Pengguna GitHub Copilot kini memiliki opsi model coding dengan biaya yang jauh lebih rendah dibandingkan sejumlah model frontier di pemilih model. Kimi K2.7 Code dari Moonshot AI dipatok $0.95 per juta token input dan $4.00 per juta token output.
Selisih tarif itu dapat menjadi penting bagi pengembang yang menjalankan sesi coding agentic panjang, terutama saat pekerjaan melibatkan banyak berkas dan instruksi berulang. Namun, keunggulan biaya tersebut masih dibayangi belum tersedianya skor benchmark independen khusus untuk model ini.
Selisih biaya terlihat dalam sesi panjang
Menurut laporan tech-insider.org, tarif di Copilot mengikuti harga API dari penyedia model tanpa markup tambahan. Dengan skema tersebut, Kimi K2.7 Code menjadi salah satu pilihan paling murah di antara model coding yang tersedia pada platform tersebut.
Untuk penggunaan 50.000 token input dan 50.000 token output, biaya model Kimi diperkirakan sekitar $0.25. Perhitungan serupa mencapai sekitar $1.50 pada Claude Opus 4.8 dan $1.75 pada GPT-5.5.
| Model | Input per 1 Juta Token | Output per 1 Juta Token | Context Window |
|---|---|---|---|
| Kimi K2.7 Code | $0.95 | $4.00 | 256K |
| Claude Sonnet 5 | $2.00 | $10.00 | 1 juta |
| Claude Opus 4.8 | $5.00 | $25.00 | 200K |
| GPT-5.5 | $5.00 | $30.00 | Tidak dipublikasikan |
| Gemini 3.1 Pro | $2.00 | $12.00 | Tidak dipublikasikan |
Model open-weight pertama di pemilih Copilot
GitHub mengumumkan ketersediaan umum model tersebut pada 1 Juli 2026 bagi pelanggan Pro, Pro+, dan Max. Dalam changelog resminya, GitHub menyebut Kimi K2.7 Code sebagai “the first open-weight model offered as a selectable option in the Copilot model picker.”
Status open-weight membedakannya dari model-model tertutup yang sebelumnya tersedia di GitHub Copilot. Moonshot AI telah memublikasikan bobot model ini di Hugging Face pada 12 Juni 2026 dengan lisensi Modified MIT.
Lisensi itu memungkinkan bobot model diunduh dan, secara prinsip, di-host sendiri oleh tim yang memiliki kapasitas GPU memadai. Meski demikian, lalu lintas pengguna Copilot dijalankan Microsoft melalui infrastruktur Azure, bukan diarahkan ke server Moonshot AI.
Jarak antara publikasi bobot dan ketersediaan umum di Copilot hanya 19 hari. Model ini menggunakan arsitektur Mixture-of-Experts dengan sekitar 1 triliun parameter total, tetapi sekitar 32 miliar parameter aktif untuk setiap permintaan.
Alternatif baru di tengah persaingan model coding
Moonshot AI memosisikan Kimi K2.7 Code sebagai penyegaran dari Kimi K2.6 yang lebih difokuskan pada rekayasa perangkat lunak dan tugas coding multi-langkah. Kehadirannya membuat pemilih model Copilot mencakup pilihan dari OpenAI, Anthropic, Google, Microsoft, dan Moonshot AI.
Moonshot menjadi satu-satunya laboratorium berbasis China dalam daftar tersebut, sekaligus satu-satunya penyedia model open-weight. Bagi pengembang, model ini dapat menjadi opsi untuk pekerjaan rutin yang membutuhkan volume token besar, sementara model lebih mahal tetap tersedia untuk tugas yang dinilai lebih kompleks.
| Tanggal | Peristiwa | Akses |
|---|---|---|
| 12 Juni 2026 | Bobot model dipublikasikan di Hugging Face | Publik |
| 1 Juli 2026 | Model tersedia di pemilih Copilot | Pro, Pro+, Max |
| 7 Juli 2026 | Akses diperluas ke akun terkelola | Business dan Enterprise |
Akses perusahaan memerlukan persetujuan administrator
Pengguna Copilot Business dan Enterprise mulai memperoleh akses pada 7 Juli 2026, tetapi fitur ini dimatikan secara bawaan. Administrator harus mengaktifkan kebijakan khusus agar anggota organisasi dapat memilih Kimi K2.7 Code.
Pengaturan opt-in memberi perusahaan ruang untuk menilai kebijakan data, kepatuhan, dan risiko penggunaan model yang bobotnya berasal dari laboratorium China. Hosting melalui Azure menjawab sebagian pertanyaan mengenai jalur data, tetapi organisasi dengan aturan ketat tetap perlu melakukan evaluasi internal.
Benchmark independen belum tersedia
Moonshot AI maupun GitHub belum memublikasikan hasil SWE-bench Verified, LiveCodeBench, atau Terminal-Bench yang khusus mengukur Kimi K2.7 Code. Kondisi ini membuat kemampuan teknisnya belum dapat dibandingkan secara langsung melalui angka independen dengan model Claude, GPT, atau Gemini.
Saat ini, model tersebut lebih mudah dinilai melalui harga, lisensi, dan context window 256K daripada performa terukur di benchmark terbuka. Pengguna Copilot dapat mengujinya pada alur kerja nyata sambil menunggu bukti performa yang lebih transparan.