Moonshot AI a sorti Kimi K2.7-Code, un modèle de coding open-weight sous licence Modified MIT. La fiche technique a une forme frontier : un Mixture-of-Experts de 1 billion de paramètres qui en active environ 32 milliards par token (huit experts sélectionnés plus un partagé, sur 384 au total), 61 couches, de l'attention MLA avec feed-forward SwiGLU, un encodeur vision MoonViT qui ajoute 400M de paramètres pour l'entrée image et vidéo, de la quantification INT4 native, et une fenêtre de contexte de 256K tokens. Les poids, environ 595Go sur disque, sont sur Hugging Face pour self-hosting via vLLM, SGLang ou KTransformers, à côté d'une API Kimi OpenAI-compatible. C'est le frère-modèle du Kimi Work d'hier, l'agent desktop local qui roulait sur le K2.6 de génération précédente.
Le chiffre vedette, c'est un saut de 21,8% sur K2.6 au propre Kimi Code Bench v2 de Moonshot, de 50,9 à 62,0, et la table de benchmarks autour est plus candide que la plupart des tables de vendor. K2.7-Code améliore K2.6 sur les six benchmarks montrés, mais il traîne encore surtout derrière le frontier fermé : à ce même bench vedette il est à 62,0 contre le 69,0 de GPT-5.5 et le 67,4 de Claude Opus 4.8. Moonshot signale le seul endroit où il prend les devants, MCP Mark Verified, un benchmark de tool-use, où K2.7-Code marque 81,1 contre le 76,4 d'Opus 4.8. Le modèle rapporte aussi environ 30% moins d'usage de tokens de raisonnement que K2.6, cadré comme « moins d'overthinking », le genre d'efficacité qui compose dans les longues boucles agentiques où les tokens de raisonnement dominent la facture. Et le prix coupe fortement face au frontier : 0,19 $ par million de tokens en entrée cached, 0,95 $ sur un cache miss, et 4,00 $ en sortie, contre le 5 $ et 25 $ d'Opus 4.8.
Les caveats sont les habituels pour une release open-weights, et à son crédit Moonshot les énonce surtout. Chaque chiffre vedette est first-party, avec la vérification indépendante encore pendante ; les compétiteurs ont été benchmarkés dans des environnements différents pendant que Kimi roulait dans son propre CLI ; et 595Go de poids veut dire du hardware server-class, pas un laptop. Deux quirks opérationnels valent la peine d'être connus avant de le brancher : le thinking mode est obligatoire et erre si tu essaies de le désactiver, et les paramètres de sampling sont barrés côté serveur. Pour le fil qu'on track, c'est la pression open-weights des labs chinois qui continue dans la lane du coding : un modèle de coding frontier-shaped, MCP-native, à une fraction du prix du modèle fermé, avec des poids que tu peux vraiment host. Il traîne derrière le tout-en-haut, mais le pitch est celui qui continue de marcher, assez bon, ouvert et cheap, et ça upgrade tranquillement l'histoire d'hier aussi, puisque le moteur de Kimi Work est plus un K2.6 rapporté mais un K2.7-Code ouvertement shippé que tu peux rouler toi-même.