Moonshot AI오픈소스

Kimi-K2.7-Code

Name: Kimi-K2.7-Code
Author: Moonshot AI

이 모델 비교

Moonshot AI가 개발한 코드 생성 특화 모델. 프로그래밍 작업에 최적화되어 있습니다.

공유:X Hatena LINE

파라미터

Undisclosed

컨텍스트

라이선스

https://huggingface.co/moonshotai/Kimi-K2-Base/raw/main/LICENSE

출시일

2026-06-12

일본어 처리 능력

🌐Multilingual

General multilingual model. Basic Japanese processing is possible, but inferior to specialized models.

API 가격

입력 가격 (1M 토큰당)

$0.95

출력 가격 (1M 토큰당)

과금 모드: standard

강점

약점

활용 사례

심층 분석

총 파라미터

1T(활성 32B)

MoE, 전문가 384개, 토큰당 8개 선택

컨텍스트 윈도

256K 토큰

정확히 262,144 토큰

MCP Mark Verified

81.1

Claude Opus 4.8(76.4) 상회, GPT-5.5(92.9) 하회

입력 가격(캐시 미스)

$0.95/1M

캐시 히트 $0.19/1M, GPT-5.5 대비 약 5–7배 저렴

출력 가격

$4.00/1M

GPT-5.5 $30, Claude Opus 4.8 $25 대비 저렴

라이선스

수정 MIT

Hugging Face 오픈 가중치, MAU 1억 또는 월 매출 $2,000만 초과 시 귀속 필요

강점

・정가 대비 5–7배 저렴하고 수정 MIT 라이선스로 오픈 가중치 자체 호스팅 가능
・GitHub Copilot에 통합된 최초 오픈 가중치 모델, Azure 인프라로 기업급 데이터 거버넌스 제공
・강한 MCP 툴 사용 성능(81.1 MCP Mark Verified)으로 200–300회 연속 툴 호출의 신뢰적 에이전틱 워크플로 가능

약점

・모든 헤드라인 벤치마크가 1차적(Moonshot 자체 테스트), 독립 SWE-Bench·LiveCodeBench·DeepSWE 제출 없음
・의무적 싱크 모드와 고정 샘플링 파라미터(temp=1.0, top_p=0.95)로 단순 작업의 비용·지연 제어 불가
・주장한 추론 토큰 30% 효율 향상을 커뮤니티가 반박, 실사용에서 K2.6보다 크레딧을 더 소모한다는 보고

경쟁사 비교

Model	Arena	SWE	GPQA	Price
GPT-5.5	해당 없음	미제출	해당 없음	$5.00/$30.00
Claude Opus 4.8	해당 없음	미제출	해당 없음	$5.00/$25.00
GLM-5.2(Zhipu AI)	해당 없음	공개 제출 있음	해당 없음	$1.40/$4.40

개요

Kimi K2.7 Code는 Moonshot AI의 코딩 특화 에이전틱 모델로 2026년 6월 12일 출시됐다. K2.6과 동일한 1조 파라미터 MoE 아키텍처를 바탕으로, 엔드투엔드 코딩·MCP 툴 체인·장기 에이전트 워크플로에 집중한 보상 모델링으로 재학습했다. 수정 MIT 라이선스 오픈 가중치이며 400M 파라미터 MoonViT 인코더로 텍스트·이미지·비디오 네이티브 멀티모달 입력과 256K 컨텍스트를 지원한다. Moonshot은 프론티어 지능 선두가 아니라 비용 효율 플레이로 포지셔닝한다. 자체 보고 6개 벤치마크 중 5개에서 GPT-5.5에, 4개에서 Claude Opus 4.8에 뒤지지만 K2.6 대비 작업당 추론 토큰 약 30% 감소와 더 높은 점수를 주장한다. API는 백만 토큰당 $0.95/$4.00로 폐쇄 경쟁사 대비 크게 저렴하다. 출시 후 가장 큰 변화는 2026년 7월 1일 GitHub Copilot 통합으로, VS Code·Visual Studio·JetBrains·Xcode·Eclipse·Copilot CLI 전반에서 모델 피커에 선택 가능한 최초 오픈 가중치 모델이 됐다. Copilot 내에선 쿼리가 Moonshot이 아닌 Microsoft Azure 인프라를 경유해 베이징 본사 개발사와 관련된 데이터 거버넌스 우려를 해소한다. Business·Enterprise 플랜은 관리자 명시 옵트인이 필요하다. 같은 날 Microsoft Foundry에도 공개됐다. 핵심 주의는 검증이다. 모든 벤치마크가 Moonshot 자체 하니스에서 나왔고 6개 중 2개(Kimi Code Bench v2, Kimi Claw 24/7 Bench)는 독점 테스트다. 독립 SWE-Bench Verified·Pro·LiveCodeBench·DeepSWE 점수는 공개되지 않았다.

벤치마크 및 성능

Kimi K2.7 Code는 6개 벤치마크에서 K2.6·GPT-5.5·Claude Opus 4.8과 비교됐으며, 모두 Moonshot 권장 에이전틱 하니스에서 구동(각각 Kimi Code CLI 싱크 모드, Codex xhigh, Claude Code xhigh). 6개 중 2개는 Moonshot 독점 스위트. ### 코딩 벤치마크 | 벤치마크 | K2.6 | K2.7 Code | GPT-5.5 | Opus 4.8 | |---|---|---|---|---| | Kimi Code Bench v2(독점) | 50.9 | 62.0(+21.8%) | 69.0 | 67.4 | | Program Bench | 48.3 | 53.6(+11.0%) | 69.1 | 63.8 | | MLS Bench Lite | 26.7 | 35.1(+31.5%) | 35.5 | 42.8 | ### 에이전틱 벤치마크 | 벤치마크 | K2.6 | K2.7 Code | GPT-5.5 | Opus 4.8 | |---|---|---|---|---| | Kimi Claw 24/7(독점) | 42.9 | 46.9(+9.3%) | 52.8 | 50.4 | | MCP Atlas | 69.4 | 76.0(+9.5%) | 79.4 | 81.3 | | MCP Mark Verified | 72.8 | 81.1(+11.4%) | 92.9 | 76.4 | **관찰:** K2.7 Code는 모든 벤치마크에서 K2.6을 앞서며, GPT-5.5에는 6개 중 5개에서, Opus 4.8에는 4개에서 뒤진다. 단 MCP Mark Verified(81.1 vs 76.4)에서는 Opus 4.8을 앞서는데, 이는 인간 검증 툴 환경(Notion·GitHub·Filesystem·Postgres·Playwright)을 쓰는 덕분이다. 독립 SWE-Bench Verified 점수 제출은 없다.

상세 비교

### Kimi K2.7 Code vs GPT-5.5 - **가격:** K2.7 Code가 약 5–7배 저렴($0.95/$4.00 vs $5.00/$30.00). - **벤치마크:** GPT-5.5가 6개 중 5개에서 앞서며 종종 두 자릿수 격차(Program Bench 69.1 vs 53.6, MCP Mark Verified 92.9 vs 81.1). - **라이선스:** K2.7 Code는 오픈 가중치(수정 MIT), GPT-5.5는 완전 독점. - **결론:** 품질 중심 코딩은 GPT-5.5, 대량 에이전틱 워크플로는 K2.7 Code가 비용 우위. ### Kimi K2.7 Code vs Claude Opus 4.8 - **가격:** K2.7 Code 약 5–6배 저렴($0.95/$4.00 vs $5.00/$25.00). - **벤치마크:** Opus 4.8이 6개 중 4개에서 앞서나(Program Bench 63.8 vs 53.6) MCP Mark Verified에서는 K2.7 Code 우위(81.1 vs 76.4). - **컨텍스트:** K2.7 Code 256K, Opus 4.8 최대 1M. - **결론:** 원시 코딩 품질과 컨텍스트 길이는 Opus 4.8, MCP 중심 저비용 워크플로는 K2.7 Code. ### Kimi K2.7 Code vs GLM-5.2(Zhipu AI) - **가격:** 입력 K2.7 Code $0.95 vs GLM-5.2 $1.40, 일부 공급자 출력 $3.07 vs $4.40. - **컨텍스트:** GLM-5.2 1M vs K2.7 Code 256K. - **벤치마크:** GLM-5.2가 GeneBench-Pro에서 앞서고 공개 SWE-bench 제출이 있으나 K2.7 Code는 없음. - **결론:** 공개 벤치마크 신뢰와 장컨택스트 코딩은 GLM-5.2, MCP 중심 워크플로와 저렴한 직접 API는 K2.7 Code.

커뮤니티 평가

Kimi K2.7 Code에 대한 커뮤니티 반응은 비용 중심 수용자와 품질 중심 회의론으로 뚜렷이 갈린다. **긍정:** 대량 에이전틱 코딩 워크플로 개발자는 Claude에서 전환 시 API 지출 75–90% 절감을 보고했다. GitHub Copilot 통합은 오픈 가중치 모델의 이정표로 널리 칭송됐으며 Azure 경유로 데이터 거버넌스 우려를 해소한다는 평가다. 셀프 호스팅 이용자는 '더 오래 가야 하는 긴 코딩 작업에 더 나은 기본값'이라 했다. 높은 귀속 임계치(MAU 1억 또는 월 $2,000만)의 수정 MIT 라이선스는 사업 친화적으로 봤다. **비판:** 다수 Reddit 스레드가 주장한 추론 토큰 30% 효율 향상을 정면 반박한다. '생각은 끝없고 한도를 두 배로 소모한다', 'K2.6보다 훨씬 더 많은 허구를 지어낸다'는 불만이 있다. 모든 벤치마크가 Moonshot 자체 스위트라는 점에서 의문도 제기된다. Awesome Agents는 7.6/10을 주며 '모든 헤드라인 벤치마크가 Moonshot 자체 테스트에서 나온다'고 지적했다.

활용 사례

### 1. 대량 에이전틱 코딩 파이프라인 하루 수백~수천 건의 코딩 에이전트 작업을 루틴·기계 검증 가능 작업(CI 수정, 보일러플레이트 생성, 테스트 스캐폴딩, 마이그레이션 스크립트)으로 도는 팀에 최적. GPT-5.5 대비 5–7배 비용 우위가 규모에서 빠르게 누적되며 256K 컨텍스트가 멀티 파일 작업에 충분하다. ### 2. MCP 툴 사용 워크플로(CI/CD·티켓·파일 작업) MCP Mark Verified 81.1(Opus 4.8의 76.4 상회)은 Model Context Protocol을 통한 신뢰적 툴 호출로 이어진다. CI 검사, Notion/GitHub 티켓 갱신, 파일 편집, DB 조회, Playwright 테스트를 하나의 에이전트로 조율하는 자율 루프에 적합하다. 커뮤니티는 200–300회 연속 툴 호출을 상태 유지하며 처리한다고 보고한다. ### 3. 멀티모달 디버깅 및 설계 재현 네이티브 MoonViT 비전 인코더(400M)가 텍스트와 함께 이미지·비디오 입력을 지원해 스크린샷·UI 목업·녹화된 버그 재현·에러 출력을 한 프롬프트에 담는 워크플로를 가능케 한다. ### 4. GitHub Copilot을 통한 기업 코딩 Copilot 통합(Pro·Pro+·Max·Business·Enterprise)은 Azure 인프라를 경유하며 관리자 옵트인 방식이다.