Moonshot AI lance Kimi K2.7-Code : amélioration de 21,8% sur Code Bench v2 par rapport à K2.6

Moonshot AI a ouvert le code source d'un nouveau modèle spécialisé, Kimi K2.7-Code. Le modèle est orienté vers les tâches de programmation et le travail autonome de l'IA — quand un système d'IA exécute séquenciel­lement des tâches multi-étapes sans intervention humaine. Il est distribué sous la licence MIT Modifiée et disponible via l'API Kimi et le service Kimi Code.

Architecture et Paramètres du Modèle

Kimi K2.7-Code est construit sur la base de Kimi K2.6, lancé il y a quelques semaines. La différence clé est son ajustement fin pour les tâches de codage : écrire du code selon la spécification, le débogage, la refactorisation automatique et le travail itératif dans les environnements de développement sans intervention manuelle. La fenêtre de contexte est de 256K tokens. En pratique, cela signifie la capacité de maintenir simultanément en mémoire des dizaines de fichiers de code, l'historique complet des conversations avec un développeur ou une documentation technique extensive. Dans les tâches autonomes — quand le modèle lit un fichier, le modifie, exécute un test, lit l'erreur et applique une correction — ce contexte est critique.

Le deuxième paramètre clé est une réduction de la consommation de tokens de raisonnement d'environ 30% par rapport à K2.6. Les tokens de raisonnement sont le raisonnement interne du modèle avant chaque réponse. Dans les scénarios autonomes, où le modèle raisonne avant chacune des dizaines d'étapes, la consommation totale croît rapidement. Une réduction d'un tiers est une véritable économie en charge de production.

Résultats sur les Benchmarks

Moonshot a comparé K2.7-Code avec son prédécesseur sur six ensembles de tests et a enregistré des améliorations dans tous. Le chiffre principal est +21,8% sur Kimi Code Bench v2. Ceci est l'ensemble de tests interne de l'entreprise, développé spécifiquement pour évaluer les capacités de codage autonome : tâches nécessitant plusieurs itérations, travail avec le système de fichiers et exécution de code.

• Kimi Code Bench v2 : amélioration de +21,8% par rapport à K2.6
• Amélioration enregistrée sur les six benchmarks
• Consommation de tokens de raisonnement : réduction de ~30%
• Fenêtre de contexte : 256K tokens
• Licence : MIT Modifiée (utilisation commerciale autorisée)

Moonshot ne publie pas de valeurs absolues sur les benchmarks externes — seulement la comparaison avec K2.6. Cela rend difficile l'évaluation indépendante de la position du modèle par rapport à Claude 3.7 Sonnet, Gemini 2.5 Pro ou GPT-4.1. Les tests indépendants de la communauté apparaîtront dans les prochains jours : les poids ouverts permettent d'exécuter le modèle localement et de mener des comparaisons.

Accès Ouvert et Écosystème

Kimi K2.7-Code est lancé sous la licence MIT Modifiée. La licence est commercialement amicale : le modèle peut être intégré dans les produits, affiné sur les données propriétaires et déployé sur l'infrastructure d'entreprise. Les poids ouverts permettent un ajustement fin selon les normes de code spécifiques ou les langages de programmation rares.

L'accès est organisé via deux canaux : API Kimi — pour les développeurs et les entreprises intégrant le modèle dans leurs propres systèmes et pipelines CI/CD, et Kimi Code — l'assistant de codage prêt à l'emploi de Moonshot, l'équivalent de GitHub Copilot pour les utilisateurs finaux.

Le lancement de K2.7-Code s'inscrit dans une tendance soutenue : les laboratoires d'IA chinois ouvrent systématiquement de puissants modèles de codage. DeepSeek Coder V2, la série Qwen-Coder d'Alibaba et maintenant Kimi K2.x représentent une vraie concurrence aux systèmes occidentaux fermés — souvent avec des conditions d'utilisation plus ouvertes.

Ce Que Cela Signifie

Pour les entreprises automatisant le travail avec le code via l'IA, Kimi K2.7-Code offre une combinaison pertinente pour une utilisation en production : une grande fenêtre de contexte, des coûts de raisonnement réduits et une licence ouverte. La capacité d'ajustement fin rend le modèle attrayant pour les équipes ayant besoin de personnalisation selon les normes d'entreprise ou les piles technologiques spécifiques.