyze it

import os
from pathlib import Path
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["COMETAPI_KEY"],
    base_url="https://api.cometapi.com/v1",
)

# 1) Upload the file for extraction
file_obj = client.files.create(
    file=Path("system-design-spec.pdf"),
    purpose="file-extract",
)

# 2) Fetch extracted content
extracted_text = client.files.content(file_id=file_obj.id).text

# 3) Send the extracted text to Kimi K2.7 Code
response = client.chat.completions.create(
    model="kimi-k2.7-code",
    messages=[
        {"role": "system", "content": "You are a technical reviewer."},
        {
            "role": "user",
            "content": (
                "Review the following design document and identify missing API edge cases:\n\n"
                f"{extracted_text}"
            ),
        },
    ],
    max_completion_tokens=3000,
)

print(response.choices[0].message.content)

Sample workflow: analyze an image inline

import base64
from pathlib import Path
from openai import OpenAI
import os

client = OpenAI(
    api_key=os.environ["COMETAPI_KEY"],
    base_url="https://api.cometapi.com/v1",
)

img_path = Path("ui-mockup.png")
img_b64 = base64.b64encode(img_path.read_bytes()).decode("utf-8")

response = client.chat.completions.create(
    model="kimi-k2.7-code",
    messages=[
        {
            "role": "user",
            "content": [
                {"type": "text", "text": "Review this UI mockup for accessibility issues."},
                {"type": "image_url", "image_url": {"url": f"data:image/png;base64,{img_b64}"}},
            ],
        }
    ],
    max_completion_tokens=1500,
)

print(response.choices[0].message.content)

Sample workflow: video analysis with a tool loop

公式クイックスタートは、モデルが動画クリップの検査を依頼し、あなたのコードがそのクリップを抽出し、その結果をツール出力としてモデルに返すという、マルチモーダルのツールループを示しています。これが K2.7 Code の正しいメンタルモデルです：モデルが計画し、ツールが実行し、新たなエビデンスをもとにモデルが継続します。

mental model for K2.7 Code: the model plans, the tool executes, and the model continues with the new evidence.

import base64
from pathlib import Path
from openai import OpenAI
import os

client = OpenAI(
    api_key=os.environ["COMETAPI_KEY"],
    base_url="https://api.cometapi.com/v1",
)

img_path = Path("ui-mockup.png")
img_b64 = base64.b64encode(img_path.read_bytes()).decode("utf-8")

response = client.chat.completions.create(
    model="kimi-k2.7-code",
    messages=[
        {
            "role": "user",
            "content": [
                {"type": "text", "text": "Review this UI mockup for accessibility issues."},
                {"type": "image_url", "image_url": {"url": f"data:image/png;base64,{img_b64}"}},
            ],
        }
    ],
    max_completion_tokens=1500,
)

print(response.choices[0].message.content)

Parameters differences in request body vs K2.6

このセクションは、チームが流し読みしがちな部分ですが、ここを見落とすと痛い目に遭います。K2.7 Code は K2.6 と同じチャット補完の一般的な形を共有しますが、いくつかのリクエストボディの挙動が固定されています。temperature は 1.0、top_p は 0.95、n は 1、presence_penalty と frequency_penalty はいずれも 0.0 に固定されています。さらに重要なのは、思考を無効化しようとするとモデルがエラーを返す点です。

エンジニア向けの実務的な要点：K2.7 Code を汎用のクリエイティブモデルのようにチューニングしないでください。デフォルトを維持し、よいプロンプト、タスクの枠組み、ツール設計、検証に注力しましょう。言い換えれば、このモデルは「ランダム性の制御」ではなく「ワークフローの制御」に重きを置いています。

Kimi K2.7 Code vs K2.6: the request-body differences that matter

要点：K2.7 Code は、K2.6 よりも意図的に可変性を減らし、より意見のあるコーディング体験を提供します。固定された挙動と戦うのではなく、デフォルト値に依存してください。これは欠点ではなく、コーディングエージェントのための機能です。

出典：Official Moonshot docs。K2.7 Code は信頼できるマルチステップのコーディングのため、思考モードと推論保持を強制します。SDK の制約がある場合は、thinking のパラメータに extra_body を使用してください。

これらの制約はエージェントループの変動性を減らし、成功率を高めますが、K2.6 の一般的な使い方からはワークフローの調整が必要です。

Tool Use Compatibility and Precautions

Kimi K2.7 Code は、OpenAI/Anthropic 形式と互換性のある強力なマルチターンのツールコールを提供します。公式ツール（ウェブ検索、コードランナー、Excel、メモリなど）とカスタム関数をサポートします。

Compatibility Highlights:

• 並列・逐次の両方に対応した完全な function/tool calling。
• ターン間で思考とツールコールがインタリーブされ、内容が保持される。
• Kimi Code CLI、Hermes Agent、VS Code 拡張、Cline/RooCode などのエージェントフレームワークと良好に連携。

Precautions (Critical for Stability):

• tool_choice: 厳密に "auto" または "none"。他の値はエラーになります。
• Multi-step: 次ターンの messages 配列には、前回の assistant メッセージ（reasoning_content を含む）を必ず保持。これを落とすとエラーになります。
• Context Management: 256K コンテキストのため、要約や剪定は慎重に。ビジョンはトークンのオーバーヘッドを増やします。
• Rate Limits/Budgets: Moonshot/CometAPI のプロジェクトで日次支出上限を設定。ファイルのピークタイム解析遅延を監視。
• Vision + Tools: 大きなファイルはアップロードエンドポイントを使用し、解像度の上限を確認。
• Error Handling: ツールコールループにはリトライを実装。複雑なエージェントには system プロンプトで明示的なガイダンスが必要な場合があります。

Why CometAPI is a smart way to ship this model

CometAPI の最大の利点は、単なるアクセスではなく、統合摩擦の低減です。プラットフォームは Kimi K2.7 Code を単一の OpenAI 互換エンドポイントで提供するため、他プロバイダで既に使用している SDK、ミドルウェア、リトライ、ストリーミング、オブザーバビリティのパターンを再利用できます。CometAPI のモデルページは、公式価格より低コストのルートとしてサービスを位置付けており、K2.7 Code の価格ページには 20% のディスカウントが掲載されています。

Conclusion: Start Building with CometAPI Today

もしあなたのプロダクトが、リポジトリ規模のコーディング、マルチステップのデバッグ、ツールのオーケストレーション、またはマルチモーダル解析を含むなら、Kimi K2.7 Code は真剣に検討する価値があります。このモデルの最も強い特長は一般的なチャットの洗練ではなく、長文コンテキストでの信頼性、推論の保持、予測可能な固定リクエスト挙動、そして K2.6 を上回るベンダー報告のコーディングベンチマークです。さらに CometAPI を組み合わせれば、プロダクションに向けた実用的な道筋が得られます：OpenAI 互換の単一統合、モデルの一発切り替え、スケールするコーディングエージェントを出荷するためのよりクリーンな方法です。

CometAPI にサインアップし、キーを取得して、数分で Kimi K2.7 Code を試してみてください。カスタム統合やエンタープライズサポートについては、CometAPI ドキュメントをご覧ください。