Moonshot AI의 코딩 특화 오픈웨이트 모델. 2026-06-12 Hugging Face에 등장하며 공개됐고 Kimi 공식 문서에 “Kimi K2.7 Code officially released”로 표기. kimi-k2 시리즈(K2.5/K2.6)의 코딩 전용 후속.
핵심 사실
- 공개일: 2026-06-12
- 아키텍처: 1T 파라미터 MoE (활성 32B, 전문가 384개). Modified MIT. 오픈웨이트 ~340GB
- 컨텍스트: 256K 토큰 (대규모 레포·다중 파일 프로젝트·문서 분석에 적합)
- thinking: 항상 thinking 강제 — non-thinking 모드 미지원. K2.6 대비 thinking 토큰 약 30% 절감하면서 자체 벤치 점수는 상승
- 멀티모달: 네이티브 멀티모달(텍스트/이미지/비디오 입력)
- 가격: 입력 4.00 (백만 토큰). 모델 ID
kimi-k2.7-code
벤치마크 (Moonshot 자체 발표)
K2.6 대비 공개 6종 코딩·에이전트 벤치 전부 개선 (Kimi Code Bench v2 +21.8%,
MLS Bench Lite +31.5%). 다만 같은 표 안에서 보면 대부분 gpt-5.5 / Claude Opus 4.8보다
낮고, MCP Mark Verified에서만 Opus 4.8을 앞선다. 표준 third-party 벤치는 미공개라
주장은 자체 수치 의존(confidence: medium).
| 벤치마크 | Kimi K2.7 Code | GPT-5.5 | Claude Opus 4.8 |
|---|---|---|---|
| Kimi Code Bench v2 | 62.0 | 69.0 | 67.4 |
| Program Bench | 53.6 | 69.1 | 63.8 |
| MLS Bench Lite | 35.1 | 35.5 | 42.8 |
| Kimi Claw 24/7 Bench | 46.9 | 52.8 | 50.4 |
| MCP Atlas | 76.0 | 79.4 | 81.3 |
| MCP Mark Verified | 81.1 | 92.9 | 76.4 |
평가
“오픈웨이트 가성비 코딩 모델” 포지션. 표준 SWE-bench Pro류 점수보다 Moonshot 자체 벤치 위주라 절대 우열은 신중히 봐야 한다. 같은 신규군 glm-5.2와 함께 오픈웨이트 코딩 선택지.
관련 페이지
- 2026-06-14-new-coding-models-glm-kimi-fable-opus-gpt — 신규 코딩 모델 6종 비교
- kimi-k2 — K2 / K2.6 시리즈 (상위 계보)
- glm-5.2 · gpt-5.5 · claude-fable-5
- moc-ai-models · moc-ai-coding