문샷 AI, 1조 파라미터 오픈소스 코딩 모델 'Kimi K2.7 Code' 공개

Kimi K2.7 Code는 문샷 AI가 오픈소스로 공개한 1조 파라미터 규모의 코딩 특화 모델입니다. 복잡한 소프트웨어 엔지니어링과 자율 에이전트 작업을 위해 개발되었으며, 이전 세대인 K2.6 대비 장기 작업 수행 능력과 지시 이행 능력을 크게 끌어올렸습니다.

여러 파일에 걸친 코드 리팩터링이나 긴 호흡의 디버깅 세션을 안정적으로 처리할 오픈 모델을 찾고 있다면 가장 먼저 살펴볼 만한 결과물입니다.

1조 개 MoE 구조, 활성 파라미터는 320억 개

Kimi K2.7 Code는 혼합 전문가 아키텍처를 기반으로 설계되었습니다. 전체 파라미터는 1조 개에 달하지만, 토큰당 활성화되는 파라미터는 320억 개 수준으로 유지됩니다.

256K 컨텍스트 길이를 기본 지원하며, Multi-head Latent Attention과 4억 파라미터 규모의 비전 인코더 MoonViT를 탑재했습니다.

전체 가중치 파일은 Hugging Face를 통해 공개되었습니다. 다만 모델 용량이 약 600GB에 달하므로 로컬에서 직접 구동하려면 고사양 엔터프라이즈 하드웨어가 반드시 필요합니다.

특히 실용적인 개선점은 추론 모델 특유의 과도한 생각을 줄였다는 점입니다. 불필요하게 추론 토큰을 소모하는 현상을 개선해, K2.6 대비 생각 토큰 사용량을 평균 약 30% 절감했습니다.

폐쇄형 최상위 모델과의 격차 축소

벤치마크 결과도 눈에 띕니다. Kimi Code Bench v2에서 21.8%, Program Bench에서 11.0%, MLS Bench Lite에서 31.5% 향상되었습니다.

에이전트 실행 능력을 평가하는 Kimi Claw 24/7 Bench 등에서도 약 10% 개선되어, GPT-5.5나 Opus 4.8 같은 정상급 폐쇄형 모델에 근접한 성능을 보입니다.

사용 방법은 다양합니다. 직접 호스팅할 장비가 있다면 Hugging Face에서 가중치를 내려받을 수 있고, 일반 개발자는 Kimi Code 웹, 터미널 CLI, IDE 플러그인 또는 공식 Kimi API를 호출해 쓸 수 있습니다. API는 컨텍스트 캐싱을 지원해 캐시 적중 시 100만 토큰당 0.19달러에 이용할 수 있습니다.

주의할 점은 생각 모드가 강제된다는 점입니다. 생각 기능을 끄고 호출할 수 없으며, Kimi Code에서 비활성화할 경우 K2.6 모델로 자동 대체됩니다. 일반 글쓰기나 일상 대화 작업에는 여전히 K2.6 사용이 권장됩니다.

왜 중요한가

사내 소스코드 보안 문제로 폐쇄형 상용 API 사용을 꺼리던 엔지니어링 팀에게 Kimi K2.7 Code는 최상위 모델에 필적하는 완성도를 갖춘 강력한 오픈소스 대안이 됩니다.

단순히 매개변수를 늘리는 데 그치지 않고, 생각 토큰을 30% 덜 쓰면서도 256K 컨텍스트 상의 장기 과제 완수율을 높인 접근 방식이 매우 영리합니다. 600GB라는 거대한 크기 탓에 개인이 로컬 머신에서 돌리기는 어렵지만, API나 CLI 환경을 통해 당장 복잡한 개발 워크플로에 도입해 볼 가치가 충분합니다.