Компания Moonshot AI представила обновлённую модель для генерации кода Kimi K2.7-Code — открытую версию своего семейства K2, в которой, по утверждениям разработчиков, повышена эффективность рассуждений и достигнут двузначный рост производительности.
Что изменилось в новой модели
K2.7-Code построена на той же архитектуре смеси экспертов с триллионом параметров, что и её предшественница K2.6, и доступна через API, совместимый с OpenAI, что важно для команд, уже использующих K2.6 в своих рабочих процессах.
Модель распространяется под изменённой лицензией MIT, её веса доступны на HuggingFace. Развёртывать её можно через vLLM или SGLang. K2.7-Code работает исключительно в режиме «размышления» и не поддерживает регулировку температуры — разработчики зафиксировали её на уровне 1.0, лишив пользователей возможности настраивать детерминированность вывода, как в других моделях.
Ключевое отличие от K2.6 — в подходе к генерации низкоуровневого кода. Если K2.6 создавала реализации, оборачивая существующие библиотеки и используя готовые фреймворки, то K2.7-Code пишет реализации напрямую. Разработчики утверждают, что это обеспечивает более надёжную работу в разных языках (Rust, Go, Python) и для различных типов задач, включая фронтенд-разработку, DevOps и оптимизацию производительности.
Заявленные улучшения и вопросы к ним
Moonshot AI заявляет, что K2.7-Code решает проблему «чрезмерного размышления», сокращая использование токенов «мысли» на 30% по сравнению с K2.6. Это напрямую влияет на стоимость инференса для команд, использующих агентские рабочие процессы.
В плане производительности компания сообщает о росте на 21,8% в собственном тесте Kimi Code Bench v2, на 11% в Program Bench и на 31,5% в MLS Bench Lite. Все эти тесты являются проприетарными и проводятся самой Moonshot AI.
Однако модель не была протестирована на независимом бенчмарке DeepSWE, который даёт разброс в 70 баллов между моделями (против 30 баллов у SWE-Bench Pro), что делает его более точным инструментом для команд, настраивающих системы маршрутизации моделей.
Независимая оценка: «Честнее, но слабее»
Картина за пределами собственных тестов Moonshot выглядит сложнее. Исследователь Эллиот Арледж протестировал K2.7-Code против K2.6 и Claude Fable 5 на публичном бенчмарке KernelBench-Hard, ориентированном на оптимизацию GPU-ядёр, и опубликовал полные логи запуска.
«K2.7 более честна, но не более способна», — написал он на X.
По его данным, в пяти из шести задач K2.7-Code создала реальные, написанные вручную ядра Triton, тогда как K2.6 использовала обёртки библиотек. Два из этих ядер содержали ошибки модели. Результат по ядру MoE ухудшился с показателя K2.6 в 0.222 до 0.157.
Разработчик Сугумаран Баласубраманиян, создавший маршрутизатор задач для платформы Hermes Agent, используя DeepSWE в качестве эталона, публично отреагировал на релиз K2.7-Code и поставил под сомнение выбор бенчмарков Moonshot.
«С уважением, каждая модель „улучшается“ на двузначные проценты в своей собственной тестовой среде», — отметил он.
Он напомнил, что K2.6 набрала 24% в DeepSWE, сравнявшись с GPT-5.4-mini, и спросил, представит ли Moonshot AI K2.7-Code на тот же независимый тест. Баласубраманиян заявил, что для настройки его маршрутизатора потребовалось 13 раундов проверки данных, и что он будет направлять задачи по коду на K2.7-Code, если независимые цифры окажутся сопоставимыми.
Что это значит для бизнеса
Повышение эффективности использования токенов доступно немедленно. Команды, использующие K2.6 в продакшене, могут заменить её на K2.7-Code через совместимый с OpenAI API и ожидать снижения затрат на инференс в агентских рабочих процессах без изменения архитектуры. Хотя сокращение токенов «мысли» на 30% — это собственные данные Moonshot, путь интеграции достаточно безопасен, чтобы протестировать модель на собственных рабочих нагрузках перед окончательным переходом.
Практический вопрос заключается в том, сохранятся ли эти улучшения эффективности на распределении задач конкретной команды. Запуск K2.7-Code на собственных рабочих нагрузках перед изменением весов в шлюзе — наименее рискованный способ это выяснить.
