MoonshotAI: Kimi K2.7 Code 대 Relace: Relace Search
api14 카탈로그의 최신 USD 가격과 기능을 바탕으로 MoonshotAI: Kimi K2.7 Code(US$2.10 / 100만 토큰 (≈ ₩2,830))와(과) Relace: Relace Search(US$3.50 / 100만 토큰 (≈ ₩4,717))를 나란히 비교합니다. 두 모델 모두 같은 OpenAI 호환 API로 실행됩니다.
사양
| MoonshotAI: Kimi K2.7 Code | Relace: Relace Search | |
|---|---|---|
| 제공업체 | Moonshot AI | Relace |
| 입력 | US$2.10 / 100만 토큰 (≈ ₩2,830) | US$3.50 / 100만 토큰 (≈ ₩4,717) |
| 출력 | US$12.25 / 100만 토큰 (≈ ₩16,509) | US$10.50 / 100만 토큰 (≈ ₩14,151) |
| 캐시 읽기 | US$0.56 / 100만 토큰 (≈ ₩755) | - |
| 컨텍스트 윈도우 | 262,144 | 256,000 |
| 최대 출력 | 235,929 | 128,000 |
| 입력 | text, image | text |
| 출력 | text | text |
| 도구 호출 | ||
| 구조화된 출력 | ||
| 추론 조절 | ||
| 추가일 | 2026. 6. 12. | 2025. 12. 8. |
주요 차이점
- MoonshotAI: Kimi K2.7 Code의 입력 토큰 가격이 40% 더 저렴합니다.
- Relace: Relace Search의 출력 토큰 가격이 14% 더 저렴합니다.
- 구조화된 JSON 출력은(는) MoonshotAI: Kimi K2.7 Code만 지원합니다.
- 추론 강도 조절은(는) MoonshotAI: Kimi K2.7 Code만 지원합니다.
- 입력 1,000 토큰, 출력 500 토큰 요청의 비용은 MoonshotAI: Kimi K2.7 Code에서 US$0.00823, Relace: Relace Search에서 US$0.00875입니다.
자세히 보기
MoonshotAI: Kimi K2.7 Code는 Moonshot AI의 텍스트 모델로, 2026-06-12에 출시되었습니다. Relace: Relace Search는 Relace의 텍스트 모델로, 2025-12-08에 출시되었습니다. 둘 다 api14를 통해 텍스트 카테고리로 제공되므로, 별도의 SDK를 통해 접근해야 하는 특수 목적 엔드포인트가 아닙니다. 먼저 주목할 점은 두 모델이 서로 다른 우선순위를 가진 다른 팀에 의해 만들어졌다는 것이며, 이는 파라미터 목록과 각 모델이 받아들이는 모달리티에서 드러납니다.
가장 명확한 차이는 각 모델이 입력으로 받는 것입니다. Kimi K2.7 Code는 텍스트와 이미지 입력을 받아 텍스트를 반환하므로, 프롬프트와 함께 스크린샷, 다이어그램 또는 스캔한 페이지를 보낼 수 있습니다. Relace Search는 텍스트만 받습니다. 컨텍스트에서는 두 모델이 충분히 비슷해서 차이를 고려할 가치가 없습니다. Kimi K2.7 Code는 262144 토큰, Relace Search는 256000 토큰을 나열하며, 정성적 비교에서는 컨텍스트 윈도우가 의미 있게 다르지 않다고 봅니다. 실제로 크게 갈리는 부분은 지원되는 파라미터입니다. Kimi K2.7 Code는 reasoning과 include_reasoning, structured_outputs, logprobs와 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, tools를 노출합니다. Relace Search는 훨씬 짧은 집합을 지원합니다: max_tokens, response_format, seed, stop, temperature, tool_choice, tools, top_p. 따라서 구조화된 출력과 추론은 Kimi K2.7 Code에서만 사용할 수 있고, 도구 호출은 둘 다 사용할 수 있습니다.
작업 선택에서는 파라미터 목록이 실용적인 지침입니다. 모델이 스키마에 부합하는 객체를 출력하게 해야 하거나, 추론 추적을 검사하고 싶거나, 출력 분포를 세밀하게 편향 또는 샘플링하고 싶다면 Kimi K2.7 Code가 할 수 있는 모델입니다. 워크로드가 일반 텍스트 입력과 일반 텍스트 출력이고 도구 호출과 응답 형식이 필요하다면, Relace Search가 고려할 노브가 더 적은 상태로 이를 처리합니다. 비전 입력도 또 다른 결정 요인입니다: Kimi K2.7 Code만 이미지를 받으므로, 스크린샷이나 다이어그램이 관련된 작업은 모두 그쪽으로 가야 합니다. 가격에서는 Kimi K2.7 Code가 입력에서 더 저렴한 쪽이고, Relace Search는 출력에서 더 저렴한 쪽이므로, 비용 그림은 한 모델이 일률적으로 더 저렴한지가 아니라 입력 대 출력 비율에 따라 달라집니다. 현재 수치는 이 페이지의 실시간 가격표를 확인하세요.
api14를 통해 어느 모델을 호출하든 방식은 동일합니다. API가 OpenAI 호환되기 때문입니다. 클라이언트를 api14 기본 URL로 지정하고, 메시지와 함께 채팅 완성 요청을 보내고, model 필드를 설정합니다. 둘 사이의 유일한 변경은 그 문자열입니다: Kimi K2.7 Code에는 "moonshotai/kimi-k2.7-code"를, Relace Search에는 "relace/relace-search"를 사용합니다. 요청 본문의 다른 모든 것은 그대로 유지됩니다. 이미 tools, temperature, max_tokens 또는 response format을 보내고 있다면, 그 필드들은 둘 다에 그대로 적용됩니다. reasoning, structured_outputs, logprobs 또는 이미지 콘텐츠를 보내고 있다면, 그것들은 Kimi K2.7 Code에 속하며 Relace Search는 받아들이지 않으므로, 하나의 페이로드가 둘 다에 맞는다고 가정하지 말고 각 모델에 대해 별도의 요청 형태를 유지하세요.
Kimi K2.7 Code가 더 넓은 기능 집합을 가지고 있더라도 Relace Search가 더 나은 선택인 경우가 여전히 있습니다. 작업이 텍스트 전용이고, 도구 호출이 필요하며, 입력에 비해 출력이 많은 경우, 더 저렴한 출력 쪽이 사용하지 않을 추가 파라미터보다 더 중요합니다. 응답 형식과 temperature 설정만 있으면 되는 단순 추출 또는 포맷팅 작업도 마찬가지입니다. 그러한 상황에서 더 짧은 파라미터 목록은 제한이 아니라 구성할 표면적이 더 적은 것일 뿐이며, 작업이 전혀 건드리지 않는 기능에 비용을 지불하지 않게 됩니다.
문자열 하나로 전환
두 모델은 같은 엔드포인트와 요청 형식을 사용합니다. model 값을 "moonshotai/kimi-k2.7-code"에서 "relace/relace-search"로 바꾸기만 하면 프롬프트, 스트리밍, 도구가 그대로 작동합니다.
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": "relace/relace-search",
"messages": [
{
"role": "user",
"content": "Explain vector databases in two sentences."
}
]
});
console.log(result.choices[0].message.content);
더 많은 비교
- LiquidAI: LFM3-1.7B 대 Ricursive: Ripple 65B Preview
- LiquidAI: LFM3-1.7B 대 Crouton Alpha
- LiquidAI: LFM3-1.7B 대 Tencent: Hy4
- LiquidAI: LFM3-1.7B 대 Z.ai: GLM 5.3 FlashX Legal
- Ricursive: Ripple 65B Preview 대 Crouton Alpha
- Ricursive: Ripple 65B Preview 대 Tencent: Hy4
- Ricursive: Ripple 65B Preview 대 Z.ai: GLM 5.3 FlashX Legal
- Crouton Alpha 대 Tencent: Hy4