Qu’est-ce que Kimi K2.7 Code ?
Kimi K2.7 Code est un modèle axé programmation de Moonshot AI, publié sur Hugging Face en juin 2026 et bâti sur Kimi K2.6. C'est un modèle mixture-of-experts de 1 000 milliards de paramètres au total et environ 32 milliards actifs par token, 384 experts dont 8 choisis à chaque étape plus un partagé, sur 61 couches. Les poids arrivent en quantization native INT4, la même méthode que Kimi K2 Thinking.
Il lit texte et images et écrit du texte ; l'entrée vidéo est marquée expérimentale et ne fonctionne que via l'API propre de Moonshot. Le contexte est de 256K tokens. Le modèle tourne toujours en mode raisonnement et conserve son raisonnement d'un tour à l'autre, ce qui ne peut pas être désactivé, mais il est réglé pour utiliser environ 30% de tokens de raisonnement en moins que K2.6. La licence est une Modified MIT License couvrant le code et les poids.
Kimi K2.7 Code vaut-il le coup ?
Le tableau de Moonshot montre un vrai gain d'une génération à l'autre. K2.7 Code bat Kimi K2.6 sur chaque benchmark listé : 62,0 contre 50,9 sur le propre Kimi Code Bench v2 de Moonshot, 46,9 contre 42,9 sur son Kimi Claw 24/7 Bench agentique, et 81,1 contre 72,8 sur MCP Mark Verified. Sur ce dernier test il dépasse même Claude Opus 4.8, qui note 76,4.
Partout ailleurs les modèles fermés restent devant. GPT-5.5 atteint 69,0 et Opus 4.8 67,4 sur Kimi Code Bench v2 contre les 62,0 de K2.7 Code, et les deux mènent sur MCP Atlas et le banc agentique. Deux des six tests mis en avant, Kimi Code Bench et Kimi Claw 24/7 Bench, sont ceux de Moonshot, alors lisez la comparaison comme le cadrage d'un fabricant, pas comme un classement neutre. Fait notable, la fiche ne rapporte jamais SWE-bench, le test auquel le plus d'acheteurs se réfèrent.
Le design a du caractère. Le raisonnement et le raisonnement conservé sont tous deux toujours activés, sans mode instantané, donc vous ne pouvez pas le faire tourner comme un compléteur rapide et bon marché ; en échange, il utilise environ 30% de raisonnement en moins que K2.6 pour le même travail. Comme il partage l'architecture de K2.5 et K2.6, les configurations existantes vLLM, SGLang et KTransformers le servent sans changement, mais un modèle de 1 000 milliards de paramètres en INT4 demande quand même beaucoup de mémoire, ce qui pousse la plupart des équipes vers l'API hébergée.
Le hic : c'est déjà une branche secondaire. Kimi K3 de Moonshot, publié en juillet 2026, est le navire amiral plus récent, donc K2.7 Code se lit mieux comme un fork réglé pour le code de la lignée K2 que comme le modèle à standardiser. La licence permissive et l'appel d'outils agentique sont les raisons de le garder en vue.
Notre avis : si vous auto-hébergez la famille K2 pour des agents de programmation et voulez l'option ouverte la plus forte de cette lignée, c'est celui-ci ; pour un choix neuf, pesez-le face à Kimi K3 et à la frontière hébergée avant d'engager le matériel.
Là où il fait la différence
Une équipe plateforme qui sert déjà Kimi K2.6 pour des agents de programmation
Passer à un modèle plus fort sans changer la pile de service
Remplacez par K2.7 Code, qui partage l'architecture K2.5/K2.6 et tourne sur la même configuration vLLM, SGLang ou KTransformers. Attendez-vous à un gain sur les benchmarks de programmation et à environ 30% de raisonnement en moins par tâche, ce qui réduit la dépense en tokens.
Une entreprise qui construit un agent de programmation autonome sur poids ouverts
Exécuter de longues tâches logicielles en plusieurs étapes avec appels d'outils
Utilisez le raisonnement toujours actif et l'appel d'outils entrelacé en plusieurs étapes pour piloter du travail à l'échelle du dépôt via la Kimi Code CLI ou un serveur compatible OpenAI, en acceptant de ne pas pouvoir passer à un mode instantané moins cher pour les appels triviaux.
Un développeur qui compare des modèles de code ouverts sous licence permissive
Le juger face à Qwen et DeepSeek avant d'engager du matériel
Pesez les termes Modified MIT et les scores agentiques face à une alternative dense comme Qwen3.8-27B qui tient sur un GPU ; les poids 1 000 milliards en INT4 de K2.7 Code demandent bien plus de mémoire pour leur plafond plus élevé.
Avant de vous engager
- Mise en route
- Poids sur Hugging Face en INT4 natif ; servi avec vLLM, SGLang ou KTransformers et transformers >=4.57.1,<5.0.0. Le même déploiement que Kimi K2.5/K2.6 fonctionne. Le raisonnement et preserve_thinking sont toujours actifs.
- Intégrations
- Kimi Code CLI et une API compatible OpenAI ; raisonnement entrelacé avec appels d'outils en plusieurs étapes comme dans Kimi K2 Thinking ; encodeur de vision MoonViT pour l'entrée image.
- Données et confidentialité
- Modified MIT License sur le code et les poids, donc l'auto-hébergement garde les prompts sur votre propre infrastructure. L'usage hébergé via l'API Kimi de Moonshot suit les conditions de Moonshot, que la fiche ne répète pas.
- Coût à grande échelle
- Auto-hébergé, le coût est la mémoire et le calcul pour un MoE de 1 000 milliards de paramètres, 32B actifs, en INT4 ; l'API Kimi hébergée et le plan Kimi Code sont la voie pratique pour les équipes sans ce matériel.
- Limites
- Contexte de 256K ; pas de mode instantané, donc chaque appel paie le raisonnement ; l'entrée vidéo est expérimentale et réservée à l'API ; aucun chiffre SWE-bench publié ; dépassé comme navire amiral par Kimi K3.
Les points forts
- Bat Kimi K2.6 sur chaque benchmark publié
- Dépasse Claude Opus 4.8 sur MCP Mark Verified (81,1 contre 76,4)
- Licence permissive Modified MIT sur le code et les poids
- Environ 30% de tokens de raisonnement en moins que K2.6
Les points faibles
- Derrière GPT-5.5 et Opus 4.8 sur la plupart des tests
- Deux des six tests mis en avant sont ceux de Moonshot ; pas de SWE-bench
- Raisonnement toujours actif, pas de mode instantané rapide
- Dépassé comme navire amiral par Kimi K3
Idéal pour
Équipes qui auto-hébergent la lignée Kimi K2, veulent le modèle de programmation ouvert et agentique le plus fort de cette famille et peuvent faire tourner un modèle de 1 000 milliards de paramètres en INT4.
Alternatives à Kimi K2.7 Code
Kimi K2.7 Code : questions fréquentes
- Kimi K2.7 Code vaut-il le coup ?
- Un modèle de programmation ouvert et capable qui bat nettement son propre prédécesseur tout en restant derrière la frontière fermée, avec un design "toujours en train de réfléchir" assez spécialisé. Nous lui donnons 4.1 sur 5.
- Combien coûte Kimi K2.7 Code ?
- Poids gratuits sous une Modified MIT License. Hébergé sur l'API Kimi de Moonshot et le plan Kimi Code ; le prix au token ne figure pas sur la fiche du modèle.
- Quels sont les inconvénients de Kimi K2.7 Code ?
- Derrière GPT-5.5 et Opus 4.8 sur la plupart des tests; deux des six tests mis en avant sont ceux de Moonshot ; pas de SWE-bench; raisonnement toujours actif, pas de mode instantané rapide; dépassé comme navire amiral par Kimi K3.
- À qui s’adresse Kimi K2.7 Code ?
- Équipes qui auto-hébergent la lignée Kimi K2, veulent le modèle de programmation ouvert et agentique le plus fort de cette famille et peuvent faire tourner un modèle de 1 000 milliards de paramètres en INT4.
- Combien coûte Kimi K2.7 Code pour une équipe ou en production ?
- Auto-hébergé, le coût est la mémoire et le calcul pour un MoE de 1 000 milliards de paramètres, 32B actifs, en INT4 ; l'API Kimi hébergée et le plan Kimi Code sont la voie pratique pour les équipes sans ce matériel.
- Kimi K2.7 Code est-il sûr pour les données de l’entreprise ?
- Modified MIT License sur le code et les poids, donc l'auto-hébergement garde les prompts sur votre propre infrastructure. L'usage hébergé via l'API Kimi de Moonshot suit les conditions de Moonshot, que la fiche ne répète pas.
- Quelles sont les meilleures alternatives à Kimi K2.7 Code ?
- Les alternatives les plus proches que nous avons testées sont Kimi K3, Qwen3.8-27B et DeepSeek-V4.1-Flash.
Réponses vérifiées le 14 nov. 2026.
Vous éditez Kimi K2.7 Code ? Affichez cette note sur votre site
