Kimi K2.7 Code（Hugging Face リポジトリ）

![image](https://huggingface.co/moonshotai/Kimi-K2.7-Code/resolve/main/figures/kimi-logo.png) ## 1. モデル紹介 Kimi K2.7 Code は、コーディングに特化したエージェント型モデルで、Kimi K2.6 をベースに構築されています。実世界の長期的なコーディングタスクにおいて大幅な改善が見られ、複雑なソフトウェアエンジニアリングのワークフロー全体でのタスク完遂能力を強化しています。また、トークン効率も向上し、思考に必要なトークン使用量は Kimi K2.6 と比較して約 30% 削減されました。 ## 2. モデル概要 **アーキテクチャ** Mixture-of-Experts (MoE) **総パラメータ数** 1T **アクティブ化パラメータ数** 32B **レイヤー数**（密結合層を含む） 61 **密結合層の数** 1 **アテンション隠れ次元** 7168 **MoE 隠れ次元**（エキスパートあたり） 2048 **アテンションヘッド数** 64 **エキスパート数** 384 **トークンあたりの選択エキスパート数** 8 **共有エキスパート数** 1 **語彙サイズ** 160K **コンテキスト長** 256K **アテンション機構** MLA **活性化関数** SwiGLU **ビジョンエンコーダ** MoonViT **ビジョンエンコーダのパラメータ数** 400M ## 3. 評価結果 | Benchmark | Kimi K2.6 | Kimi K2.7 Code | GPT-5.5 | Claude Opus 4.8 | | :--- | :---: | :---: | :---: | :---: | | **コーディング** | | | | | | 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 | | **エージェント** | | | | | | 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 | **脚注** ### 一般テストの詳細 特に明記がない限り、Kimi K2.7 Code と K2.6 は、Kimi Code CLI を使用して思考モードを有効にした状態で評価されました。パラメータは温度（temperature）1.0、トップ P（top-p）0.95、コンテキスト長 262,144 トークンです。一方、GPT-5.5 は Codex の xhigh モードで、Opus 4.8 は Claude Code の xhigh モードで実行されました。これらの違いを除き、すべてのベンチマークは同一の条件下で評価されています。 ### コーディングベンチマーク Kimi Code Bench V2 は、コーディングエージェントが現実的なタスクをどのように処理するかを評価するために当社が開発した独自ベンチマークです。10 以上の主要なプログラミング言語にまたがる多様なソフトウェアエンジニアリングタスクを網羅しており、内部のエンジニアリングユースケースから実際の運用障害、そしてオープンソースプロジェクトに至るまで、フルスタックの生産環境を想定しています。特にバックエンドサービス、インフラストラクチャ、パフォーマンスエンジニアリング、システムプログラミング、セキュリティ、フロントエンド開発、そして機械学習・データエンジニアリングに重点を置いています。 ### Program Bench このベンチは、エージェントがコンパイル済みバイナリとドキュメントのみからプログラム動作を再現できるかを問うものです。対象となるのは CLI ツールから FFmpeg や SQLite といった大規模システムまで、200 のタスクに及びます。提出されたコードは、248,000 件を超えるファジング（fuzz）生成による振る舞いテストに対して評価されます。各タスクでは、エージェントには実行ファイルとドキュメントのみが与えられ、ソースコードやデコンパイル結果、インターネットへのアクセス権限はありません。エージェントは実装言語を自ら選択し、ゼロからプログラム全体を構築して、元のバイナリとの出力比較を行う振る舞いテストスイートをパスする必要があります。 MLS-Bench は、AI システムが汎用性が高くスケーラブルな機械学習手法を創出できるかを評価するベンチマークです。その公式サブセットである MLS-Bench-Lite は 30 のタスクで構成され、LLM の事前学習・事後学習、ロボット工学、ワールドモデル、コンピュータビジョン、強化学習、最適化、ML システム、AI for Science など多岐にわたる領域をカバーしています。エージェントには解決策を提出する前に 5 時間の探索時間が与えられます。Opus 4.8 は、Claude Code の最大努力設定で評価されました。 Agentic Benchmarks（エージェント型ベンチマーク） Kimi Claw 24/7 Bench は、持続的な多日間の共同作業タスクにおける長期ホライズンのエージェント性能を評価するための社内ベンチマークです。ソフトウェアエンジニアリング、ML リサーチ、採用、取引、マーケティングなど 610 の評価ポイントにわたる 17 の専門シナリオを対象としており、すべてのタスクは OpenClaw ハーネスを通じて実行されます。最終スコアは全評価ポイントの平均パス率であり、3 回のランの平均値で算出されます。 MCP-Atlas は、スケーラブルな MCP（Model Context Protocol）を活用した現実的なツール使用タスクにおける LLM の性能を評価します。公式の評価設定に従い、100 回のツール呼び出し制限とステップあたりの最大トークン数 32k で評価を行いました。最終結果は 3 回の実行の平均値です。 MCPMark-Verified は、Notion、GitHub、ファイルシステム、Postgres、Playwright の 5 つの実際のサーバー環境における MCP ツール使用を評価するためのベンチマーク「MCPMark」の人間検証版です。各タスクは当チームとベンチマーク公式チームによって再確認されており、近日中にオープンソース化されます。評価設定は公式の MCPMark に従い、ツール呼び出しの予算は 100 ステップ、1 ステップあたりの最大トークンは 32k としました。最終結果は 3 回のランの平均値です。 ## 4. ネイティブ INT4 量子化 Kimi-K2.7-Code は、[Kimi-K2-Thinking](https://huggingface.co/moonshotai/Kimi-K2-Thinking#4-native-int4-quantization) と同じネイティブな int4 量子化手法を採用しています。 ## 5. デプロイメント [Kimi-K2.7-Code の API](https://platform.moonshot.ai/) は [https://platform.moonshot.ai/](https://platform.moonshot.ai/) で利用可能です。OpenAI および Anthropic と互換性のある API も提供しています。 現在、Kimi-K2.7-Code には以下の推論エンジンでの実行を推奨しています: - vLLM - SGLang - KTransformers Kimi-K2.7-Code は Kimi-K2.5/Kimi-K2.6 と同じアーキテクチャを採用しているため、デプロイ方法はそのまま流用できます。 必要な transformers のバージョンは 4.57.1 以上で 5.0.0 未満です。 デプロイのサンプルについては、[モデルデプロイメントガイド](https://huggingface.co/moonshotai/Kimi-K2.7-Code/blob/main/docs/deploy_guidance.md) をご覧ください。 ## 6. モデルの利用方法 以下の使用例は、公式 API の呼び出し方を示しています。Kimi-K2.7-Code では、思考プロセスと思考の保持（preserve_thinking）が自動的に True に設定される点にご注意ください。 vLLM や SGLang でデプロイされたサードパーティ製 API をご利用の場合、以下の点にご注意ください。 - 動画コンテンツとのチャット機能は実験的な機能であり、現時点では公式 API のみでサポートされています。 - 「思考モード」での推奨温度（temperature）は 1.0 です。 - 推奨 top_p は 0.95 です。 - インスタンストモードはサポートされていません。 ## チャット完了 これは、思考モードで K2.7-Code API を呼び出す方法を示すシンプルなチャット完了スクリプトです。 import openai import base64 import requests def simple_chat(client: openai.OpenAI, model_name: str): messages = [ {'role': 'system', 'content': 'You are Kimi, an AI assistant created by Moonshot AI.'}, { 'role': 'user', 'content': [ {'type': 'text', 'text': 'which one is bigger, 9.11 or 9.9? think carefully.'} ], }, ] response = client.chat.completions.create( model=model_name, messages=messages, stream=False, max_tokens=4096 ) print('====== Below is reasoning content in Thinking Mode ======') print(f'reasoning content: {response.choices[0].message.reasoning}') print('====== Below is response in Thinking Mode ======') print(f'response: {response.choices[0].message.content}') ## 視覚コンテンツを伴うチャット完了 K2.7-Code は画像と動画の入力をサポートしています。 以下の例は、画像入力を使用して K2.7-Code API を呼び出す方法を示しています。 import openai import base64 import requests def chat_with_image(client: openai.OpenAI, model_name: str): url = 'https://huggingface.co/moonshotai/Kimi-K2.7-Code/resolve/main/figures/kimi-logo.png' image_base64 = base64.b64encode(requests.get(url).content).decode() messages = [ { 'role': 'user', 'content': [ {'type': 'text', 'text': 'Describe this image in detail.'}, { 'type': 'image_url', 'image_url': {'url': f'data:image/png;base64,{image_base64}'}, }, ], } ] response = client.chat.completions.create( model=model_name, messages=messages, stream=False, max_tokens=8192 ) print('====== Below is reasoning content in Thinking Mode ======') print(f'reasoning content: {response.choices[0].message.reasoning}') print('====== Below is response in Thinking Mode ======') print(f'response: {response.choices[0].message.content}') The following example demonstrates how to call K2.7-Code API with video input: import openai import base64 import requests def chat_with_video(client: openai.OpenAI, model_name:str): url = 'https://huggingface.co/moonshotai/Kimi-K2.7-Code/resolve/main/figures/demo_video.mp4' video_base64 = base64.b64encode(requests.get(url).content).decode() messages = [ { "role": "user", "content": [ {"type": "text","text": "Describe the video in detail."}, { "type": "video_url", "video_url": {"url": f"data:video/mp4;base64,{video_base64}"}, }, ], } ] response = client.chat.completions.create(model=model_name, messages=messages) print('====== Below is reasoning content in Thinking Mode ======') print(f'reasoning content: {response.choices[0].message.reasoning}') print('====== Below is response in Thinking Mode ======') print(f'response: {response.choices[0].message.content}') ## Preserve Thinking Kimi K2.7 Code はデフォルトで「思考履歴の保持（preserve_thinking）」モードを有効にしており、複数回の対話を通じて推論プロセス全体を維持します。これにより、コーディングエージェントとしての性能が向上します。 この機能は常にオンになっており、オフにすることはできません。以下に、preserve_thinking モードで K2.7-Code API を呼び出す方法の例を示します： def chat_with_preserve_thinking(client: openai.OpenAI, model_name: str): messages = [ { "role": "user", "content": "Tell me three random numbers." }, { "role": "assistant", "reasoning_content": "I'll start by listing five numbers: 473, 921, 235, 215, 222, and I'll tell you the first three.", # Some API (e.g. vLLM) may not support reasoning_content, you can try reasoning instead "content": "473, 921, 235" }, { "role": "user", "content": "What are the other two numbers you have in mind?" } ] response = client.chat.completions.create( model=model_name, messages=messages, stream=False, max_tokens=4096, ) # the assistant should mention 215 and 222 that appear in the prior reasoning content print(f"response: {response.choices[0].message.reasoning}") return response.choices[0].message.content ## 思考と多段階ツール呼び出しの併用 K2.7-Code は、K2 Thinking と同じく「思考と多段階ツール呼び出しを併用する」設計を採用しています。具体的な利用例については、[K2 Thinking のドキュメント](https://platform.moonshot.ai/docs/guide/use-kimi-k2-thinking-model#complete-example) をご参照ください。 ## コーディングエージェントフレームワーク Kimi K2.7-Code は、エージェントフレームワークとして「Kimi Code CLI」との相性が最も良いです。ぜひ [https://www.kimi.com/code](https://www.kimi.com/code) でお試しください。 ## 7. ライセンス コードリポジトリとモデルの重みは、[Modified MIT License](https://huggingface.co/moonshotai/Kimi-K2.7-Code/blob/main/LICENSE) の下で公開されています。 ## 8. サードパーティに関する通知 詳細は [THIRD PARTY NOTICES](https://huggingface.co/moonshotai/Kimi-K2.7-Code/blob/main/THIRD_PARTY_NOTICES.md) をご確認ください。 ## 9. お問い合わせ ご質問等ございましたら、[support@moonshot.ai](mailto:support@moonshot.ai) までご連絡ください。 先月のダウンロード数：56,750 Kimi K2.7 Code は、Hugging Face で公開されている多機能な AI モデルです。このモデルは画像とテキストの両方を理解し、対話形式で回答を生成することができます。 現在、Together、Novita、Fireworks AI、Featherless AI といった複数の推論プロバイダーを通じて利用可能です。特に Fireworks AI を介してアクセスする場合、他のプロバイダーと比較して最も高速な処理速度（1 秒あたり約 99 トークン）が実現されています。 モデルの規模は非常に大きく、パラメータ数は約 4390 億に達します。データ形式は BF16 で保存されており、ファイルサイズは約 595GB に及ぶ大規模なモデルです。また、構造化された出力やツール呼び出し機能にも対応しており、複雑なタスク処理も可能です。 このモデルは「Kimi K2.7」シリーズの一部であり、画像認識とテキスト生成の両方を統合したマルチモーダル能力を備えています。開発元である Moonshot AI によって管理され、Transformers ライブラリを使用して簡単に実装できます。 ユーザーからの評価も高く、ダウンロード数は 5 万回を超え、多くの開発者や研究者に利用されています。日本語を含む多言語対応にも優れており、国際的なプロジェクトでの活用が期待されます。 moonshotai/Kimi-K2.7-Code のモデルツリー moonshotai/Kimi-K2.7-Code を使用したスペース 10 moonshotai/Kimi-K2.7-Code を含むコレクション

Kimi K2.7 Code（Hugging Face リポジトリ）

背景や根拠まで確認しますか？

調べる

選ぶ

サイト

背景や根拠まで確認しますか？

ニュースの次に確認する

調べる

選ぶ

サイト