Kimi K2.7-Code リリースノート: トークン効率を向上させたオープンウェイト・コーディングモデル
Moonshot AI は、複雑なソフトウェアエンジニアリングのワークフローにおけるエンドツーエンドのタスク完了を改善するために設計された、コーディングに特化したエージェンティック・モデルである Kimi K2.7-Code をリリースしました。Kimi K2.6 をベースに構築されたこの新しいモデルは、「思考トークン（thinking tokens）」の使用量を約 30% 削減することで、トークン効率を大幅に向上させています。
モデルアーキテクチャと技術仕様
Kimi K2.7-Code は、高いキャパシティと推論効率のバランスをとるために Mixture-of-Experts (MoE) アーキテクチャを採用しています。総パラメータ数は 1 兆（1T）に達しますが、トークンあたりのアクティブなパラメータ数は 320 億（32B）に抑えられています。
| 仕様 | 詳細 |
|---|---|
| アーキテクチャ | Mixture-of-Experts (MoE) |
| 総パラメータ数 | 1T |
| アクティブ・パラメータ数 | 32B |
| レイヤー数 | 61 (1つの高密度レイヤーを含む) |
| エキスパート数 | 合計 384 (1トークンあたり 8 つを選択、1 つは共有) |
| コンテキスト長 | 256K |
| アテンション・メカニズム | MLA |
| 活性化関数 | SwiGLU |
| ビジョン・エンコーダー | MoonViT (400M パラメータ) |
| 語彙サイズ | 160K |
パフォーマンス・ベンチマーク
Kimi K2.7-Code は、前身である K2.6 と比較して、特にエージェンティックなタスクやコーディング・タスクにおいて顕著な改善を示しており、GPT-5.5 や Claude Opus 4.8 のようなプロプライエタリ・モデルとの差を縮めています。
コーディングおよびエージェンティックな結果
| ベンチマーク | Kimi K2.6 | Kimi K2.7 Code | GPT-5.5 | Claude Opus 4.8 |
|---|---|---|---|---|
| Kimi Code Bench v2 | 50.9 | 62.0 | 69.0 | 67.4 |
| Program Bench | 48.3 | 53.6 | 69.1 | 63.8 |
| MLS Bench Lite | 26.7 | 35.1 | 35.5 | 42.8 |
| Kimi Claw 24/7 Bench | 42.9 | 46.9 | 52.8 | 50.4 |
| MCP Atlas | 69.4 | 76.0 | 79.4 | 81.3 |
| MCP Mark Verified | 72.8 | 81.1 | 92.9 | 76.4 |
主要な機能と能力
ネイティブ INT4 量子化
Kimi K2.7-Code は、Kimi-K2-Thinking で使用されているものと同じネイティブ INT4 量子化手法を実装しており、精度を大幅に損なうことなく、より効率的なデプロイが可能になります。
マルチモーダル入力
このモデルは画像およびビデオ入力をサポートしており、コードとともに視覚的なコンテキストを処理することが可能です。ビデオコンテンツとのチャットは現在、公式 API を経由してのみ利用可能な実験的機能ですが、画像サポートは完全に統合されています。
強制的な思考モードと思考の保持
Kimi K2.7-Code は、必須の「思考（Thinking）」モードで動作します。preserve_thinking を True に強制するため、モデルはマルチターン・インタラクションを通じて完全な推論内容を保持します。これは、タスク完了に過去の推論が不可欠な、複雑なコーディング・エージェント・シナリオにおいてパフォーマンスを向上させるために特別に設計されています。
インターリーブされた思考とツール利用
このモデルは、思考とマルチステップのツール呼び出しを交互に行う（interleaved thinking）ことをサポートしており、エージェントが問題に対して推論を行い、最終的な回答を提供する前に、一連の系のツールを実行できる仕組みになっています。
デプロイと使用方法
Kimi K2.7-Code は Modified MIT License の下でリリースされています。以下の推論エンジンを使用してデプロイすることが推奨されます：
- vLLM
- SGLang
- KTransformers
技術的要件:
transformersバージョン:>=4.57.1, <5.0.0- 推奨
temperature: 1.0 (思考モード用) - 推奨
top_p: 0.95
コミュニティの洞察と議論
コミュニティのフィードバックは、「オープンウェイト」モデルが、多くのワークフローにおいて、トップティアのプロプライエタリ・モデルと高品質なオープンモデルとの差がわずかなものになるという、パフォーマンスの閾値に達しているという、成長する傾向を強調しています。
コストとパフォーマンスについて
ユーザーは、Claude Opus のようなプロプライエタリ・モデルが大幅に高価であるのに対し、パフォーマンスの差が縮小していることに注目しています。あるユーザーは次のように述べています：
"I think there is some threshold after which 'best' model doesn't matter... at some point, it will just do the thing you want it to do, and then the race to the bottom will start."
エージェンティックな挙動について
一部のユーザーは、K2.7-Code が K2.6 と比較して、指示への追従性やエージェンティックな挙動が向上していると報告しています。具体的には、カスタム・ツール呼び出し形式に関するものです：
"Finally follows custom tool call format (k2.6 couldn't). It's a good indicator of instructions following and agentic behaviour."
ライセンスについて
Modified MIT license は、コミュニティ・メンバーによって、合理的な要求であると説明されています。本質的には、古い BSD license と同様の条項を追加し、製品に使用する場合にモデルの出所を明示することをユーザーに求めるものです。