MoonshotAI: Kimi K2.7 Code lawan Qwen: Qwen3 235B A22B Thinking 2507
Perbandingan berdampingan MoonshotAI: Kimi K2.7 Code (US$2,10 / 1 jt token (≈ Rp 38.008)) dan Qwen: Qwen3 235B A22B Thinking 2507 (US$1,58 / 1 jt token (≈ Rp 28.506)) menggunakan harga USD dan kemampuan terkini dari katalog api14. Keduanya berjalan melalui API yang sama dan kompatibel dengan OpenAI.
Spesifikasi
| MoonshotAI: Kimi K2.7 Code | Qwen: Qwen3 235B A22B Thinking 2507 | |
|---|---|---|
| Penyedia | Moonshot AI | Qwen |
| Masukan | US$2,10 / 1 jt token (≈ Rp 38.008) | US$1,58 / 1 jt token (≈ Rp 28.506) |
| Keluaran | US$12,25 / 1 jt token (≈ Rp 221.713) | US$12,25 / 1 jt token (≈ Rp 221.713) |
| Baca cache | US$0,56 / 1 jt token (≈ Rp 10.135) | - |
| Jendela konteks | 262.144 | 128.000 |
| Output maks. | 235.929 | 16.384 |
| Masukan | text, image | text |
| Keluaran | text | text |
| panggilan alat | ||
| Output terstruktur | ||
| Pengaturan penalaran | ||
| Ditambahkan | 12 Jun 2026 | 25 Jul 2025 |
Perbedaan utama
- Qwen: Qwen3 235B A22B Thinking 2507 25% lebih murah untuk token input.
- MoonshotAI: Kimi K2.7 Code membaca konteks 2.0× lebih banyak (262.144 token).
- Hanya MoonshotAI: Kimi K2.7 Code yang mendukung output JSON terstruktur.
- Permintaan dengan 1.000 token input dan 500 token output berbiaya US$0,00823 dengan MoonshotAI: Kimi K2.7 Code dan US$0,00770 dengan Qwen: Qwen3 235B A22B Thinking 2507.
Lebih mendalam
MoonshotAI: Kimi K2.7 Code dibuat oleh Moonshot AI, dan Qwen: Qwen3 235B A22B Thinking 2507 dibuat oleh Qwen. Keduanya adalah model teks, artinya teks adalah yang mereka kembalikan, dan keduanya dilayani melalui api14 di bawah permukaan yang sama yang kompatibel dengan OpenAI. Model Kimi dirilis oleh penyedianya pada 2026-06-12, sedangkan model Qwen dirilis pada 2025-07-25. Penamaannya memberi tahu Anda sesuatu tentang maksudnya: Kimi K2.7 Code diposisikan di sekitar pekerjaan kode, dan model Qwen membawa label Thinking, yang menunjuk pada generasi yang berat penalaran.
Pemisahan yang paling jelas adalah konteks dan input. Kimi K2.7 Code menerima input teks dan gambar serta menawarkan jendela konteks 262144 token. Qwen3 235B A22B Thinking 2507 hanya menerima teks dan menawarkan 128000 token. Jadi jika prompt Anda menyertakan tangkapan layar, diagram, halaman hasil pindai atau gambar lain bersama teks, hanya model Kimi yang dapat menerimanya. Jika tugas Anda murni teks dan muat dengan nyaman di dalam 128000 token, keduanya layak. Pada parameter, Kimi K2.7 Code mengekspos kumpulan yang lebih luas, termasuk structured_outputs, response_format, logit_bias, logprobs, top_logprobs, min_p, repetition_penalty, parallel_tool_calls dan seed. Model Qwen mendukung tools, tool_choice, reasoning, include_reasoning, temperature, top_p, top_k, frequency_penalty, presence_penalty, max_tokens dan stop. Keduanya mendukung pemanggilan alat, jadi tidak ada yang memiliki keunggulan eksklusif di sana, tetapi batasan output terstruktur hanya terdaftar untuk model Kimi.
Untuk pemilihan tugas, mulailah dari apa yang sebenarnya dibutuhkan permintaan. Konteks repositori yang panjang, refaktor multi-file, log besar, atau apa pun di mana Anda ingin model dibatasi pada skema JSON atau format respons tertentu mengarah ke Kimi K2.7 Code, karena jendela yang lebih besar dan parameter output terstruktur. Pekerjaan yang utamanya penalaran atas sejumlah teks yang moderat, di mana Anda ingin model berpikir sebelum menjawab dan Anda tidak memerlukan gambar atau penegakan skema, adalah cocok untuk Qwen3 235B A22B Thinking 2507. Jika Anda tidak yakin, pertanyaan penentunya sederhana: apakah input berisi gambar, apakah prompt melebihi 128000 token, dan apakah Anda memerlukan output terstruktur? Jawaban ya untuk salah satu dari itu menyingkirkan model Qwen untuk panggilan tersebut.
Memanggil salah satu dari keduanya melalui api14 adalah operasi yang sama. Anda mengirim permintaan ke endpoint chat completions yang kompatibel dengan OpenAI dengan kunci api14 Anda, dan satu-satunya hal yang berubah antara kedua model adalah string id model. Gunakan "moonshotai/kimi-k2.7-code" untuk model Kimi dan "qwen/qwen3-235b-a22b-thinking-2507" untuk model Qwen. Messages, tools, temperature dan sisa body permintaan tetap memiliki bentuk yang sama, jadi beralih adalah edit satu baris dan Anda dapat melakukan A/B keduanya pada lalu lintas Anda sendiri tanpa menulis ulang kode klien. Ingatlah untuk hanya mengirim field yang didaftarkan model terpilih sebagai didukung, karena model Qwen tidak menerima parameter output terstruktur atau logprob.
Berganti cukup dengan satu string
Kedua model menggunakan endpoint dan bentuk permintaan yang sama. Ubah nilai model dari "moonshotai/kimi-k2.7-code" ke "qwen/qwen3-235b-a22b-thinking-2507", prompt, streaming, dan tools tetap berfungsi.
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api14.com/api/v1",
apiKey: process.env.API14_API_KEY,
});
const result = await client.chat.completions.create({
"model": "qwen/qwen3-235b-a22b-thinking-2507",
"messages": [
{
"role": "user",
"content": "Explain vector databases in two sentences."
}
]
});
console.log(result.choices[0].message.content);
Perbandingan lainnya
- LiquidAI: LFM3-1.7B lawan Ricursive: Ripple 65B Preview
- LiquidAI: LFM3-1.7B lawan Crouton Alpha
- LiquidAI: LFM3-1.7B lawan Tencent: Hy4
- LiquidAI: LFM3-1.7B lawan Z.ai: GLM 5.3 FlashX Legal
- Ricursive: Ripple 65B Preview lawan Crouton Alpha
- Ricursive: Ripple 65B Preview lawan Tencent: Hy4
- Ricursive: Ripple 65B Preview lawan Z.ai: GLM 5.3 FlashX Legal
- Crouton Alpha lawan Tencent: Hy4