Moonshotの「Kimi K2.7」1兆パラメータ版が登場

中国の主要AIスタートアップの1つである**Moonshot AI（月之暗面）は2026年6月12日、コーディングおよび複雑なソフトウェアエンジニアリングタスクに特化したオープンウェイトの大規模言語モデル（LLM）「Kimi K2.7-Code」**を正式にリリースしました。

Kimi K2.7-Codeは、総パラメータ数1兆規模のMixture-of-Experts（MoE：混合専門家）アーキテクチャを採用し、1回のトークン処理ごとに320億パラメータを活性化させて動作します。256Kトークンの長文コンテキストウィンドウに対応し、オープンモデルでありながら先行する主要な商用クローズドモデルに迫るコード生成精度を実現しています。

Kimi on ModelScope Showcase — ModelScope上で公開されたKimi K2.7-Code offtial画面（イメージ：公式リポジトリより）

1. 思考の「空回り」を防ぐ、推論トークンの30%削減

前世代モデルである「Kimi K2.6」と比較して、Kimi K2.7-Codeの最も実用的な進化点は、推論時における**「思考プロセス（Reasoning Token）の最適化」**にあります。

一般に、推論能力を持つAIモデルは、複雑なアルゴリズムやデバッグを解く際に内部で推論（Chain-of-Thought）を実行しますが、時に不要な繰り返しや「考えすぎ（オーバーシンキング）」を起こし、出力までの時間とAPIコストが膨らむ課題がありました。

Kimi K2.7-Codeでは、コード生成に不要な推論ステップを検出して抑制する学習アプローチが導入され、コード品質を一切落とすことなく推論トークンの使用量を最大30%削減することに成功しました。これにより、複雑なロジック生成时におけるレスポンスの遅延（レイテンシー）と、サーバー側の運用コストが同時に改善されています。

2. 視覚情報から画面を復元する「MoonViT」の統合

Kimi K2.7-Codeは、テキスト入力だけでなく、画像や映像などの視覚情報をネイティブに処理するマルチモーダル機能を備えています。

モデルの内部には、約4億（400M）パラメータのビジョンエンコーダーである**「MoonViT」**が標準で統合されています。これにより、エンジニアが以下のようなビジュアル素材を直接読み込ませてコードを生成させることが可能です。

UI/UXデザインからのコーディング：Webサイトやアプリのスクリーンショットを入力し、対応するReactやTailwind CSS、HTMLのソースコードを正確に出力させる。
挙動の再現（Behavior Reconstruction）：画面遷移やボタンのインタラクションを示す数秒の画面録画動画を入力することで、そのアニメーション効果やイベント制御のJavaScriptコードを再現する。

単なるコードの自動補完にとどまらず、プロダクト設計やプロトタイピングの段階からエンジニアをサポートする「実用的な開発アシスタント」としての機能が強化されています。

3. 256KコンテキストとModel Context Protocol（MCP）への最適化

巨大なソフトウェアプロジェクト全体をAIに処理させるため、Kimi K2.7-Codeは一度に**256Kトークン（約20万語以上のテキスト）**の広大なコンテキストウィンドウに対応しています。

複数のソースコードファイル、API定義書、データベースのスキーマ情報をまとめてプロンプトに流し込み、依存関係を考慮したコードの修正やリファクタリングを指示できます。

さらに、業界で共通規格化が進む**MCP（Model Context Protocol）**経由のツール呼び出し（Tool Calling）に最適化されたチューニングが施されています。ローカルのターミナル、GitHub API、データベースクライアントなどの外部ツールをAIが自律的に制御し、数日間にわたる長期のソフトウェアデバッグや依存パッケージの自動アップデートといった複雑な開発ワークフローを実行できます。

4. 主要ベンチマークにおけるスコア向上とオープン公開

Moonshot AIが公表した内部評価データによると、Kimi K2.7-Codeは前代の汎用モデルK2.6から大幅なパフォーマンス向上を見せています。

Kimi Code Bench v2：K2.6の50.9%から**62.0%**へと向上。
Program Bench：K2.6の48.3%から**53.6%**へと向上。

本モデルは、商用利用や改変が比較的寛容なModified MITライセンスのもとでオープンウェイトとして公開されており、モデルの重み（Weights）はHugging Faceから直接ダウンロードが可能です。

ローカル開発環境や機密データの多いオンプレミスサーバーに配置する際は、推論エンジンであるvLLMやSGLangを用いることで、ハードウェア構成に応じた高速なセルフホストが可能です。また、クラウドでの手軽な試用やデプロイ向けとして、Cloudflare Workers AIやOpenRouterといった外部APIサービスでの提供も開始されています。

5. 激化する「AIコーディング」の覇権争い

中国のAI市場では、主要スタートアップ「6強」の1社であるMoonshot AIだけでなく、ByteDanceが開発者向けAIコードエディタ「Trae」をリリースし、Alibabaがオープンモデルの「Qwen」シリーズでコーディング特化版を強化するなど、開発者エコシステムの獲得競争が極めて激しくなっています。

特に日本国内のエンタープライズ領域においては、ソースコードの外部流出を避けるため、「高性能なコーディング特化モデルをオンプレミスで運用したい」という強い需要が存在します。

Kimi K2.7-Codeのような「1兆パラメータ規模の本格的なコーディング特化MoEモデル」がオープンウェイトかつ実用的なライセンスで提供されたことは、クローズドな米国系メガテックのAPIに頼ることなく、セキュアな自社専用開発エージェントを構築する手段として、今後の選択肢に大きな影響を与えると考えられます。

全般検索