Kimi K2.7 Code. Moonshot-ի բաց կոդի մոդելը մոտ 30%-ով կրճատում է մտածողության թոքենները

Moonshot AI-ն հրապարակել է Kimi K2.7 Code-ը՝ կոդավորման վրա կենտրոնացած ագենտ մոդել, որը կառուցված է Kimi K2.6-ի վրա։ Կշիռներն ու կոդի պահոցը թողարկվել են փոփոխված MIT արտոնագրով, իսկ մոդելի քարտը թողարկումը կապում է երկու պնդման հետ՝ երկար, իրական ինժեներական առաջադրանքների ավելի լավ ավարտ և մտածողության թոքենների սպառման մոտ 30% կրճատում նախորդ տարբերակի համեմատ։

Նույն ճարտարապետությունը, ավելի շատ աշխատանք մեկ թոքենի համար

Տեխնիկական նկարագիրը նույնն է, ինչ K2.5/K2.6 գծում՝ փորձագետների խառնուրդով տրանսֆորմեր՝ ընդհանուր 1 տրիլիոն պարամետրով, որից մեկ թոքենի համար ակտիվանում է 32 միլիարդը, 384 փորձագետ, որոնցից ընտրվում է 8-ը, գումարած մեկ ընդհանուր փորձագետ, 61 շերտ (մեկը՝ խիտ) և 256 հազար թոքենի կոնտեքստ։ Ուշադրության մեխանիզմը MLA է, ակտիվացման ֆունկցիան՝ SwiGLU. 400 միլիոն պարամետրով MoonViT կոդավորիչը ավելացնում է պատկերի և տեսանյութի մուտք, սակայն տեսանյութը դեռ փորձարարական է և հասանելի միայն պաշտոնական API-ում։ Քանի որ ճարտարապետությունը համընկնում է նախորդ տարբերակների հետ, Moonshot-ի խոսքով առկա տեղաբաշխումները կարելի է վերօգտագործել, իսկ մոդելը պահպանում է ներկառուցված INT4 քվանտացումը։

Ինչ է ցույց տալիս համեմատական աղյուսակը

Ընկերության ներքին Kimi Code Bench v2 թեստում մոդելը հավաքում է 62.0 միավոր՝ K2.6-ի 50.9-ի դիմաց։ Բարելավում կա նաև Program Bench-ում, որտեղ ագենտը պետք է վերականգնի ծրագրի վարքը միայն կոմպիլացված բինարից ու փաստաթղթերից՝ 48.3-ից մինչև 53.6, և MLS Bench Lite-ում՝ 26.7-ից մինչև 35.1։ Ագենտային արդյունքները նույն ուղղությամբ են շարժվում՝ 46.9 երկարաժամկետ Kimi Claw 24/7 Bench-ում (42.9-ի փոխարեն), 76.0 MCP Atlas-ում (69.4-ի փոխարեն) և 81.1 MCPMark-Verified-ում (72.8-ի փոխարեն)։

Նույն աղյուսակը պահում է համեմատությունների ազնվությունը։ GPT-5.5-ը երեք կոդավորման թեստերում ստանում է 69.0, 69.1 և 35.5 միավոր, իսկ Claude Opus 4.8-ը՝ 67.4, 63.8 և 42.8. ագենտային հավաքածուներում այս երկուսը առաջատար են՝ համապատասխանաբար 52.8/79.4/92.9 և 50.4/81.3/76.4 արդյունքներով։ K2.7 Code-ը վեց տողերից ոչ մեկում առաջինը չէ, սակայն մասամբ կրճատում է հեռավորությունը երկու փակ մոդելների հետ։

Հասանելիություն

Moonshot-ը խորհուրդ է տալիս մոդելը գործարկել vLLM-ի, SGLang-ի կամ KTransformers-ի վրա՝ transformers-ի 4.57.1-ից 5.0.0 տարբերակով, և platform.moonshot.ai-ի միջոցով առաջարկում OpenAI-ի ու Anthropic-ի հետ համատեղելի API։ Մոդելը պարտադրում է մտածողության ռեժիմ և preserve_thinking, որը պահպանում է դատողության բովանդակությունը բազմաշրջան զրույցներում։ Hugging Face-ի էջում վերջին ամսում գրանցվել է շուրջ 175 հազար ներբեռնում և մոդելի վրա կառուցված 45 Space։