Moonshot AI выпустила Kimi K2.7-Code: 1 трлн параметров, +21,8% на бенчмарке и 30% меньше «размышлений»

Moonshot AI выпустила Kimi K2.7-Code — специализированную модель для программирования, ориентированную на длительные агентные сценарии: планирование, редактирование, запуск инструментов и отладку в десятках и сотнях шагов. Модель доступна на Hugging Face под модифицированной лицензией MIT, а также через Kimi API и Kimi Code. Веса занимают около 595 ГБ на диске — это серверное решение, не для ноутбука.

Архитектура: Mixture-of-Experts с 1 трлн параметров, из которых 32B активируются на каждый токен. Модель использует 384 эксперта (8 выбираются на токен + 1 общий), 61 слой (включая один плотный), внимание MLA и SwiGLU в прямом проходе. Добавлен кодировщик MoonViT на 400M параметров для обработки изображений и видео. Контекстное окно — 256K токенов, нативная INT4 квантизация. Важно: режим размышлений обязателен (иначе ошибка API), фиксированные параметры сэмплирования (temperature 1.0, top_p 0.95), максимум вывода — 32 768 токенов. Для самостоятельного развёртывания поддерживаются vLLM, SGLang и KTransformers.

Бенчмарки: K2.7-Code превосходит K2.6 по всем шести тестам. Ключевой скачок — Kimi Code Bench v2: с 50,9 до 62,0 (+21,8%). На MLS Bench Lite прирост +31,5% (26,7 → 35,1). Модель обходит Claude Opus 4.8 на MCP Mark Verified (81,1 против 76,4) и почти догоняет GPT-5.5 на MLS Bench Lite. Сравнение проводилось в режиме Kimi Code CLI для K2.7-Code, Codex xhigh для GPT-5.5 и Claude Code xhigh для Opus 4.8.

Moonshot заявляет о ~30% снижении расхода токенов на «размышления» по сравнению с K2.6 — это даёт тройной эффект: меньшая стоимость за задачу, более быстрые шаги (важно для интерактивных CLI-сессий) и больше шагов до упора в контекстное окно. Основные сценарии: рефакторинг репозиториев по тестам, анализ pull request'ов, MCP-воркфлоу (оценка 81,1 на MCP Mark Verified) и длинный контекст с текстом, изображениями и видео в одном промпте.