Kimi K2.7 Code: триллион параметров для длинных кодинговых сессий

Рефакторинг кодовой базы из сорока файлов — это не один промпт. Это цепочка из десятков шагов: прочитать зависимости, понять архитектуру, поменять интерфейс, обновить вызовы, проверить тесты. Обычная LLM где-то на двадцатом шаге теряет нить: забывает, что уже поменяла, дублирует правки, предлагает вариант, который ломает предыдущий слой.

Kimi K2.7 Code — попытка решить именно эту проблему. Не «ответить на вопрос по коду», а довести многошаговую задачу до конца.

Что это

Kimi K2.7 Code — открытая кодинговая модель от Moonshot AI, построенная на архитектуре Mixture-of-Experts (MoE — «смесь экспертов»: модель с триллионом параметров, где для каждого токена активируются только 32 миллиарда). Специализация — программирование и агентные задачи: автономная работа, где модель сама решает, какой инструмент вызвать, какой файл прочитать, какую команду выполнить.

Ключевое отличие от предыдущей версии K2.6 — фокус на long-horizon задачах (длинные многошаговые сессии). Модель лучше следует инструкциям в протяжённом контексте и реже «разваливается» на середине сложной задачи.

Ещё одна деталь: K2.7 Code всегда работает в режиме thinking (с промежуточными рассуждениями). Без этого режима модель не запускается — в отличие от многих LLM, где thinking можно отключить.

Зачем нужно

Reasoning-модели (модели с режимом промежуточных рассуждений) часто «передумывают»: тратят тысячи токенов на обдумывание простых действий. Например, переименование переменной в трёх файлах не требует глубокого анализа — но модель может сгенерировать пятьсот токенов рассуждений о последствиях этого изменения, прежде чем сделать правку.

K2.7 Code сокращает расход thinking-токенов примерно на 30% по сравнению с K2.6. На практике это означает три вещи: быстрее ответы в интерактивной работе, ниже стоимость по API, больше полезной работы в рамках того же контекстного окна (256K токенов — это ~262 144 токена, примерно 200 тысяч строк кода).

Инсайт: Экономия токенов компаундируется. Каждый вызов модели в агентном цикле — это токены. Тридцать процентов экономии на каждом шаге умножаются на десятки шагов в сессии.

Бенчмарки: кодинг

K2.7 Code протестирован против K2.6, GPT-5.5 и Claude Opus 4.8 на внутренних и внешних бенчмарках. Цифры по кодингу:

Kimi Code Bench v2 — внутренний бенчмарк Moonshot AI для оценки кодинга. Рост относительно K2.6: +21.8% на Kimi Code Bench v2, +11.0% на Program Bench, +31.5% на MLS Bench Lite.

Важно: На Program Bench и Kimi Code Bench v2 GPT-5.5 и Opus 4.8 показывают более высокие результаты. K2.7 Code — не «лучшая модель во всех сценариях», а специализированный инструмент с открытыми весами.

Бенчмарки: агентные задачи

Сильнее кодинг — сильнее агентная работа. Там, где модель автономно выполняет задачи через инструменты (MCP — Model Context Protocol, стандарт, который позволяет LLM вызывать внешние функции: читать файлы, запускать тесты, делать HTTP-запросы, работать с базами данных):

Рост относительно K2.6 — примерно 10% на всех трёх агентных бенчмарках. На MCP Mark Verified K2.7 Code обходит Opus 4.8 (81.1 против 76.4), но уступает GPT-5.5 (92.9).

Методология: K2.7 Code и K2.6 тестировались через Kimi Code CLI с включённым thinking (temperature 1.0, top-p 0.95, контекст 262 144 токена). GPT-5.5 — в Codex (режим xhigh), Opus 4.8 — в Claude Code (режим xhigh). Полная методология — в карточке модели на Hugging Face.

Как устроено

Архитектура

K2.7 Code построен на Mixture-of-Experts — архитектуре, где вместо одной большой нейросети работает набор «экспертов». Для каждого токена маршрутизатор выбирает 8 из 384 экспертов. Это позволяет иметь триллион параметров в памяти, но активировать только 32 миллиарда на каждый токен — скорость инференса (генерации ответа) как у 32-миллиардной модели, а качество — как у триллионной.

Полные спецификации:

MLA (Multi-head Latent Attention) — механизм внимания, разработанный Moonshot AI. Обычный механизм внимания хранит для каждого токена в контексте отдельные «ключи» и «значения» — массивы чисел, по которым модель решает, на какие части контекста смотреть. При 256K токенов этот KV-кеш разрастается до гигабайт. MLA сжимает эти данные в меньший скрытый слой (латентное пространство), восстанавливая их по мере необходимости. Результат: 256K-токенный контекст работает без пропорционального роста потребления памяти.

MoonViT — отдельная нейросеть внутри модели, которая преобразует изображения в числовые представления (векторы), понятные основной языковой модели. На 400 миллионов параметров. K2.7 Code нативно мультимодален: принимает текст, изображения и видео на вход, в дополнение к кодинговым возможностям.

Веса модели открыты и доступны на Hugging Face.

Режим thinking

K2.7 Code не поддерживает режим без thinking. Он всегда работает с включёнными промежуточными рассуждениями — и в Kimi Code (терминальный клиент), и через API. Если в Kimi Code запрос отправлен с отключённым thinking, он автоматически обслуживается моделью K2.6 вместо K2.7 Code.

Это не баг, а архитектурное решение: модель оптимизирована под работу с рассуждением, и её качество без thinking не гарантируется.

Когда использовать

K2.7 Code против K2.6

Выбор зависит от задачи:

• K2.7 Code — для кодинговых задач, агентной работы, длинных многошаговых сессий. Специализированный инструмент.
• K2.6 — для общих задач: тексты, анализ, разговорные сценарии. Универсальная модель с более широкими возможностями.

Совет: Если не уверены — начните с K2.6. K2.7 Code даёт прирост именно в кодинге, а не в общих задачах. Использование кодинговой модели для написания статей — как использование шуруповёрта для забивания гвоздей: работать будет, но неоптимально.

Где доступен

Два канала:

1. Kimi Code — терминальный клиент и IDE-плагины от Moonshot AI. K2.7 Code — модель по умолчанию, thinking включён. Доступен на kimi.com/code.
2. Kimi API — открытая платформа platform.kimi.ai. Разработчики могут вызывать K2.7 Code через API и интегрировать в собственные инструменты, агенты и devops-пайплайны.

Тарифы Kimi Code

Четыре плана (цены указаны за месяц при годовой оплате):

Все планы включают еженедельно обновляемые лимиты. Более дорогие планы — больше лимит и выше concurrency (число одновременных запросов).

Тарифы API

Постоянная оплата по токенам:

API поддерживает автоматическое кэширование контекста — если один и тот же контекст используется повторно, цена входящих токенов падает с $0.95 до $0.19 за миллион. Цены указаны без учёта налогов.

FAQ

• Модель открытая? Да, веса доступны на Hugging Face, там же — документация и гайды по развёртыванию.
• Какой контекст? 256K токенов (262 144) — подходит для репозиториев и длинных многошаговых сессий.
• Поддерживает изображения и видео? Да, нативно мультимодальная архитектура: текст, изображения, видео.
• Обязателен thinking? Да, всегда включён. Без thinking запросы в Kimi Code автоматически идут на K2.6.

Пример

Сценарий: разработчик ведёт сессию рефакторинга через Kimi Code CLI. Модель по умолчанию — K2.7 Code, thinking включён.

Разработчик: «Перенеси все API-вызовы из callback-стиля в async/await во всём проекте».

Модель последовательно: находит все файлы с callback-стилем, планирует порядок изменений, обновляет каждый файл, проверяет согласованность типов, прогоняет тесты. Контекст 256K позволяет держать весь проект в окне без потери ранних изменений.

Каждый шаг генерирует thinking-токены (внутренние рассуждения модели, не видны пользователю, но оплачиваются по API). Сокращение на 30% относительно K2.6 означает, что на той же задаче модель потратит меньше токенов и завершит быстрее.

Важно: Thinking-токены оплачиваются по той же цене, что и обычные выходящие токены — $4.00 за миллион через API. Сокращение их расхода — прямая экономия.