Kimi K2.7-Code: トークン効率を向上させたオープンソースのコーディングモデル
Kimi K2.7-Code: open-source coding model with better token efficiency
Moonshot AIは、コーディングに特化したエージェンティックモデル「Kimi K2.7 Code」を発表しました。これはKimi K2.6を基盤とし、長期間のコーディングタスクにおけるエンドツーエンドの完了能力を強化しつつ、思考トークン使用量を約30%削減することでトークン効率を向上させています。Kimi K2.7 Codeは、1兆パラメータ(アクティブパラメータ320億)を持ち、256Kのコンテキスト長に対応しています。アーキテクチャはMixture-of-Experts(MoE)を採用し、61層(うち1層はDense層)で構成されています。Kimi Code Bench v2、Program Bench、MLS Bench Liteなどのコーディングベンチマークや、Kimi Claw 24/7 Bench、MCP Atlas、MCP Mark Verifiedなどのエージェンティックベンチマークで評価されています。特に、Kimi Code Bench v2では62.0、Program Benchでは53.6のスコアを記録しました。このモデルは、ネイティブint4量子化手法を採用し、vLLM、SGLang、KTransformersなどの推論エンジンで動作します。APIはhttps://platform.moonshot.aiで提供され、OpenAI/Anthropic互換APIが利用可能です。画像およびビデオ入力にも対応しており、preserve_thinkingモードがデフォルトで有効化されています。モデルの重みとコードリポジトリはModified MIT Licenseの下で公開されています。
- Moonshot AIがコーディング特化型エージェンティックモデル「Kimi K2.7 Code」を発表した。
- 先行モデルKimi K2.6比で思考トークン使用量を約30%削減しつつ、コーディングベンチマークで競争力のあるスコアを達成した。
- モデルの重みとコードがModified MIT Licenseの下で公開され、vLLM/SGLang/KTransformersなどの推論エンジンで動作する。
Moonshot AIがKimi K2.7 Codeとして、オープンソースの高性能コーディングAIモデルを公開した点は注目に値する。思考トークンを30%削減しながら競争力のあるベンチマークスコアを達成しており、推論コスト低減とパフォーマンス維持の両立がAIエージェントの実用化に直結する。Modified MIT Licenseでの公開により、コミュニティ活用・二次開発が加速し、Moonshot AIのエコシステム拡大やAPI収益化の布石となる可能性がある。