Оглавление

Китайский стартап Moonshot AI представил новую специализированную модель Kimi K2.7 Code, ориентированную на решение сложных инженерных задач и работу в составе автономных агентов. Как сообщает The Decoder, этот релиз с открытыми весами нацелен на сегмент разработки программного обеспечения, где стоимость генерации кода часто становится решающим фактором при выборе инструмента.

Несмотря на то что по чистым показателям в классических тестах на кодинг новинка все еще уступает западным гигантам вроде GPT-5.5 от OpenAI или Claude Opus 4.8 от Anthropic, она демонстрирует впечатляющие результаты в практических сценариях. Особенно ярко это проявляется в тестах на взаимодействие с внешними инструментами и базами данных, где важна не только логика, но и умение оперировать контекстом.

Kimi K2.7 Code базируется на архитектуре Mixture-of-Experts (MoE) с общим числом параметров в один триллион, из которых при обработке каждого токена активируются лишь 32 миллиарда. Модель поддерживает контекстное окно в 256 000 токенов и обладает мультимодальными возможностями, позволяя обрабатывать изображения и видео наряду с текстом благодаря кастомному энкодеру MoonViT.

Производительность против прагматизма

Внутренние тесты показывают заметный прогресс по сравнению с предыдущей версией K2.6: результат в Kimi Code Bench v2 вырос с 50.9 до 62.0. Впрочем, реальный интерес вызывает бенчмарк MCPMark Verified, имитирующий работу в реальных средах вроде GitHub и Postgres. Здесь K2.7 Code набрала 81.1 балла, обойдя Claude Opus 4.8, хотя и не дотянувшись до флагмана OpenAI.

Разработчики внедрили режим «сохранения размышлений», который позволяет модели удерживать цепочку логических выводов на протяжении нескольких итераций диалога. Это критически важно для агентных систем, где потеря контекста рассуждений на промежуточном этапе часто приводит к деградации конечного результата в сложных репозиториях.

Экономическая эффективность K2.7 Code превращает архитектурный компромисс в стратегическое преимущество: когда стоимость вывода в 12 раз ниже, чем у топовых проприетарных моделей, разработчик может позволить себе многократные итерации рефакторинга и глубокое покрытие тестами. Ограничение в «чистой» логике компенсируется объемом доступных попыток, что делает модель идеальным рабочим инструментом для рутинной автоматизации, если закрыть глаза на ее склонность к избыточным рассуждениям.

Экономика токенов и условия лицензирования

Ценовая политика Moonshot AI выглядит как открытая декларация демпинга. Стоимость одного миллиона входных токенов составляет всего $0.95, а выходных — $4.00. Для сравнения, эксплуатация Claude Fable 5 обходится в 12 раз дороже на этапе генерации ответа. В условиях, когда ИИ-агенты потребляют миллионы токенов в фоновом режиме, такая разница в цене быстро перевешивает разрыв в несколько баллов бенчмарка.

Модель распространяется под модифицированной лицензией MIT. Она остается свободной для большинства, однако накладывает обязательства на крупных игроков. Компании с выручкой более $20 млн в месяц или аудиторией свыше 100 млн пользователей обязаны сохранять упоминание «Kimi K2.7 Code» в интерфейсе своих продуктов. Веса модели уже доступны для загрузки на платформе Hugging Face.

Для оптимизации работы Moonshot AI также предложила нативную INT4-квантование, что позволяет запускать этот «триллионник» на менее мощном оборудовании. Учитывая заявленное снижение объема «лишних» рассуждений на 30% по сравнению с K2.6, работа с моделью обещает стать более оперативной и дешевой, что подтверждает тренд на превращение токенов в базовый товарный актив ИИ-индустрии.