Moonshot AI представила Kimi K2.7-Code — модель для программирования с поддержкой агентных сценариев. Её веса доступны на Hugging Face по лицензии Modified MIT. Модель также можно использовать через Kimi API и Kimi Code.
K2.7-Code рассчитана на длительные многоэтапные задачи разработки, а не на обычный чат. Она планирует действия, редактирует код, запускает инструменты и отлаживает проект на протяжении множества шагов. Moonshot предлагает вместе с моделью платную платформу для программирования.
Архитектура и ограничения
K2.7-Code построена по архитектуре Mixture-of-Experts: всего в ней 1 трлн параметров, из которых для каждого токена активируются 32 млрд. Модель включает 384 эксперта; для каждого токена выбираются восемь из них и один общий эксперт. В ней 61 слой, в том числе один плотный. Внимание реализовано с помощью MLA, а в блоках прямого распространения используется SwiGLU. Визуальный энкодер MoonViT добавляет 400 млн параметров для обработки изображений и видео.
Модель поставляется в исходном формате с квантованием INT4. Длина контекстного окна — 256 тыс. токенов (262 144).
Есть два важных ограничения. Режим Thinking обязателен: попытка его отключить приводит к ошибке API. Параметры генерации фиксированы: temperature — 1,0, top_p — 0,95, n — 1, штрафы — 0,0. По умолчанию максимальная длина ответа составляет 32 768 токенов.
Модель можно развернуть на собственном сервере с помощью vLLM, SGLang или KTransformers. Репозиторий на Hugging Face занимает около 595 ГБ на диске. Это вариант для серверной инфраструктуры, а не для ноутбука.
Результаты тестирования
Команда Moonshot опубликовала результаты по шести тестам, сравнив K2.7-Code с K2.6, GPT-5.5 и Claude Opus 4.8. Во всех шести тестах K2.7-Code превосходит K2.6. Самый заметный прирост в программировании — в Kimi Code Bench v2: результат вырос с 50,9 до 62,0: на 11,1 пункта, или на 21,8% относительно прежнего значения.
| Тест | Kimi K2.6 | Kimi K2.7-Code | GPT-5.5 | Claude Opus 4.8 | Изменение K2.7 относительно K2.6 |
|---|---|---|---|---|---|
| Kimi Code Bench v2 | 50,9 | 62,0 | 69,0 | 67,4 | +21,8% |
| Program Bench | 48,3 | 53,6 | 69,1 | 63,8 | +11,0% |
| MLS Bench Lite | 26,7 | 35,1 | 35,5 | 42,8 | +31,5% |
| Kimi Claw 24/7 Bench | 42,9 | 46,9 | 52,8 | 50,4 | +9,3% |
| MCP Atlas | 69,4 | 76,0 | 79,4 | 81,3 | +9,5% |
| MCP Mark Verified | 72,8 | 81,1 | 92,9 | 76,4 | +11,4% |
В MCP Mark Verified K2.7-Code опередила Opus 4.8: 81,1 против 76,4. В MLS Bench Lite её результат близок к показателю GPT-5.5. Для тестирования K2.7-Code запускали в Kimi Code CLI, GPT-5.5 — в Codex xhigh, а Opus 4.8 — в Claude Code xhigh. Все результаты предоставлены самой компанией, а не получены в независимом рейтинге.
Экономия токенов рассуждения — и стоимости
По данным Moonshot, K2.7-Code расходует примерно на 30% меньше токенов рассуждения, чем K2.6. Компания объясняет это тем, что модель меньше склонна к избыточным рассуждениям.
В расчёте Moonshot токены рассуждения входят в оплачиваемый выход. Агентная разработка может включать сотни или тысячи шагов, и планирование, повторная попытка и проверка каждый раз требуют дополнительных вычислений. Поэтому экономия в 30% может накапливаться в длительной задаче.
Это может сократить стоимость выхода и время генерации. Итоговый счёт также зависит от числа входных токенов, попаданий в кэш и количества вызовов.
Примеры применения
- Рефакторинг больших репозиториев. Агенту можно поручить разобраться с упавшим набором тестов: он читает файлы, вносит изменения в нескольких модулях и повторно запускает тесты, пока они не пройдут.
- Проверка кода. Модели можно передать diff запроса на слияние и попросить оценить риски. Контекстное окно на 256 тыс. токенов позволяет учитывать большие изменения, журналы и связанные файлы.
- Рабочие процессы с инструментами MCP. K2.7-Code получила 81,1 балла в MCP Mark Verified. Этот тест проверяет правильность вызова инструментов через протокол Model Context Protocol. Примеры задач — проверки в CI, обновление заявок и редактирование файлов в одном цикле.
- Анализ длинного контекста. Модель принимает текст, изображения и видео, поэтому документацию, снимки экрана и запись воспроизведения ошибки можно передать в одном запросе.
Минимальный пример работы с API
Kimi API совместим с OpenAI API. Название модели в запросе — kimi-k2.7-code. Не задавайте другие значения фиксированных параметров генерации: запрос завершится ошибкой.
import os
from openai import OpenAI
# Базовый URL и ключ — согласно документации Kimi API на platform.moonshot.ai
client = OpenAI(
api_key=os.environ.get("MOONSHOT_API_KEY"),
base_url="https://api.moonshot.ai/v1",
)
messages = [
{"role": "system", "content": "You are a coding agent."},
{"role": "user", "content": "Refactor utils.py to remove duplicate code."},
]
resp = client.chat.completions.create(
model="kimi-k2.7-code",
messages=messages,
max_tokens=32768, # значение по умолчанию; это также максимум
# Thinking включён по умолчанию и не может быть отключён.
# temperature (1.0), top_p (0.95), n (1) и penalties (0.0)
# фиксируются на стороне сервера. Другие значения вызовут ошибку.
)
msg = resp.choices[0].message
print(msg.content)
# Для многоэтапных вызовов инструментов добавьте в контекст
# полное сообщение ассистента, чтобы сохранить reasoning_content.
# Если его не передать, следующий запрос завершится ошибкой.
# messages.append(msg.model_dump())
Для работы с инструментами документация также указывает два правила: сохранять в контексте поле reasoning_content текущего хода и задавать для tool_choice только значение "auto" или "none".
Сравнение с другими моделями
| Модель | Лицензия | Параметры | Контекст | Цена API за 1 млн токенов на входе и выходе |
|---|---|---|---|---|
| Kimi K2.7-Code | Modified MIT, открытые веса | 1 трлн всего / 32 млрд активных | 256 тыс. | $0,95 / $4,00 |
| Kimi K2.6 | Открытые веса | MoE класса 1 трлн параметров | 256 тыс. | Около $0,67–0,95 / $3,39–4,00 |
| GPT-5.5 | Закрытая | Не раскрыты | — | В таблице Moonshot не указана |
| Claude Opus 4.8 | Закрытая | Не раскрыты | 1 млн | $5,00 / $25,00 |
| Qwen3-Coder-480B-A35B | Открытая, лицензия Qwen | 480 млрд / 35 млрд активных | 256 тыс. в нативном режиме | Зависит от хостинга |
Для K2.7-Code также указана цена $0,19 за 1 млн токенов кэшированного ввода. В расчёте стоимости Moonshot приводит такие тарифы: $0,19 за 1 млн кэшированных входных токенов, $0,95 за 1 млн входных токенов без попадания в кэш и $4,00 за 1 млн выходных токенов. Пример расчёта использует 50 000 входных токенов и 8 000 выходных токенов на запуск, долю попаданий в кэш 50%, 1 000 запусков в месяц и долю токенов рассуждения в выходе 40%. Оценка экономии применяет заявленное снижение расхода токенов рассуждения примерно на 30% к этой доле; это приблизительный расчёт, а не гарантированная стоимость.
Сильные стороны и ограничения
Сильные стороны:
- Открытые веса по лицензии Modified MIT и возможность самостоятельного размещения.
- Последовательный рост результатов относительно K2.6 в тестах программирования и агентных сценариев.
- Низкая стоимость API по сравнению с закрытыми передовыми моделями.
- Результат выше, чем у Opus 4.8, в MCP Mark Verified — по данным Moonshot.
Ограничения:
- Все основные результаты тестов на момент представления модели получены самой компанией; независимые результаты не приведены.
- Режим Thinking нельзя отключить.
- Параметры генерации зафиксированы.
- При многоэтапных вызовах инструментов необходимо сохранять
reasoning_content. - Веса объёмом около 595 ГБ делают самостоятельное развёртывание серьёзной инфраструктурной задачей.
Главное
- Все основные результаты тестов получены самой Moonshot; независимые оценки не представлены.
- K2.7-Code — модель с открытыми весами, специализированная на программировании и основанная на Kimi K2.6.
- По данным Moonshot, в Kimi Code Bench v2 результат вырос относительно K2.6 на 21,8%.
- По заявлению компании, модель использует примерно на 30% меньше токенов рассуждения, чем K2.6.