Kimi K2.7 Code agora disponível no AI Gateway

O Kimi K2.7 Code é um modelo especializado em programação, lançado oficialmente pela Moonshot AI em 12 de junho de 2026. Ele não é uma atualização menor do K2.6, mas uma evolução arquitetural com Mixture-of-Experts (MoE), totalizando 1 trilhão de parâmetros, dos quais apenas 32 bilhões são ativados por requisição. Isso reduz custos sem sacrificar desempenho. Sua janela de contexto de 256.000 tokens permite lidar com repositórios inteiros ou pipelines complexos de DevOps em uma única chamada.

Os pesos estão publicados no Hugging Face sob licença MIT modificada: uso comercial permitido desde que haja atribuição para implantações em larga escala. O modelo foi treinado para raciocínio multi-turn com modo 'preserve thinking', mantendo o histórico completo de etapas lógicas, essencial para agentes de codificação que precisam revisitar decisões anteriores ao gerar código em Rust, Go ou Python.

Desenvolvedores brasileiros agora têm acesso imediato ao Kimi K2.7 Code via AI Gateway da Vercel, plataforma lançada em 12 de setembro de 2025 como endpoint unificado para LLMs. Não é só conveniência: o gateway oferece failover automático, orçamentos granulares e BYOK (bring your own key), sem markup sobre os preços oficiais da Moonshot. A tarifa é clara: US$ 0,95/milhão de tokens de entrada, US$ 4,00/milhão de saída e US$ 0,19/milhão para cache hits. Isso torna o Kimi K2.7 Code economicamente viável para times que já usam Vercel e querem substituir modelos genéricos por um especialista em código sem trocar infraestrutura.

Em benchmarks reais, o Kimi K2.7 Code supera o K2.6 em +31,5% no MLS Bench Lite (avaliação multilinguagem), +21,8% no Kimi Code Bench v2 e +11,0% no Program Bench. Mais relevante: ele usa ~30% menos tokens de raciocínio, o que significa respostas mais diretas, menor latência e menos risco de 'overthinking' em tarefas como refatoração de frontend ou configuração de CI/CD. Para devs que integram LLMs em ferramentas internas ou IDEs, isso se traduz em menos retrabalho e maior confiabilidade em geração de código funcional na primeira tentativa.