Вступление
Kimi K2.7 Code — это специализированная код-ориентированная агентная модель с открытым исходным кодом, разработанная китайской компанией Moonshot AI (также известной как «Тёмная сторона Луны» — Тёмная сторона Луны). Модель является развитием Kimi K2.6 и позиционируется как инструмент для решения сложных задач программной инженерии с длительным горизонтом планирования — от рефакторинга кодовой базы до реализации многофайловых функций и отладки в рамках продолжительных агентных сессий. Официальный сайт: https://kimi.moonshot.cn.
Kimi K2.7 Code построена на архитектуре Mixture-of-Experts (MoE) и предлагает баланс между вычислительной эффективностью и высокой производительностью за счёт активации лишь части параметров при обработке каждого токена. Модель распространяется под лицензией Modified MIT, что делает её доступной как для исследовательских, так и для коммерческих целей.
Технические характеристики
| Параметр | Значение |
|---|---|
| Архитектура | Mixture-of-Experts (MoE) |
| Общее количество параметров | 1 триллион (1T) |
| Активируемые параметры | 32 миллиарда (32B) |
| Количество слоёв | 61 (включая 1 плотный слой) |
| Размерность внимания | 7168 |
| Размерность MoE (на эксперта) | 2048 |
| Количество голов внимания | 64 |
| Количество экспертов | 384 |
| Выбираемых экспертов на токен | 8 |
| Количество общих экспертов | 1 |
| Размер словаря | 160K |
| Длина контекста | 256K токенов (262 144 в некоторых реализациях) |
| Механизм внимания | MLA (Multi-head Latent Attention) |
| Функция активации | SwiGLU |
| Визуальный энкодер | MoonViT (400M параметров) |
Модель обучена на 15,5 триллионах токенов и поддерживает мультимодальный ввод — она способна принимать как текстовые, так и визуальные данные (изображения). Важной особенностью является режим «принудительного мышления» (forced thinking) — модель всегда работает в режиме рассуждения, который нельзя отключить. При этом она сохраняет полную цепочку рассуждений на протяжении всех витков многошагового диалога, что позволяет использовать ранее вычисленные промежуточные результаты в последующих шагах.
Для инференса модель поддерживается через фреймворки vLLM и SGLang. Существует также High-Speed версия модели (kimi-k2.7-code-highspeed), которая обеспечивает ту же функциональность, но с существенно более высокой скоростью генерации — до 260 токенов/с в коротких контекстах и около 180 токенов/с в стандартных сценариях.
Дата выхода и доступность
- Дата релиза: 12 июня 2026 года.
- 15 июня 2026 года выпущена High-Speed версия.
- Модель доступна в открытых весах на Hugging Face по лицензии Modified MIT, в Kimi API (совместим с OpenAI API), в продукте Kimi Code, в каталоге моделей Microsoft Azure, в Alibaba Cloud (Сингапурский регион с 26 июня 2026), а также в GitHub Copilot для планов Business и Enterprise с 1 июля 2026.
Бенчмарки и производительность
Код-ориентированные бенчмарки (прирост по сравнению с K2.6):
| Бенчмарк | K2.6 | K2.7 Code | Прирост |
|---|---|---|---|
| Kimi Code Bench v2 | 50.9 | 62.0 | +21.8% |
| Program Bench | 48.3 | 53.6 | +11.0% |
| MLS Bench Lite | 26.7 | 35.1 | +31.5% |
Агентные бенчмарки:
| Бенчмарк | K2.6 | K2.7 Code | Прирост |
|---|---|---|---|
| Kimi Claw 24/7 Bench | 42.9 | 46.9 | ~+10% |
| MCP Atlas | 69.4 | 76.0 | ~+10% |
| MCP Mark Verified | 72.8 | 81.1 | ~+10% |
Ключевым улучшением стало сокращение токенов мышления примерно на 30% по сравнению с K2.6 при сохранении или улучшении качества результатов. Это решает проблему «overthinking» — избыточного рассуждения без дополнительной пользы, характерную для многих reasoning-моделей.
Ценообразование (API)
| Тип токенов | Стандартная версия | High-Speed версия |
|---|---|---|
| Входные (1M) | $0.72 | ~$1.44 |
| Выходные (1M) | $3.50 | ~$7.00 |
| Кешированный ввод (1M) | ~$0.15 | ~$0.30 |
Заключение
Kimi K2.7 Code представляет собой мощный инструмент для разработчиков и исследователей в области программной инженерии. Сочетание триллиона параметров с эффективной MoE-архитектурой, контекстным окном в 256K токенов и мультимодальной поддержкой делает её одной из наиболее продвинутых открытых моделей для кодинга. Особого внимания заслуживает оптимизация рассуждений, снижающая вычислительные затраты, и наличие High-Speed версии для задач, критичных к задержкам. Модель уже интегрирована в ведущие облачные платформы и экосистемы разработки, что обеспечивает широкий спектр вариантов её применения — от автономных агентов до интегрированных сред разработки.
