Kimi K2.7 Code

K2.7 Code · Rodzina: Kimi

Agentowy model kodowania MoE (1 bln param., 32 mld aktywnych) od Moonshot AI, zbudowany na Kimi K2.6; tryb myślenia, okno 256K, wejście tekst/obraz/wideo.

✓ Aktywny✓ Publiczny dostęp⚖ Open weightsLLMModel multimodalnyModel rozumowaniaModel używający narzędzi📁 Kimi

Okno kontekstowe

256K

tokenów

Parametry

1T (32B aktywnych)

parametrów

Data premiery

11 czerwca 2026

🏢Moonshot AIProducent

Dostęp:APIDownloadHostedWdrożenie:💻 Lokalnie☁ Cloud

Przegląd

Kimi K2.7 Code to agentowy model językowy skupiony na programowaniu, opracowany przez Moonshot AI i zbudowany na bazie modelu Kimi K2.6. Wykorzystuje architekturę Mixture-of-Experts (MoE) z łączną liczbą 1 biliona parametrów, z których na token aktywowanych jest 32 miliardy.

Architektura

Model liczy 61 warstw (w tym 1 warstwę gęstą), 384 ekspertów z 8 wybieranymi na token oraz 1 ekspertem współdzielonym. Stosuje mechanizm uwagi MLA, funkcję aktywacji SwiGLU i enkoder wizyjny MoonViT (400 mln parametrów). Okno kontekstowe wynosi 256K tokenów, a rozmiar słownika 160K.

Działanie i dostępność

Model działa domyślnie w trybie myślenia (thinking) z zachowaniem treści rozumowania między turami (preserve_thinking). Obsługuje wejście tekstowe, obrazowe i wideo, wywoływanie narzędzi (w tym protokół MCP) oraz natywną kwantyzację INT4. Względem Kimi K2.6 zmniejsza zużycie tokenów rozumowania o około 30%. Wagi udostępniono na licencji Modified MIT; model jest dostępny przez API (platforma Moonshot AI, zgodne z OpenAI/Anthropic), do pobrania z Hugging Face oraz w usłudze Kimi Code.

Klasyfikacja

LLMModel multimodalnyModel rozumowaniaModel używający narzędzi

Rodzina: Kimi

Dostęp i wdrożenie

APIPobieranieHostowane

LokalnieChmura

Wagi: Open weights

Kluczowe parametry

📏 Kontekst: 256K

🧩 Parametry: 1T (32B aktywnych)

✓ Narzędzia

📥 Wejście: tekst, obraz, wideo

Specyfikacja techniczna

Okno kontekstowe

256K

tokenów

Parametry

1T (32B aktywnych)

parametrów

Licencja

Modified MIT

Funkcje:✓ Używanie narzędzi

Modalności

⬇ Wejście (Input)

textimagevideo

⬆ Wyjście (Output)

textcode

Możliwości i zastosowania

Natywne możliwości modelu

Programowanie

Generowanie, analizowanie i modyfikowanie kodu w wielu językach programowania. Obejmuje pisanie funkcji, debugowanie, refaktoryzację, code review, tworzenie testów. Mierzone benchmarkami takimi jak HumanEval, SWE-bench.

Kategoria: coding

Zdolności agentowe

Zdolność modelu do autonomicznego planowania i wykonywania wieloetapowych zadań poprzez sekwencyjne użycie narzędzi, utrzymywanie kontekstu i adaptację do wyników pośrednich.

Kategoria: planning

Rozumowanie

Zdolność modelu do logicznego wnioskowania i rozwiązywania złożonych problemów.

Kategoria: reasoning

Rozumowanie wieloetapowe

Prowadzenie wieloetapowego toku rozumowania w długich, złożonych zadaniach.

Kategoria: reasoning

Długi kontekst

Obsługa dużych okien kontekstowych — dziesiątek do setek tysięcy (lub milionów) tokenów wejścia. Umożliwia analizę całych baz kodu, długich dokumentów, wielu równolegle rozmów bez utraty wcześniejszych informacji. GPT-5.1 wspiera 400 000 tokenów.

Kategoria: language

Rozumienie obrazu

Analiza i interpretacja treści obrazów.

Kategoria: vision

Rozumienie wideo

Zdolność modelu do analizy i interpretacji treści wideo — rozpoznawania akcji, ruchu, zdarzeń oraz relacji między obiektami w czasie.

Kategoria: video

Równoległe wywołania narzędzi

Zdolność do jednoczesnego wywoływania wielu narzędzi zewnętrznych w trakcie generowania odpowiedzi.

Kategoria: reasoning

Planowanie

Tworzenie i realizacja planów działania dla złożonych zadań.

Kategoria: planning

Rozumienie multimodalne

Zdolność modelu do łączenia i interpretowania informacji z więcej niż jednej modalności, np. tekstu i obrazu.

Kategoria: multimodal

Wyjście strukturyzowane

Generowanie danych w ustrukturyzowanych formatach, np. JSON.

Kategoria: structured_generation

Wyniki benchmarków

6 benchmarków

Kimi Code Bench v2

tryb myślenia, Kimi Code CLI, kontekst 262 144 tokenów, temp=1.0, top-p=0.95

62.0