Kimi K2.7 Code는 Moonshot AI가 공개한 코딩 에이전트 특화 오픈소스 모델이다. Kimi K2.6을 기반으로 장기(long-horizon) 코딩 작업 성능을 집중 강화했으며, 사고 토큰(thinking token) 소비를 K2.6 대비 약 30% 줄여 토큰 효율도 함께 개선했다. HuggingFace에서 모델 가중치를 내려받을 수 있다.
아키텍처
전체 파라미터 1T의 혼합 전문가(Mixture-of-Experts, MoE) 구조로, 추론 시 토큰당 8개 전문가만 활성화해 실질 연산 규모는 32B에 그친다. 멀티모달 입력을 위한 비전 인코더 MoonViT(400M 파라미터)를 내장하고 있다.
| 항목 | 값 |
|---|---|
| 아키텍처 | Mixture-of-Experts (MoE) |
| 전체 파라미터 | 1T |
| 활성 파라미터 | 32B |
| 레이어 수 | 61 (Dense 레이어 1개 포함) |
| 전문가 수 | 384 |
| 토큰당 선택 전문가 | 8 |
| 어텐션 메커니즘 | MLA |
| 컨텍스트 길이 | 256K 토큰 |
| 어휘 크기 | 160K |
| 비전 인코더 | MoonViT (400M) |
| 활성화 함수 | SwiGLU |
성능 벤치마크
GPT-5.5, Claude Opus 4.8과 동일 조건(Kimi Code CLI, 사고 모드 활성, 온도 1.0, top-p 0.95, 컨텍스트 262K)에서 비교 평가한 결과다.
| 벤치마크 | 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 |
코딩·에이전틱 벤치마크 전 항목에서 K2.6 대비 유의미한 향상을 기록했다. GPT-5.5, Opus 4.8과의 격차는 아직 존재하지만 오픈소스 코딩 모델 중에서는 최상위권에 위치한다.
주요 특징
토큰 효율 개선
K2.6 대비 사고 토큰 사용량을 약 30% 줄이면서도 벤치마크 성능은 높아졌다. 복잡한 태스크를 더 효율적으로 처리한다는 의미다.
Native INT4 양자화
Kimi-K2-Thinking과 동일한 네이티브 INT4 양자화 방식을 지원해, 소비자급 GPU에서도 추론이 가능하다.
비전 입력
MoonViT 인코더를 통해 이미지·코드 스크린샷 등 시각 입력을 함께 처리할 수 있다.
배포 및 사용
공식 권장 실행 환경은 vLLM이며, Kimi Code CLI와 조합했을 때 에이전트 코딩 작업에서 최적 성능을 낸다.
from transformers import AutoTokenizer, AutoModelForCausalLM
tokenizer = AutoTokenizer.from_pretrained("moonshotai/Kimi-K2.7-Code")
model = AutoModelForCausalLM.from_pretrained(
"moonshotai/Kimi-K2.7-Code",
device_map="auto",
)누가, 어떤 상황에 쓰면 좋은가
- 코딩 에이전트 개발자: 오픈소스로 GPT-5.5에 준하는 코딩 능력이 필요할 때
- 프라이버시 중요 조직: 가중치를 직접 호스팅해 외부 API 의존 없이 운용하려는 경우
- 비용 최적화: Opus 4.8 수준 추론을 자체 인프라에서 실행해 토큰 비용을 절감하려는 경우
라이선스
모델 카드 및 Moonshot AI 이용약관에 따른다. 상용 활용 전 HuggingFace 저장소의 라이선스 섹션을 반드시 확인할 것.
관련 문서
참고 자료
- moonshotai/Kimi-K2.7-Code — HuggingFace 공식 저장소