MoonshotAI: Kimi K2.7 Code est un modèle de texte de Moonshot AI, publié le 2026-06-12. Relace: Relace Search est un modèle de texte de Relace, publié le 2025-12-08. Les deux sont servis via api14 dans la catégorie texte, donc aucun n'est un point de terminaison à usage spécifique que vous devez atteindre via un SDK séparé. Le principal point à noter d'emblée est qu'ils ont été construits par des équipes différentes avec des priorités différentes, et cela se voit dans les listes de paramètres et les modalités que chacun accepte.
La séparation la plus claire concerne ce que chaque modèle accepte en entrée. Kimi K2.7 Code accepte du texte et des images en entrée et renvoie du texte, donc vous pouvez envoyer des captures d'écran, des diagrammes ou des pages scannées avec un prompt. Relace Search accepte uniquement du texte. Concernant le contexte, les deux sont suffisamment proches pour que la différence ne vaille pas la peine d'être anticipée : Kimi K2.7 Code liste 262144 tokens et Relace Search liste 256000, et la comparaison qualitative considère les fenêtres de contexte comme non significativement différentes. Là où ils divergent vraiment, c'est dans les paramètres pris en charge. Kimi K2.7 Code expose reasoning et include_reasoning, structured_outputs, logprobs et top_logprobs, logit_bias, min_p, repetition_penalty, frequency_penalty, presence_penalty, parallel_tool_calls, top_k, seed, stop, temperature, top_p, max_tokens, response_format, tool_choice et tools. Relace Search prend en charge un ensemble beaucoup plus court : max_tokens, response_format, seed, stop, temperature, tool_choice, tools et top_p. Ainsi, les sorties structurées et le raisonnement ne sont disponibles que sur Kimi K2.7 Code, tandis que l'appel d'outils est disponible sur les deux.
Pour le choix des tâches, la liste de paramètres est le guide pratique. Si vous avez besoin que le modèle émette un objet conforme à un schéma, ou si vous voulez inspecter les traces de raisonnement, ou si vous voulez biaiser ou échantillonner la distribution de sortie de manière fine, Kimi K2.7 Code est celui qui peut le faire. Si votre charge de travail est du texte simple en entrée et du texte simple en sortie, avec des appels d'outils et un format de réponse, Relace Search couvre cela avec moins de réglages à gérer. L'entrée visuelle est un autre facteur décisif : seul Kimi K2.7 Code accepte les images, donc tout ce qui implique une capture d'écran ou un diagramme doit passer par lui. Côté prix, Kimi K2.7 Code est le moins cher pour l'entrée, tandis que Relace Search est le moins cher pour la sortie, donc le tableau des coûts dépend de votre ratio entrée-sortie plutôt que d'un modèle uniformément moins cher. Consultez le tableau des prix en direct sur cette page pour les chiffres actuels.
Appeler l'un ou l'autre modèle via api14 fonctionne de la même manière, car l'API est compatible OpenAI. Vous pointez votre client vers l'URL de base api14, envoyez une requête de complétions de chat avec vos messages, et définissez le champ model. Le seul changement entre les deux est cette chaîne : utilisez "moonshotai/kimi-k2.7-code" pour Kimi K2.7 Code et "relace/relace-search" pour Relace Search. Tout le reste dans le corps de la requête reste en place. Si vous envoyez déjà tools, temperature, max_tokens ou un format de réponse, ces champs s'appliquent aux deux. Si vous envoyez reasoning, structured_outputs, logprobs ou du contenu image, ceux-ci appartiennent à Kimi K2.7 Code et Relace Search ne les acceptera pas, donc gardez une forme de requête distincte pour chaque modèle plutôt que de supposer qu'une seule charge utile convient aux deux.
Il reste des cas où Relace Search est le meilleur choix même si Kimi K2.7 Code a l'ensemble de fonctionnalités le plus large. Si votre tâche est uniquement textuelle, nécessite l'appel d'outils, et produit beaucoup de sortie par rapport à son entrée, le côté sortie moins cher compte plus que les paramètres supplémentaires que vous n'utiliseriez pas. Il en va de même pour les tâches simples d'extraction ou de formatage où un format de réponse et un réglage de température suffisent. Dans ces situations, la liste de paramètres plus courte n'est pas une limitation, c'est simplement moins de surface à configurer, et vous évitez de payer pour des capacités que la tâche ne touche jamais.