Moonshot AI、1兆パラメータのコード特化MoEモデル「Kimi K2.7 Code」をオープンソース公開

Kimi K2.7 Code は、Moonshot AI がオープンソースとして公開した総パラメータ 1 兆規模のコード特化型大規模言語モデルです。複雑なソフトウェア開発や自律型エージェントのタスクに向けて設計されており、長時間のデバッグや大規模なリファクタリングをこなす能力を前世代の K2.6 から大きく引き上げています。

複数のソースコードをまたぐ機能実装や、長時間のセッションを伴う自律コーディングをオープンな環境で動かしたい人にとって、極めて実用的な選択肢です。

1 兆パラメータの MoE だが、活性化は 320 億

Kimi K2.7 Code は Mixture-of-Experts 構造を採用しており、総パラメータは 1 兆に達しますが、1 トークンあたりに活性化するパラメータは 320 億にとどまります。

コンテキスト長は最大 256K トークンをサポートし、Multi-head Latent Attention を採用。さらに 400M パラメータの視覚エンコーダ MoonViT も内蔵しています。

モデルの重みファイルは Hugging Face で完全公開されています。ただしファイルサイズは約 600GB に達するため、ローカルで動かすには本格的なエンタープライズ向けハードウェアが必須です。

技術面で最も賢い改善は、思考モデル特有の「考えすぎ」を抑えた点です。推論時に無駄なトークンを浪費する傾向を抑え、思考トークンの消費量を K2.6 比で約 30% 削減しました。

閉源のトップモデルに迫るスコア、ただし思考モード固定

ベンチマーク性能では、Kimi Code Bench v2 で前世代比 +21.8%、Program Bench で +11.0%、MLS Bench Lite で +31.5% の伸びを記録しました。

自律エージェントの検証である Kimi Claw 24/7 Bench などでも約 10% 向上しており、GPT-5.5 や Opus 4.8 といった最上位の商用閉源モデルに迫る水準に達しています。

利用方法は、Hugging Face から重みを落とすか、Kimi Code の Web 画面、ターミナル CLI、IDE 拡張機能を使う形になります。開発者向けには Kimi API も用意されており、キャッシュヒット時は 100 万トークンあたり 0.19 ドル、ミス時は 0.95 ドルで利用可能です。

注意点として、本モデルは思考モード専用に作られており、思考をオフにはできません。オフに設定すると自動的に前世代の K2.6 が呼び出されます。一般的な文章作成や会話には、引き続きバランス型の K2.6 が推奨されています。

なぜ重要か

社内コードの機密性を守るためにオンプレミス環境で開発支援 AI を動かしたいチームにとって、K2.7 Code は商用トップモデルに肉薄する貴重なオープンウェイトの選択肢になります。

思考トークンを 30% 削減しながら長いコンテキストの完遂能力を高めた点は、実運用のコストや速度の面で極めて理にかなっています。約 600GB というサイズのため個人がローカルで動かす敷居は高いものの、API や CLI 経由であれば即座に現場へ投入する価値があります。