Moonshot выпустила Kimi K2.7-Code: китайские ИИ-программисты давят ценой

Moonshot AI выпустила Kimi K2.7-Code — открытую модель для программирования и агентных задач, построенную поверх Kimi K2.6. Веса уже доступны на Hugging Face под modified MIT license, а сама модель подключается через Kimi API и Kimi Code. Формально это очередной релиз в плотной гонке моделей для программирования, но его главный акцент необычен: Moonshot продаёт не только качество, а экономику длинной работы агента.

Компания заявляет, что K2.7-Code примерно на 30% снижает расход reasoning-токенов по сравнению с K2.6. Для обычного чат-ответа это звучит как техническая мелочь. Для агента-программиста, который часами читает репозиторий, строит план, запускает тесты, получает ошибки и переписывает решение, это уже прямые деньги и задержка. Чем длиннее задача, тем сильнее цена «размышлений» влияет на итоговую стоимость.

Почему важны не только баллы

По карточке модели, Kimi K2.7-Code — смесь экспертов с 1 трлн параметров всего и 32 млрд активных параметров на токен. Контекст — 256 тыс. токенов. Модель поддерживает текст, изображения и видео, работает в thinking-режиме и рассчитана на инструментальные сценарии: вызовы функций, JSON Mode, длинный контекст и многошаговые задачи.

В собственных тестах Moonshot результат тоже заметно вырос. На Kimi Code Bench v2 новая модель получила 62,0 балла против 50,9 у K2.6. На MCP Mark Verified она набрала 81,1, выше указанного в таблице результата Claude Opus 4.8. Но таблицу нужно читать трезво: это первая сторона, часть бенчмарков внутренние, а GPT-5.5 и Claude Opus 4.8 всё ещё лидируют в большинстве строк.

Именно поэтому новость важна не как объявление «китайская модель победила всех». Более точный вывод другой: open-weight игроки учатся давить закрытые модели там, где бизнес считает не рекорд в таблице, а цену решённой задачи.

Цена полного прогона

Официальная цена Kimi K2.7-Code — $0,95 за миллион входных токенов, $4 за миллион выходных и $0,19 за миллион входных токенов при попадании в кэш. Это заметно ниже верхнего сегмента западных frontier-моделей, особенно на выходе, где длинное reasoning-содержимое быстро раздувает счёт.

Для команд разработки это меняет вопрос выбора модели. Если нужен один самый сложный прогон с максимальным качеством, закрытая модель-лидер может быть оправдана. Если агент должен регулярно проходить по issue, чинить типовые баги, писать тесты, мигрировать код и работать с большим контекстом, экономия на каждом цикле становится не косметикой, а условием массового использования.

Эта логика уже видна в последних релизах китайских лабораторий: Xiaomi, MiniMax, Alibaba и Moonshot всё чаще говорят не только о «самой умной» модели, а о практической пригодности для агентов, IDE, локального развёртывания и дешёвых API. Kimi K2.7-Code вписывается именно в этот поворот.

Что это значит для разработчиков

Главная практическая ставка K2.7-Code — не заменить GPT-5.5 или Claude во всех задачах, а стать достаточно сильной и достаточно дешёвой моделью для повседневной агентной разработки. Открытые веса дают компаниям вариант самохостинга, а API с OpenAI- и Anthropic-совместимыми вызовами снижает барьер для теста.

Слабое место тоже очевидно: независимых проверок пока мало. До появления внешних отчётов K2.7-Code стоит воспринимать как перспективный релиз с сильной экономической заявкой, а не как окончательный рейтинг. Но направление уже понятно: следующая волна coding-агентов будет соревноваться не только интеллектом, но и тем, сколько стоит довести задачу до зелёных тестов.