Kimi-K2.7-Code от Moonshot AI: новая модель для программирования и агентных задач
Moonshot AI анонсировала Kimi‑K2.7‑Code — последнюю модель семейства Kimi, ориентированную на задачи программирования, работу с большими кодовыми базами и агентные сценарии. Модель уже доступна через Kimi API, Kimi Code и репозиторий Hugging Face, где опубликованы её веса под модифицированной лицензией MIT.
Технически Kimi‑K2.7‑Code построена как Mixture‑of‑Experts (MoE) система: в сумме она содержит 1 трлн параметров, из которых одновременно активны 32 млрд на каждый токен. Модель поддерживает контекстный объём до 256 K токенов и умеет обрабатывать текст, изображения и видео. Работать она может только в режиме «thinking», то есть постоянно включённого рассуждения, что делает её идеальной для сложных, многошаговых задач.
Улучшения в длинных кодовых задачах
Разработчики делают упор на long‑horizon coding — сценарии, где требуется удерживать инструкции, работать сразу с несколькими файлами, вызывать внешние инструменты и доводить процесс до конечного результата. По результатам Kimi Code Bench v2 модель набрала 62,0, что на 21,8 % выше, чем у предшественника K2.6 (50,9). На Program Bench показатель вырос до 53,6 (+11,0 %) и на MLS Bench Lite — до 35,1 (+31,5 %). Кроме того, Kimi‑K2.7‑Code расходует примерно на 30 % меньше reasoning‑токенов, что снижает стоимость длительных запусков и уменьшает риск застревания агента в бесконечной проверке.
Интеграция в популярные инструменты
Модель рассчитана не только на чат‑интерфейсы, но и на прямую работу в привычных средах разработчика. Moonshot AI предоставляет инструкции по подключению Kimi‑K2.7‑Code к Claude Code, Cline, RooCode и OpenCode, а также через собственный API. Для локального и серверного развертывания поддерживаются vLLM, SGLang и KTransformers; примеры запуска доступны в репозитории Hugging Face для Transformers, vLLM, SGLang и Docker Model Runner.
Важно отметить, что несмотря на открытые веса, модель остаётся тяжёлой для обычных ПК: 1,1 трлн параметров требуют существенных вычислительных ресурсов.
Открытые веса и вопросы стоимости
Публичный релиз Kimi‑K2.7‑Code демонстрирует, как открытые модели переходят от простого автодополнения к полноценным агентным решениям, способным планировать изменения, запускать тесты и автоматически исправлять ошибки. Однако сравнения в официальных бенчмарках включают собственные метрики и иногда используют разные условия запуска, поэтому реальная эффективность модели будет проверяться в реальных проектах.
Moonshot AI также объявила о запуске Kimi Code Beta Program, который даст ранний доступ к будущим моделям и функциям. Планируется внедрение режима 6x High‑Speed Mode, детали и сроки которого пока не уточнены.