Moonshot AIがKimi K2.7-Codeを公開──1Tパラメータ・推論トークン30%削減のコーディングモデル

中国のMoonshot AIが2026年6月12日、Kimi K2.7-Codeを公開した。1兆パラメータ（32Bアクティブ）のMoEモデルで、前モデルK2.6から推論トークン使用量を30%削減。自社ベンチマークで+21.8%の改善を報告しているが、SWE-bench等の独立ベンチマークは未公開。Modified MITライセンスで重み公開済み。

3行まとめ

Moonshot AIが2026年6月12日、Kimi K2.7-Codeを公開。1兆パラメータ（32Bアクティブ）のMoEモデルで、256Kコンテキスト窓・ビジョン入力対応

前モデルK2.6から推論トークン使用量を30%削減。ライブラリラッパーではなく直接実装を生成するよう訓練し、Rust/Go/Pythonでの汎化性能を向上

自社ベンチマークでは+21.8%改善を報告。ただしSWE-bench等の独立ベンチマークは未公開。VentureBeatは「実務者はベンチマーク数値に懐疑的」と報道

何が公開されたか

中国のAI企業Moonshot AIが2026年6月12日、コーディング特化モデルKimi K2.7-Codeを公開した（MarkTechPost、Codersera報道）。

Hugging Faceで重みが公開済み（Modified MITライセンス）で、Kimi API経由でも利用可能。

主要スペック

項目	値
総パラメータ	1T（1兆）
アクティブパラメータ/トークン	32B
エキスパート	384（8選択 + 1共有）
レイヤー数	61
アテンション	MLA（Multi-Latent Attention）
コンテキスト窓	256,000トークン
ビジョン	MoonViT（400Mパラメータ）──画像・動画入力対応
ライセンス	Modified MIT

K2.6からの主な改善

推論トークン30%削減

K2.7-Codeは推論チェーン（思考プロセス）のトークン使用量を約30%削減した。エージェント的なタスクではトークン消費がコストに直結するため、実用上の意味は大きい。

実装方式の変更

K2.6はライブラリのラッパーコードを生成する傾向があったが、K2.7は直接実装を生成するよう訓練されている。Moonshot AIによれば、これによりRust・Go・Python間の汎化性能が向上した。

ベンチマーク

Moonshot AIが報告した自社ベンチマーク（いずれもMoonshot独自基準）。

ベンチマーク	K2.6比改善
Kimi Code Bench v2	+21.8%
Program Bench	+11.0%
MLS Bench Lite	+31.5%

SWE-bench Verified、LiveCodeBench、HumanEval等の独立ベンチマークは本記事執筆時点で未公開。

VentureBeatは「実務者の間ではベンチマーク数値が実際の利用感と合わないとの声がある」と報じている。

モデルカードの絶対スコアは何を示しているか

上の表は改善率だが、Hugging Faceのモデルカードには絶対スコアの表が載っている（2026-08-14確認）。比較対象としてGPT-5.5とClaude Opus 4.8のスコアも同じ表に並ぶ。

ベンチマーク	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

冒頭の「+21.8%」は Kimi Code Bench v2 の 50.9 → 62.0 を相対改善率にした数字（62.0 ÷ 50.9 ≒ 1.218）。Program Bench の +11.0%（48.3 → 53.6）、MLS Bench Lite の +31.5%（26.7 → 35.1）も同じ計算で一致する。

この表で目を引くのは、Moonshot AI自身が出した数値でK2.7-Codeが6項目すべてGPT-5.5を下回っている点だ。Claude Opus 4.8に対しては MCP Mark Verified（81.1 対 76.4）の1項目のみ上回り、残り5項目は下回る。公式資料はSOTAを主張しておらず、「K2.6からどれだけ伸びたか」を訴求する構成になっている。前世代のKimi K2.5を含む24モデルを、自己申告ベンチマークとArena体感・価格を合成した指標で横並びにした試みがJTLスコアv3にある。

測定条件はモデルごとに異なる

モデルカードの脚注には、比較が同一のエージェント足場で行われていないことが明記されている。

Kimi K2.7 Code と K2.6：Kimi Code CLI 上でthinkingモード有効、temperature = 1.0、top-p = 0.95、コンテキスト長262,144トークン
GPT-5.5：Codex の xhigh モード
Claude Opus 4.8：Claude Code の xhigh モード（MLS Bench Lite のみ max effort 設定）

脚注は「これらの差異を除けば全ベンチマークは同一条件で評価した」としている。ただしコーディングエージェントのスコアはCLIやハーネス側の実装にも左右されるため、異なるハーネス同士の差をモデル単体の性能差として読むことはできない。

6項目のうち3項目は第三者ベンチマーク

本記事は当初「いずれもMoonshot独自基準」と書いたが、モデルカードの脚注を読んだところ正確ではなかったため訂正する（2026-08-14）。内訳は次のとおり。

ベンチマーク	出自
Kimi Code Bench v2	Moonshot AI 自社。10以上の言語を対象にした社内ベンチマーク。データセットの公開可否はモデルカードに記載がない
Kimi Claw 24/7 Bench	Moonshot AI 自社。17の職種シナリオ・610評価ポイント、OpenClawハーネス経由、3回平均
Program Bench	第三者（programbench.com）。バイナリと文書だけからプログラムを再実装させる200タスク、248,000超のファズ生成テストで判定
MLS Bench Lite	第三者（mls-bench.com）。MLS-Benchの公式30タスクサブセット、探索時間5時間
MCP Atlas	第三者（Scale AI Labs）。公式評価設定に準拠、ツール呼び出し100回上限・1ステップ32kトークン上限、3回平均
MCP Mark Verified	MCPMark（mcpmark.ai）をMoonshotのチームとベンチマーク運営側の両方が人手で再検証した版（原文: "re-checked by our team and the benchmark offical"）。公開は「近く」とのみ記載

自社が2項目、第三者が3項目、その中間が1項目。ただし第三者ベンチマークであっても、走らせたのはMoonshot AI自身であり、外部機関による再現ではない。

SWE-bench公式リーダーボードに掲載されているか

2026-08-14時点で、SWE-bench Verified の公式リーダーボードに Kimi K2.7-Code の掲載はない。

提出物はGitHubの SWE-bench/experiments リポジトリ evaluation/verified/ 配下で管理されている。同ディレクトリを確認したところ登録は134件で、Kimiを含むものは3件だけだった。

登録名	対象モデル
20250716_openhands_kimi_k2	Kimi K2
20250804_codesweep_sweagent_kimi_k2_instruct	Kimi K2 Instruct
20251014_Lingxi_kimi_k2	Kimi K2

verified split に限れば3件とも前世代のK2であり、K2.7-Codeの提出はない。ただし同じリポジトリには verified 以外に bash-only・multilingual という split もあり、そちらは2026年も登録が続いている（bash-onlyは2026年だけで13件、最新は 20260226_mini-v2.0.0_gemini-3-pro-high。multilingualは登録13件全てが2026年で、最新は 20260220_mini-v2.0.0_gpt-5-2-codex）。しかもKimi K2.5（前世代）はこの2つのsplitに登録がある（bash-onlyの 20260217_mini-v2.0.0_kimi-k2-5-high、multilingualの 20260213_mini-v2.0.0a0_kimi-k2-5。swebench.com公式ページへの掲載も確認した）。「3件とも前世代」「K2.7-Codeの提出はない」はverified split限定の状況で、split全体に一般化はできない。

verified splitの最新登録は 20251215_livesweagent_claude-opus-4-5 で、2026年に入ってからの新規登録は0件である。K2.7-Codeが公開された2026年6月12日の時点で動いていなかったのはverified splitに限った話で、bash-only・multilingualの2つは同じ時期も稼働していた。

なお、モデルカード本文にも SWE-bench・HumanEval・LiveCodeBench への言及は一切ない。

API料金

	価格（100万トークン）
入力	$0.95
出力	$4.00

公式ドキュメント（platform.moonshot.ai は platform.kimi.ai へリダイレクトされる）には、キャッシュヒット時の入力単価と高速版の価格も載っている（2026-08-14確認）。

モデル	入力（キャッシュヒット）	入力（キャッシュミス）	出力	コンテキスト窓
kimi-k2.7-code	$0.19	$0.95	$4.00	262,144
kimi-k2.7-code-highspeed	$0.38	$1.90	$8.00	262,144

上に挙げた$0.95・$4.00はキャッシュミス時の価格にあたる。コンテキストキャッシュがヒットすれば入力は$0.19まで下がり、キャッシュミス時の約5分の1になる。長いコードベースを繰り返し読ませるエージェント用途では、同じプレフィックスを再利用できるかどうかで入力コストが大きく変わる。

kimi-k2.7-code-highspeed は通常版のちょうど2倍の単価。公式価格表はコンテキスト窓を262,144トークンと明記しており、本記事の主要スペック表に書いた「256,000トークン」は 256K = 262,144 の丸め表記にあたる。

公式ドキュメントに、キャッシュの保存料金（時間あたり課金など）の記載はない。他社APIとの単価比較はClaude・GPT・GeminiのAPI単価早見表に整理してある。

配布されている重みはINT4量子化済み

Hugging Faceで配布されているチェックポイントは、量子化前のBF16重みではなく、最初からINT4量子化された状態のものだ（2026-08-14に config.json とHugging Face APIで確認）。

config.json の text_config.quantization_config は次の内容だった。

項目	値
量子化手法	compressed-tensors
フォーマット	pack-quantized
ビット数	4（int・対称量子化）
グループサイズ	32
状態	compressed（圧縮済み）
量子化の対象外	self_attn / shared_experts / mlp の gate・up・down 投影 / lm_head / vision_tower / mm_projector

ルーティング対象のエキスパートがINT4に落とされ、アテンション・共有エキスパート・密なMLP・出力層・ビジョンタワーはbfloat16のまま残されている。モデルカードはこれを「Kimi-K2-Thinkingと同じネイティブint4量子化手法」と説明している。

Hugging Face APIで確認したリポジトリの実サイズは 595.2GB（595,204,984,507バイト、safetensorsシャード64個・全87ファイル）。1兆パラメータのモデルとしてはINT4化が効いている一方、重みだけで595GBあるため個人環境で動かすハードルは高いままだ。

moonshotai 配下をAPIで検索した限り、K2.7に該当するリポジトリは moonshotai/Kimi-K2.7-Code の1つのみで、BF16版・FP8版の別リポジトリは公開されていない。フル精度の重みを前提とした再量子化はできない。

同梱されているのは重み・設定・トークナイザ・推論用Pythonコード（modeling_kimi_k25.py ほか）とデプロイガイドで、学習データや学習コードは含まれない。configuration_deepseek.py・modeling_deepseek.py も同梱されており、スペック表に挙げたMLA＋MoEという構成と符合する。

公式が示している実行構成

モデルカードにもデプロイガイドにも必要VRAMの明示はないが、ガイドには検証済みと書かれた構成が載っている。

構成	内容
vLLM	H200 単一ノード・TP8（8枚）での起動例。安定運用にはvLLM 0.19.1を推奨
SGLang	同じくH200単一ノード・TP8
KTransformers + SGLang	CPU+GPU混在推論。8× NVIDIA L20 + 2× Intel 6454S で Prefill 640.12 tokens/s、Decode 24.51 tokens/s（48並列）
LoRA SFT（KTransformers + LLaMA-Factory）	2× NVIDIA RTX 4090 + Intel 8488C、RAM 1.97TB・swap 200GB で 44.55 token/s

推論エンジンはvLLM・SGLang・KTransformersが推奨され、transformers の要件は >=4.57.1, <5.0.0。アーキテクチャがKimi K2.5／K2.6と同一のため、既存のデプロイ手順をそのまま流用できるとされている。

デプロイガイド自体が「これらは最適な構成とは限らない」と断っている点は付記しておく。

GLM-5.2との比較

同じ2026年6月にリリースされた中国発のオープンウェイトモデル同士。

	Kimi K2.7-Code	GLM-5.2
総パラメータ	1T	744B
アクティブ	32B	~40B
コンテキスト	256K	1M
重み公開	公開済み	翌週予定
ビジョン	あり	不明
独立ベンチマーク	なし	なし

K2.7はMCPツール統合の深さ、GLM-5.2は100万トークンのコンテキスト窓でそれぞれ差別化を図っている。GLM-5.2側の詳細は中国Zhipu AIがGLM-5.2を公開──100万トークン対応・MIT重み公開予定のコーディング特化モデルにまとめてある。

Modified MITライセンスは何を追加で求めるか

本記事は当初「具体的な制限事項はHugging Faceのモデルカードで確認が必要」と書いた。LICENSEファイルを読んだ結果を記す（2026-08-14確認）。

Our only modification part is that, if the Software (or any derivative works thereof) is used for any of your commercial products or services that have more than 100 million monthly active users, or more than 20 million US dollars (or equivalent in other currencies) in monthly revenue, you shall prominently display "Kimi K2.7 Code" on the user interface of such product or service.

整理すると次のようになる。

項目	内容
発動条件	商用の製品・サービスが「月間アクティブユーザー1億人超」または「月間売上2,000万米ドル超（他通貨は相当額）」のいずれかを満たす場合
義務	当該製品・サービスのユーザーインターフェースに「Kimi K2.7 Code」を目立つ形で表示する
適用範囲	ソフトウェア本体および派生物。コードリポジトリと重みの両方
それ以外	MITの標準条項のみ。利用・改変・再配布・商用利用は可、無保証

閾値が「年間」ではなく「月間」である点は読み違えやすい。月商2,000万ドル（年換算で2.4億ドル規模）なので、個人開発者や中小規模のサービスがこの条項に触れることはまず無い。使用料、再配布の制限、用途制限（競合モデルの学習に使うことの禁止など）は課されていない。

なお公開されているのは重みのみで学習データ・学習コードは含まれないため、この状態はオープンウェイトであってオープンソースではない。Hugging Face上のメタデータも license: other / license_name: modified-mit であり、OSI承認ライセンスとしては登録されていない。

GPT-5.5とOpus 4.8のスコアも両社の公表値ではなくMoonshot発表値

公開当初（2026年6月）の但し書きは以下のとおり。うち1点目と3点目は、2026-08-14の一次ソース確認によって内容が更新されている（それぞれ「6項目のうち3項目は第三者ベンチマーク」「Modified MITライセンスは何を追加で求めるか」を参照）。

報告されたベンチマーク数値はすべてMoonshot AI独自の基準であり、独立した第三者検証はない
VentureBeatが実務者の懐疑的な反応を報じている点を踏まえると、自社ベンチマーク数値は割り引いて読む必要がある
Modified MITライセンスの具体的な制限事項は、Hugging Faceのモデルカードで確認が必要
本記事は2026年6月12-15日の報道に基づく

2026-08-14の追記時点で、確認できていないこと・限界は次のとおり。

公式ベンチマーク表の測定は、モデルごとに異なるエージェント足場（Kimi Code CLI / Codex / Claude Code）で行われている。GPT-5.5とClaude Opus 4.8のスコアはOpenAI・Anthropic両社の公表値ではなく、Moonshot AIのモデルカードに載っている数値である。両社の公表値との突合は行っていない
Kimi Code Bench v2 と Kimi Claw 24/7 Bench はデータセットの公開可否がモデルカードに明記されておらず、外部から再現できるかは現時点で確認できない。MCP Mark Verified はモデルカードに「近くオープンソース化する」とのみ記載されており、2026-08-14時点で公開は確認できていない
Program Bench・MLS Bench Lite・MCP Atlas は第三者が設計したベンチマークだが、スコアを測定したのはMoonshot AI自身であり、外部機関による再現ではない
モデルカードにも公式デプロイガイドにも必要VRAMの明示はない。本記事に載せたのは公式が検証済みと記載している構成であり、動作の最小要件ではない
Hugging Face APIの公開値では、ダウンロード数（直近30日）651,078、いいね1,361（2026-08-14時点）。リポジトリ作成は2026-06-11、最終更新は2026-06-15。ダウンロード数にはミラーや自動取得が含まれうるため、実利用者数とは異なる
SWE-bench Verified公式リーダーボードは2025年12月15日の登録を最後に2026年の新規登録が0件であり、「掲載なし」はモデルの性能を意味しない
本記事の加筆分は2026-08-14に一次ソース（Hugging Faceモデルカード／LICENSE／config.json／Hugging Face API／platform.kimi.aiの公式価格表／SWE-bench experimentsリポジトリ）を参照して確認した。価格・ライセンス・ベンチマーク表はいずれも改定されうるため、利用前に原典で再確認してほしい

更新履歴

2026-08-14: SWE-bench公式リーダーボードについて「リーダーボード自体が約半年間動いていなかった」としていた記述をverified split限定の話に訂正（bash-only・multilingual splitは2026年も稼働しており、前世代のKimi K2.5も登録がある）。「Moonshot AIはこれらの指標で競う姿勢を最初から取っていない」という意図の断定を削除。Kimi Code Bench v2・Kimi Claw 24/7 Benchの「データセットは非公開」という記載を「公開可否はモデルカードに記載がない」に修正（モデルカード原文に非公開の明記はなく、リンク不在からの推測だった）。MCP Mark Verifiedの再検証主体を「Moonshotのチーム」から「Moonshotのチームとベンチマーク運営側の両方」に修正（原文と一致させた）。「入力コストの桁が変わる」（実際は約5倍）を「大きく変わる」に修正

Moonshot AIがKimi K2.7-Codeを公開──1Tパラメータ・推論トークン30%削減のコーディングモデル

何が公開されたか

主要スペック