Kimi K2.7 Code: מודל הקוד הפתוח של Moonshot חותך טוקני חשיבה בכ-30%

חברת Moonshot AI פרסמה את Kimi K2.7 Code, מודל סוכני ממוקד בקוד שנבנה על Kimi K2.6. המשקולות ומאגר הקוד משוחררים ברישיון MIT מותאם, וכרטיס המודל מציג שני הישגים מרכזיים: השלמה טובה יותר מקצה לקצה של משימות הנדסה ארוכות מהעולם האמיתי, והפחתה של כ-30% בשימוש בטוקני חשיבה לעומת הדור הקודם.

אותה ארכיטקטורה, יותר עבודה לכל טוקן

המפרט זהה לקו K2.5/K2.6: טרנספורמר מסוג תערובת מומחים עם טריליון פרמטרים בסך הכול, 32 מיליארד פעילים לכל טוקן, 384 מומחים שמתוכם נבחרים 8 ועוד מומחה משותף אחד, 61 שכבות (אחת צפופה) וחלון הקשר של 256 אלף טוקנים. מנגנון הקשב הוא MLA ופונקציית ההפעלה SwiGLU; מקודד MoonViT עם 400 מיליון פרמטרים מוסיף קלט של תמונות ווידאו, אם כי הווידאו עדיין ניסיוני וזמין רק ב-API הרשמי. מכיוון שהארכיטקטורה זהה לגרסאות קודמות, Moonshot טוענת שניתן לעשות שימוש חוזר בפריסות קיימות, והמודל שומר על כימות INT4 מקורי.

מה מראה טבלת הבנצ׳מרקים

במבחן הפנימי Kimi Code Bench v2 המודל משיג 62.0 מול 50.9 של K2.6. יש שיפור גם ב-Program Bench, שבו הסוכן נדרש לשחזר את התנהגות התוכנית רק מקובץ בינארי מהודר ותיעוד — מ-48.3 ל-53.6, וב-MLS Bench Lite — מ-26.7 ל-35.1. תוצאות הסוכנים נעות באותו כיוון: 46.9 במבחן ארוך הטווח Kimi Claw 24/7 (לעומת 42.9), 76.0 ב-MCP Atlas (לעומת 69.4) ו-81.1 ב-MCPMark-Verified (לעומת 72.8).

אותה טבלה שומרת גם על הגינות ההשוואה. GPT-5.5 משיג 69.0, 69.1 ו-35.5 בשלושת מבחני הקוד, בעוד Claude Opus 4.8 מגיע ל-67.4, 63.8 ו-42.8; בקבוצות הסוכנים שני אלה מובילים עם 52.8/79.4/92.9 ו-50.4/81.3/76.4 בהתאמה. K2.7 Code אינו מוביל באף אחד מששת השורות, אך מקצר חלק מהפער מול שני המודלים הסגורים.

זמינות

Moonshot ממליצה להריץ את המודל על vLLM, SGLang או KTransformers, עם גרסת transformers בין 4.57.1 ל-5.0.0, ומציעה API תואם OpenAI ו-Anthropic דרך platform.moonshot.ai. המודל כופה מצב חשיבה ואת preserve_thinking, ששומר את תוכן ההיסק בין סיבובי שיחה. בעמוד ב-Hugging Face נרשמו כ-175 אלף הורדות בחודש האחרון ו-45 Spaces שנבנו על המודל.