Код Kimi K2.7 от Moonshot AI нацелен на повышение эффективности токенов в агентном кодировании

12 июня 2026 года компания Moonshot AI выпустила Kimi K2.7-Code — пятый крупный релиз в серии Kimi за менее чем год и, пожалуй, самый удобный для разработчиков на сегодняшний день. Модель является открытой, доступна на Hugging Face по лицензии Modified MIT и доступна через API Kimi и CLI Kimi Code компании.

Меньше токенов, меньше отходов

По словам Moonshot, K2.7-Code сокращает использование токенов для рассуждений на 30% по сравнению с K2.6. На практике это означает, что разработчики потребляют меньше вычислительных ресурсов, получая при этом лучшие результаты. Для команд, запускающих агентов кодирования в больших масштабах, это значительное сокращение затрат — а не просто цифра в тесте.

Модель использует архитектуру Mixture-of-Experts (MoE) с общим количеством параметров в 1 триллион, но только 32 миллиардами активных на токен, в сочетании с контекстным окном на 256K токенов. Такая комбинация позволяет ей обрабатывать большие кодовые базы без активации полного набора параметров при каждом вызове.

Стоит отметить одну особенность: K2.7-Code принудительно включает режим мышления, и его нельзя отключить. Модель всегда анализирует ситуацию, прежде чем дать ответ. Это сознательный выбор при разработке, который влияет на то, как вы структурируете рабочие процессы и распределяете бюджет на токены.

Улучшения в тестах — с оговорками

Moonshot сообщает о высоких показателях по нескольким своим внутренним тестам: +21,8% по Kimi Code Bench v2, +11,0% по Program Bench и +31,5% по MLS Bench Lite по сравнению с K2.6.

Стоит прояснить, что означают эти цифры. Все тесты, опубликованные для K2.7 на данный момент, являются собственными тестами Moonshot. На момент выпуска не было независимых результатов от третьих сторон по стандартным публичным наборам — SWE-bench Verified, LiveCodeBench или GPQA Diamond. Рассматривайте эти результаты как предоставленные поставщиком и ориентировочные, а не проверенные независимо.

Это не означает, что цифры бессмысленны. Это означает, что команды должны протестировать модель на своих собственных реальных рабочих нагрузках, прежде чем делать выводы.

Создан для агентских рабочих процессов

Использование инструментов MCP является заметным преимуществом. K2.7-Code набрал 81,1 балла в MCP Mark Verified, наборе тестов, который проверяет правильный вызов инструментов через Model Context Protocol — охватывая проверки CI, обновления тикетов и редактирование файлов в одном цикле.

Модель также поддерживает мультимодальный ввод, включая изображения и видео, что помогает при работе со скриншотами пользовательского интерфейса, требованиями к макету и отладке взаимодействия. Это практическое преимущество для полнофункциональной разработки и сеансов отладки, где визуальные элементы являются частью рабочего процесса.

Аргумент об эффективности имеет срок годности

Митч Эшли, вице-президент и руководитель практики по инженерии жизненного цикла программного обеспечения и разработке программного обеспечения на базе ИИ в The Futurum Group, рассматривает вопрос об эффективности токенов в более широком контексте — и добавляет предостережение.

«Эффективность токенов — это временная проблема в агентивном программировании», — сказал Эшли. «Такие преимущества, как те, о которых заявляет Moonshot, поглощаются базовыми возможностями инструментов и моделей в течение циклов выпуска, а экономика инференса — это проблема, которую рынок решает структурно. Долгосрочная возможность заключается в эффективности инференса, реализуемой как управляемое ограничение внутри ИИ-инфраструктуры, где команды работают с бюджетами токенов, применяемыми во время выполнения. Поставщики, создающие этот уровень, занимают более сильную позицию. Продавать прирост эффективности релиза — это поставлять функцию, которую следующая модель аннулирует».

Это полезная рамка для оценки K2.7-Code. Сокращение токенов на 30 % имеет значение сегодня. Будет ли оно иметь значение через шесть месяцев, зависит от того, как быстро будет развиваться остальная часть отрасли — и как Moonshot будет развивать модель.

Платформа, а не просто выпуск модели

Релиз сочетается с Kimi Code, кодирующим агентом Moonshot, ориентированным на терминалы, с тарифными планами от 19 долларов в месяц — что делает это скорее историей о платформе, чем о модели. Moonshot использует ту же стратегию «модель плюс подписка», которую мы видели у Anthropic с Claude Code и другими.

Стоимость API составляет 0,95 доллара за миллион входных токенов и 4,00 доллара за миллион выходных токенов. Веса находятся на Hugging Face, и Moonshot заявляет, что шаблоны развертывания K2.6 можно повторно использовать с vLLM, SGLang или KTransformers.

Последний момент важен для команд, уже использующих K2.6 в производственной среде. Путь миграции спроектирован так, чтобы быть простым — поменяйте ID модели, сохраните существующую инфраструктуру.

Серия Kimi K2 развивается быстро. Пять крупных релизов менее чем за год сигнализируют о том, что Moonshot активно развивается и нацелена непосредственно на рынок инструментов для разработчиков. K2.7-Code позиционируется именно для задач с длительным горизонтом: многоэтапная генерация кода, интеграция CI/CD и анализ кодовой базы с большим контекстом.

Стоит задуматься над замечанием Эшли об управляемых ограничениях. Команды, которые могут извлечь наибольшую выгоду из моделей типа K2.7-Code, — это не просто те, кто внедряет их быстрее всех, а те, кто создает средства управления на этапе выполнения, регулирующие использование токенов, благодаря чему повышение эффективности становится предсказуемым операционным рычагом, а не разовой удачей, связанной с выпуском одной версии.

На данный момент выпуск с открытым весом делает оценку доступной без необходимости значительных затрат на API. Протестируйте его на реальных рабочих нагрузках, измерьте стоимость каждого принятого изменения и посмотрите, подтверждают ли результаты сторонних тестов — когда они появятся — заявления Moonshot.