Moonshot AI تطلق Kimi K2.7-Code: تقرير نموذج الترميز +21.8% على Kimi Code Bench v2 فوق K2.6

تم إصدار Moonshot AI هذا الأسبوع كيمي K2.7-كود. إنه نموذج وكيل يركز على الترميز. يتم شحن الأوزان النموذجية على Hugging Face بموجب ترخيص MIT المعدل. يمكنك أيضًا الوصول إليه من خلال Kimi API وKimi Code.

يستهدف K2.7-Code هندسة البرمجيات بعيدة المدى، وليس الدردشة العامة. يقوم بتخطيط الأدوات وتحريرها وتشغيلها وتصحيح الأخطاء عبر العديد من الخطوات. يقوم Moonshot بإقران النموذج بمنصة برمجة الاشتراكات المحيطة به.

كيمي K2.7-كود

K2.7-Code هو نموذج خليط من الخبراء. يحمل إجمالي 1T من المعلمات وينشط 32B لكل رمز. يستخدم التصميم 384 خبيرًا، مع اختيار 8 لكل رمز مميز وواحد مشترك. لديها 61 طبقة، بما في ذلك طبقة واحدة كثيفة.

يستخدم الانتباه MLA، ويستخدم مسار التغذية الأمامية SwiGLU. يضيف جهاز تشفير الرؤية MoonViT 400 مليون معلمة لإدخال الصور والفيديو. يأتي النموذج مع تكميم INT4 الأصلي. نافذة السياق هي 256 ألف رمز مميز (262,144).

هناك قيدان مهمان: وضع التفكير إلزامي؛ يؤدي تعطيله إلى إرجاع خطأ في واجهة برمجة التطبيقات (API). أخذ العينات ثابت: درجة الحرارة 1.0، top_p 0.95، ن 1، العقوبات 0.0. الحد الأقصى الافتراضي للإنتاج هو 32,768 رمزًا.

يمكنك الاستضافة الذاتية باستخدام vLLM أو SGLang أو KTransformers. مستودع Hugging Face كبير الحجم، حيث يصل حجمه إلى 595 جيجابايت تقريبًا على القرص. هذا هدف نشر من فئة الخادم، وليس طراز كمبيوتر محمول.

المعيار

نشر فريق Moonshot ستة صفوف قياسية. قاموا بمقارنة K2.7-Code مع K2.6 وGPT-5.5 وClaude Opus 4.8. يتفوق K2.7-Code على K2.6 في كل صف. أكبر قفزة في الترميز هي Kimi Code Bench v2، من 50.9 إلى 62.0.

يتفوق K2.7-Code على Opus 4.8 في MCP Mark Verified، 81.1 مقابل 76.4. كما أنها تهبط بالقرب من GPT-5.5 على MLS Bench Lite. تم تشغيل K2.7-Code في Kimi Code CLI، وGPT-5.5 في Codex xhigh، وOpus 4.8 في Claude Code xhigh.

كفاءة الاستدلال الرمزي: المطالبة بالتكلفة، وليس الجودة فقط

أبلغ فريق Moonshot عن انخفاض استخدام رمز الاستدلال بنسبة 30% تقريبًا عن K2.6. إنه يصور هذا على أنه “أقل تفكيرًا”.

تُعتبر الرموز المميزة للاستدلال بمثابة رموز إخراج في معظم بطاقات الأسعار. يتم تنفيذ عملية الترميز الوكيل عبر مئات أو آلاف الخطوات. كل خطة، وإعادة محاولة، وتحقق تدفع تكلفة التفكير مرة أخرى. قطع المركبات بنسبة 30% على المدى الطويل.

يقع التأثير في ثلاثة أماكن في وقت واحد. أولاً، انخفاض تكلفة رمز الإخراج لكل مهمة. ثانيًا، خطوات أسرع، مما يساعد على جلسات CLI التفاعلية. ثالثًا، المزيد من الخطوات قبل الوصول إلى حدود السياق.

استخدام الحالات مع الأمثلة

• تعد عمليات إعادة البناء على نطاق الريبو هي حالة الاستخدام الرئيسية. قم بتوجيه الوكيل إلى مجموعة اختبار فاشلة. يقرأ الملفات، ويحرر عبر الوحدات، ثم يعيد تشغيل الاختبارات حتى اللون الأخضر.
• مراجعة الكود هي الحل الثاني. قم بتغذية فرق طلب السحب واطلب تحليل المخاطر. تحتوي النافذة بحجم 256 كيلو بايت على الاختلافات الكبيرة والسجلات والملفات ذات الصلة معًا.
• تعتبر سير عمل استخدام أداة MCP الحل الثالث. سجل K2.7-Code 81.1 في علامة MCP التي تم التحقق منها. يختبر هذا الجناح استدعاء الأداة الصحيح من خلال بروتوكول سياق النموذج. فكر في عمليات فحص CI وتحديثات التذاكر وتحرير الملفات في حلقة واحدة.
• تحليل السياق الطويل هو الحل الرابع. يقبل النموذج إدخال النص والصورة والفيديو. يمكن للوثائق ولقطات الشاشة والنسخة المسجلة مشاركة مطالبة واحدة.

مستكشف Marktechpost التفاعلي

الحد الأدنى من البداية السريعة

واجهة Kimi API متوافقة مع OpenAI. سلسلة النموذج هي kimi-k2.7-code. لا تتجاوز معلمات أخذ العينات الثابتة أو أخطاء الطلب.

import os
from openai import OpenAI

# Base URL and key per the Kimi API docs at platform.moonshot.ai
client = OpenAI(
    api_key=os.environ.get("MOONSHOT_API_KEY"),
    base_url="https://api.moonshot.ai/v1",
)

messages = [
    {"role": "system", "content": "You are a coding agent."},
    {"role": "user", "content": "Refactor utils.py to remove duplicate code."},
]

resp = client.chat.completions.create(
    model="kimi-k2.7-code",
    messages=messages,
    max_tokens=32768,  # default cap; also the maximum
    # thinking is enabled by default and cannot be disabled.
    # temperature (1.0), top_p (0.95), n (1), and penalties (0.0) are
    # fixed server-side. Passing any other value returns an error.
)

msg = resp.choices[0].message
print(msg.content)

# Multi-step tool calls: append the full assistant message so that
# reasoning_content is preserved. Dropping it errors on the next turn.
# messages.append(msg.model_dump())

تأتي قاعدتان لاستخدام الأداة من المستندات. يحفظ reasoning_content من المنعطف الحالي في السياق. وتعيين tool_choice الى فقط "auto" أو "none".

كيف يقارن كود K2.7

يسرد K2.7-Code 0.19 دولارًا لكل مليون للإدخال المخزن مؤقتًا.

نقاط القوة والضعف

نقاط القوة:

• أوزان مفتوحة ضمن MIT المعدلة، مع مسار مضيف ذاتي حقيقي.
• مكاسب واسعة ومتسقة على K2.6 في الترميز وتقييمات الوكلاء.
• تسعير منخفض لواجهة برمجة التطبيقات (API) مقارنة بنماذج الحدود المغلقة.
• يتفوق على Opus 4.8 وفقًا لمعايير MCP Mark Verified (التي أبلغت عنها الشركة).

نقاط الضعف:

• جميع أرقام العناوين هي الطرف الأول عند الإطلاق.
• لا يمكن تعطيل وضع التفكير.
• إن ضوابط أخذ العينات مقيدة بقيم ثابتة.
• يجب الحفاظ على استدعاءات الأداة متعددة الخطوات reasoning_content.
• أوزان 595 جيجابايت تجعل الاستضافة الذاتية التزامًا جادًا.

الوجبات السريعة الرئيسية

• جميع المعايير الرئيسية يديرها البائع؛ النتائج المستقلة في انتظاركم.
• K2.7-Code هو برنامج مفتوح الوزن ومتخصص في البرمجة ومبني على Kimi K2.6.
• سجلت Moonshot زيادة بنسبة 21.8% في Kimi Code Bench v2 مقارنة بـ K2.6.
• يستخدم النموذج رموزًا منطقية أقل بنسبة 30% تقريبًا من K2.6.

تحقق من وزن النموذج, كود كيمي و واجهة برمجة التطبيقات. أيضا، لا تتردد في متابعتنا على تغريد ولا تنسى الانضمام إلينا 150 ألف + مل والاشتراك في النشرة الإخبارية لدينا. انتظر! هل أنت على برقية؟ الآن يمكنك الانضمام إلينا على التليجرام أيضًا.

هل تحتاج إلى الشراكة معنا للترويج لصفحة GitHub Repo أو صفحة الوجه المعانقة أو إصدار المنتج أو الندوة عبر الويب وما إلى ذلك؟ تواصل معنا