> ## Content Index
> Fetch the complete content index at: https://matveev.tech/llms.txt
> Use this file to discover other available public pages before exploring further.

# Kimi K2.7 Code: обзор открытой модели для кодинга
- URL: https://matveev.tech/kimi-k2-7-code/
- Published: 2026-06-15T13:20:27.000Z
- Updated: 2026-06-15T13:20:27.000Z
- Description: Moonshot выпустила открытую модель для агентного кодинга дешевле Claude в 5 раз. Разобрал бенчмарки, цену и стоит ли переходить на неё.
- Author: Pavel Matveev
- Tags: LLM, AI, Open Source, Агенты, Обзор

> TL;DR: Kimi K2.7 Code — открытая (Modified MIT) MoE-модель на триллион параметров от Moonshot AI, заточенная под агентный кодинг. Главные козыри: цена примерно в 5 раз ниже Claude Opus 4.8 и возможность поднять у себя. По бенчмаркам она пока проигрывает и Opus 4.8, и GPT-5.5\. Берут её ради открытости и цены, по качеству она во втором эшелоне.

Moonshot выкатывает модели с пугающей скоростью. Kimi K2.7 Code, вышедшая [12 июня 2026 года](https://huggingface.co/moonshotai/Kimi-K2.7-Code?ref=matveev.tech), это уже пятый крупный релиз серии меньше чем за год. И если предыдущие Kimi были про «универсальный ассистент», то здесь Moonshot сделала узкую ставку: только кодинг, только агентные сценарии. Решил разобраться, есть ли смысл смотреть в её сторону, когда под рукой есть Claude и GPT.

## Что такое Kimi K2.7 Code

Это open-weight модель архитектуры Mixture-of-Experts: триллион параметров всего, но на каждый токен активируется только 32 миллиарда. Контекст 256K токенов, 384 эксперта, из них на запрос подключается 8 плюс один общий. Под капотом ещё и визуальный энкодер MoonViT на 400M параметров, так что формально модель мультимодальная (текст, картинки, видео), хотя весь акцент релиза именно на коде.

Главное отличие от обычных чат-моделей: K2.7 Code не болтает, а работает по шагам. Планирует, правит файлы, дёргает инструменты, отлаживает результат. Это модель под long-horizon задачи, где агент крутится в цикле десятки итераций. И ещё одна особенность, важная на практике: thinking-режим тут принудительный, отключить его нельзя. Об этом ниже, потому что у этого есть и плюс, и минус.

Лицензия Modified MIT. То есть веса лежат [на Hugging Face](https://huggingface.co/moonshotai/Kimi-K2.7-Code?ref=matveev.tech) открыто, можно скачать и поднять у себя. Для команд с требованиями по data-residency это сразу меняет расклад.

## Как запустить Kimi K2.7 Code

Способов несколько, и самое приятное, что для большинства не нужно ничего переписывать.

Через официальный API, совместимый с OpenAI:

```python
from openai import OpenAI

client = OpenAI(
    api_key="sk-...",
    base_url="https://api.moonshot.ai/v1",
)
resp = client.chat.completions.create(
    model="kimi-k2.7-code",
    messages=[{"role": "user", "content": "Отрефактори этот модуль."}],
)

```

Если ты живёшь в агентных тулзах, есть Anthropic-совместимый эндпоинт. Подменяешь переменные окружения, и Kimi работает прямо внутри Claude Code, Cline или Roo Code:

```bash
export ANTHROPIC_BASE_URL=https://api.moonshot.ai/anthropic
export ANTHROPIC_MODEL=kimi-k2.7-code
export ANTHROPIC_API_KEY=sk-...

```

Хочешь полностью свой хостинг? Бери vLLM, SGLang или KTransformers, веса с Hugging Face. Но трезво оцени железо: по [оценке codersera](https://codersera.com/blog/kimi-k2-7-complete-guide-2026/?ref=matveev.tech), это около 600 ГБ в полной точности и порядка 240 ГБ в квантованном виде. Домашней видеокартой тут не обойтись. И отдельный момент: на старте нет ни GGUF, ни сборок под Ollama, так что простого локального запуска «в один клик» пока не будет. Есть ещё фирменный [Kimi Code CLI](https://www.kimi.com/code?ref=matveev.tech), если хочется готового агента из коробки.

## Бенчмарки: где честно проигрывает, а где удивляет

Перехожу к цифрам и постараюсь без приукрашивания. Moonshot показывает заметный рост относительно прошлой версии K2.6: [плюс 21,8% на Kimi Code Bench v2](https://www.marktechpost.com/2026/06/12/moonshot-ai-releases-kimi-k2-7-code-a-coding-model-reporting-21-8-on-kimi-code-bench-v2-over-k2-6/?ref=matveev.tech), плюс 31,5% на MLS Bench Lite. Прогресс за один шаг версии приличный.

Но как только в таблицу добавляются GPT-5.5 и Claude Opus 4.8, картина становится честнее:

| Бенчмарк             | K2.6 | K2.7 Code | GPT-5.5 | 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     |

Видно сразу: почти во всех тестах Kimi идёт третьей. Не провально, но и не лидер. Зато есть один любопытный момент. На MCP Mark Verified, бенчмарке про работу с инструментами, K2.7 Code набирает 81,1 против 76,4 у Opus 4.8\. То есть конкретно в дисциплине tool-use открытая модель обходит флагман Anthropic. Для агентов, которые живут на вызовах внешних тулзов, это не мелочь.

⚠️

Важная оговорка: все цифры выше — собственные бенчмарки Moonshot. Независимых результатов на стандартных наборах вроде SWE-bench Verified на дату релиза ещё нет. Я бы относился к ним как к сигналу «стоит протестировать на своём коде», а не как к доказательству, что замена модели улучшит твой проект.

## Главная фишка: экономия на токенах

Если убрать гонку за первым местом, то реальная ценность K2.7 Code в деньгах. Moonshot заявляет снижение расхода thinking-токенов примерно на 30% по сравнению с K2.6 при том же качестве. Для агентных пайплайнов, где модель думает на каждой итерации, это прямая экономия бюджета.

Вот тут и всплывает обратная сторона принудительного thinking-режима. На сложной агентной задаче рассуждения помогают и окупаются. На тривиальном запросе вроде «переименуй переменную» ты всё равно платишь за размышления, потому что выключить их нельзя. Палка о двух концах: для тяжёлых задач хорошо, для мелочи переплата.

## Сколько стоит Kimi K2.7 Code

Цены на официальном API такие:

| Тип токенов       | Цена за 1M |
| ----------------- | ---------- |
| Вход (cache miss) | $0.95      |
| Вход (cache hit)  | $0.19      |
| Выход             | $4.00      |

Для сравнения масштаба: codersera оценивает Kimi примерно в 5 раз дешевле Claude Opus 4.8 на сопоставимых задачах. А кэш-хит по $0.19 за миллион входных токенов выглядит почти неприлично дёшево, если у тебя много повторяющегося контекста (а в агентных циклах его всегда много). Плюс никто не отменял вариант с self-hosting, где ты платишь только за железо.

✈️

Слежу за тем, как открытые модели догоняют флагманов и роняют цены на AI-кодинг — [подписывайся в телеге](https://t.me/ctospeech?ref=matveev.tech).

## Кому подойдёт Kimi K2.7 Code

Скажу честно: если тебе нужна максимально умная модель и цена вторична, бери Opus 4.8 или GPT-5.5, Kimi их пока не догнала. Это видно по бенчмаркам, и притворяться, что это не так, смысла нет.

Но если смотреть на неё под правильным углом, картина другая. Kimi K2.7 Code — это про экономику и контроль. Она хороша там, где у тебя агентный пайплайн крутит тысячи вызовов в день и каждый цент на токенах превращается в реальные деньги. Хороша там, где данные нельзя выпускать наружу и нужен self-hosting. Хороша как недорогая рабочая лошадка для рутинного кодинга, где разница в пару процентов на бенчмарке не стоит пятикратной переплаты. И отдельно сильна в работе с инструментами, где она реально обходит Opus.

А вот для фронтирных задач на рассуждение, для общего чата (general-purpose версии K2.7 на старте просто нет) и в ситуациях, где тебе нужны проверенные независимые бенчмарки прямо сейчас, я бы пока подождал. Третье место в большинстве тестов это всё-таки третье место. Но сам факт, что открытая модель за пятую часть цены подбирается к флагманам и где-то их обходит, говорит о том, куда движется весь рынок. Я бы поставил её рядом с другой свежей китайской open-weight моделью для кода и понаблюдал, кто кого.

[Kimi K2.7 Code — Moonshot AIОткрытые веса (Modified MIT), API и инструкции по запуску модели для агентного кодинга.Hugging Face](https://huggingface.co/moonshotai/Kimi-K2.7-Code?ref=matveev.tech)

## Что ещё почитать

- [MiniMax M3: открытая модель бьёт GPT-5.5 в кодинге](https://matveev.tech/minimax-m3-obzor) — прямой конкурент Kimi из той же волны открытых китайских моделей
- [Claude Opus 4.8: что нового против Opus 4.7](https://matveev.tech/claude-opus-4-8) — флагман, с которым Kimi сравнивает себя в бенчмарках