MoonshotAI: Kimi K2.7 Code

Kimi K2.7 Code to model agencyjny skoncentrowany na kodowaniu, zbudowany na bazie Kimi K2.6. Dzięki znacznym ulepszeniom w rzeczywistych długoterminowych zadaniach kodowania, wzmacnia kompleksowe wykonywanie zadań w złożonych przepływach pracy inżynierii oprogramowania, jednocześnie poprawiając efektywność tokenów, redukując użycie tokenów myślenia o około 30% w porównaniu z Kimi K2.6.

Architektura	Mixture-of-Experts (MoE)
Całkowita liczba parametrów	1T
Aktywowane parametry	32B
Liczba warstw (w tym warstwa gęsta)	61
Liczba warstw gęstych	1
Ukryty wymiar uwagi	7168
Ukryty wymiar MoE (na eksperta)	2048
Liczba głów uwagi	64
Liczba ekspertów	384
Wybrani eksperci na token	8
Liczba współdzielonych ekspertów	1
Rozmiar słownictwa	160K
Długość kontekstu	256K
Mechanizm uwagi	MLA
Funkcja aktywacji	SwiGLU
Enkoder wizyjny	MoonViT
Parametry enkodera wizyjnego	400M

Benchmark

Kimi K2.6 Kimi K2.7 Code GPT-5.5 Claude Opus 4.8

Coding 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

Agentic 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

1. Ogólne szczegóły testowania

• O ile nie zaznaczono inaczej, Kimi K2.7 Code i K2.6 były testowane z włączonym trybem myślenia za pomocą Kimi Code CLI przy temperature = 1.0, top-p = 0.95 i długości kontekstu 262 144 tokenów; GPT-5.5 działał w Codex z trybem xhigh, a Opus 4.8 w Claude Code z trybem xhigh. Poza tymi różnicami, wszystkie benchmarki były oceniane w tych samych warunkach.

1. Benchmarki kodowania

• Kimi Code Bench V2 to nasz wewnętrzny benchmark zaprojektowany do oceny agentów kodowania w realistycznych zadaniach. Obejmuje zróżnicowane zadania inżynierii oprogramowania w ponad 10 głównych językach programowania i pełny stos produkcyjny, obejmujący zadania z wewnętrznych przypadków użycia inżynieryjnych, incydentów produkcyjnych i rzeczywistych projektów open-source, z naciskiem na usługi backendowe, infrastrukturę, inżynierię wydajności, programowanie systemowe, bezpieczeństwo, rozwój frontendowy oraz inżynierię ML/danych.
• Program Bench ocenia agentów generujących kod, prosząc ich o odtworzenie zachowania programu na podstawie tylko skompilowanego pliku binarnego i jego dokumentacji. Obejmuje 200 zadań, od małych narzędzi CLI po duże systemy, takie jak FFmpeg i SQLite. Zgłoszenia są oceniane na podstawie ponad 248 000 testów behawioralnych wygenerowanych przez fuzzowanie. W każdym zadaniu agent otrzymuje plik wykonywalny i jego dokumentację, ale bez kodu źródłowego, dekompilacji ani dostępu do internetu. Musi wybrać własny język implementacji, zbudować cały program od podstaw i przejść zestaw testów behawioralnych porównujących jego wyniki z oryginalnym plikiem binarnym.
• MLS-Bench ocenia, czy systemy AI potrafią wymyślać uogólnialne i skalowalne metody ML. MLS-Bench-Lite to oficjalny 30-zadaniowy podzbiór MLS-Bench, obejmujący przedtrening i po treningu LLM, robotykę, modele świata, wizję komputerową, uczenie przez wzmocnienie, optymalizację, systemy ML, AI dla nauki i inne. Agenci mają 5 godzin na eksplorację przed przesłaniem rozwiązań. Opus 4.8 jest oceniany z ustawieniem max effort w Claude Code.

1. Benchmarki agencyjne

• Kimi Claw 24/7 Bench to nasz wewnętrzny benchmark do oceny długoterminowej wydajności agencyjnej w trwałych, wielodniowych zadaniach współpracy. Obejmuje 17 profesjonalnych scenariuszy w 610 punktach oceny, obejmujących takie dziedziny jak inżynieria oprogramowania, badania ML, rekrutacja, trading, marketing. Wszystkie zadania są wykonywane za pomocą uprzęży OpenClaw. Ostateczny wynik to średni wskaźnik zaliczeń we wszystkich punktach oceny, uśredniony z 3 uruchomień.
• MCP-Atlas ocenia wydajność LLM w realistycznych zadaniach użycia narzędzi poprzez skalowalne MCP. Postępowaliśmy zgodnie z oficjalną konfiguracją oceny MCP-Atlas z budżetem 100 wywołań narzędzi i 32k max tokens na krok. Ostateczny wynik jest uśredniony z 3 uruchomień.
• MCPMark-Verified to zweryfikowana przez człowieka edycja MCPMark, benchmarku do oceny użycia narzędzi MCP w pięciu rzeczywistych środowiskach serwerowych — Notion, GitHub, Filesystem, Postgres i Playwright. Każde zadanie zostało ponownie sprawdzone przez nasz zespół i oficjalny benchmark i wkrótce zostanie udostępnione jako open-source. Postępowaliśmy zgodnie z oficjalną konfiguracją oceny MCPMark z budżetem 100 kroków wywołań narzędzi i 32k max tokens na krok. Ostateczny wynik jest uśredniony z 3 uruchomień.

1. Natywna kwantyzacja INT4

Kimi-K2.7-Code przyjmuje tę samą natywną metodę kwantyzacji int4 co Kimi-K2-Thinking.

Uwaga: Możesz uzyskać dostęp do API Kimi-K2.7-Code na https://platform.moonshot.ai i udostępniamy API kompatybilne z OpenAI/Anthropic. Obecnie Kimi-K2.7-Code jest zalecany do uruchamiania na następujących silnikach inferencyjnych: vLLM SGLang * KTransformers Kimi-K2.7-Code ma tę samą architekturę co Kimi-K2.5/Kimi-K2.6, a metoda wdrożenia może być bezpośrednio ponownie użyta. Wymagana wersja transformers to >=4.57.1.