Moonshot AI ने Kimi K2.7-Code जारी किया, Modified MIT लाइसेंस के तहत एक open-weight coding model। spec sheet frontier-आकार की है: एक 1-ट्रिलियन-parameter Mixture-of-Experts जो प्रति token लगभग 32 अरब parameters activate करता है (कुल 384 में से 8 चुने गए experts प्लस 1 साझा), 61 परतें, SwiGLU feed-forward वाली MLA attention, image और video input के लिए 400M parameters जोड़ता एक MoonViT vision encoder, native INT4 quantization, और 256K-token context window। weights, करीब 595GB disk पर, Hugging Face पर हैं, vLLM, SGLang या KTransformers से self-hosting के लिए, साथ में एक OpenAI-compatible Kimi API। यह कल के Kimi Work का model-भाई है, वह local desktop agent जो पिछली-पीढ़ी के K2.6 पर चलता था।
सुर्खी संख्या Moonshot के अपने Kimi Code Bench v2 पर K2.6 से 21.8% की छलांग है, 50.9 से 62.0, और इसके इर्द-गिर्द की benchmark table अधिकांश vendor tables से ज्यादा स्पष्ट है। K2.7-Code दिखाए गए सभी छह benchmarks पर K2.6 से सुधार करता है, पर अधिकांश में अब भी बंद frontier से पीछे है: उसी सुर्खी bench पर यह 62.0 है, GPT-5.5 के 69.0 और Claude Opus 4.8 के 67.4 के मुकाबले। Moonshot उस इकलौती जगह को चिह्नित करता है जहां यह आगे निकलता है, MCP Mark Verified, एक tool-use benchmark, जहां K2.7-Code 81.1 बनाम Opus 4.8 के 76.4 अंक पाता है। model यह भी रिपोर्ट करता है कि वह K2.6 से लगभग 30% कम reasoning tokens इस्तेमाल करता है, "कम overthinking" के रूप में फ्रेम किया, यह वह दक्षता है जो लंबे agentic loops में जुड़ती जाती है जहां reasoning tokens बिल पर हावी होते हैं। और कीमत frontier के मुकाबले तेज़ी से कम है: प्रति मिलियन input token cached $0.19, cache miss पर $0.95, और output $4.00, Opus 4.8 के $5 और $25 के मुकाबले।
चेतावनियां एक open-weights release के लिए सामान्य वाली हैं, और इसके श्रेय में Moonshot उन्हें अधिकांशतः बताता है। हर सुर्खी आंकड़ा first-party है, स्वतंत्र सत्यापन अब भी लंबित; प्रतियोगियों को अलग environments में benchmark किया गया जबकि Kimi अपने ही CLI में चला; और 595GB weights का मतलब server-class hardware, laptop नहीं। दो operational quirks इसे जोड़ने से पहले जानने लायक हैं: thinking mode अनिवार्य है और अगर आप इसे disable करने की कोशिश करें तो error देता है, और sampling parameters server-side पर locked हैं। जिस thread को हम track कर रहे हैं, यह coding lane पर जारी चीनी-lab open-weights दबाव है: एक frontier-आकार, MCP-native coding model, बंद-model की कीमत के एक अंश पर, ऐसे weights के साथ जिन्हें आप सच में host कर सकते हैं। यह बिल्कुल शीर्ष से पीछे है, पर pitch वही है जो काम करता रहता है, काफी अच्छा, खुला, और सस्ता, और यह कल की कहानी को भी चुपचाप upgrade करता है, क्योंकि Kimi Work का engine अब एक reported K2.6 नहीं बल्कि एक खुलेआम shipped K2.7-Code है जिसे आप खुद चला सकते हैं।