Kimi K2.7 Code — первая open-weight модель в picker GitHub Copilot

Первая модель с открытыми весами в пикере

1 июля 2026 года GitHub добавила в Copilot модель Kimi K2.7 Code в статусе общедоступной. Ключевая формулировка компании: это первая модель с открытыми весами, предложенная как выбираемая опция в пикере моделей Copilot — то есть теперь доступны не только закрытые топовые модели, но и вариант с открытыми весами, дающий, по словам GitHub, «больше выбора и более дешёвый вариант для рабочих процессов разработки».

Инфраструктура и оплата

Модель размещена GitHub на инфраструктуре Microsoft Azure — самостоятельно разворачивать её не нужно, инференс идёт через Azure. Оплата — по прайс-листу провайдера в рамках биллинга по использованию; детали — в документации GitHub Copilot по ценам на модели и запросы. Отдельного бесплатного безлимитного доступа в анонсе нет — акцент сделан именно на стоимости по использованию.

Раскатка и доступные поверхности

Сначала модель доступна на тарифах Copilot Pro, Pro+ и Max, выбор — в пикере моделей, в первую очередь в VS Code. Раскатка идёт постепенно, с мониторингом качества и производительности; на тарифы Copilot Business, Enterprise и «дополнительные поверхности» модель должна была прийти «в течение ближайших недель». Список поддерживаемых поверхностей на дату анонса: Visual Studio Code версии 1.127.0 и выше, Visual Studio 17.14.6 и выше, Copilot CLI, облачный агент GitHub Copilot, приложение GitHub Copilot, github.com, GitHub Mobile на iOS и Android, JetBrains версии 1.9.1-251 и выше, Xcode, Eclipse.

Контроль для организаций

Для тарифов Business и Enterprise Kimi K2.7 Code по умолчанию выключена: администраторам нужно вручную включить соответствующую политику в настройках Copilot, иначе модель недоступна организации. GitHub рекомендует администраторам сверять модели с открытыми весами с требованиями безопасности, соответствия нормативам и управления данными перед включением — это явный механизм управления, показывающий, что открытые веса не означают автоматическое включение для организаций. По независимому освещению релиза, на момент публикации ни на одном публичном рейтинге — включая SWE-bench Verified, SWE-bench Pro, Terminal-Bench 2.0 и LiveCodeBench — независимых результатов бенчмарков для Kimi K2.7 Code ещё не появилось: заявленный прирост качества опирается на внутренние тесты Moonshot AI, разработчика базовой модели.

Технические характеристики модели

Kimi K2.7 Code построена на архитектуре mixture-of-experts с 1 триллионом параметров всего и около 32 млрд активных параметров на токен: 384 эксперта, из которых на каждый токен выбираются 8 плюс один общий, 61 слой и механизм Multi-head Latent Attention. Контекстное окно — 256 тысяч токенов. Отдельно в модель встроен визуальный энкодер MoonViT на 400 млн параметров, а сама модель всегда работает в режиме рассуждения (thinking mode).

Веса модели Moonshot AI полностью выложила на Hugging Face под модифицированной лицензией MIT в день релиза, с поддержкой инференса через vLLM и SGLang — то есть открытость весов, о которой пишет GitHub, подтверждается публичным доступом к самим весам, а не только формулировкой анонса. По данным разработчика, на бенчмарке Kimi Code Bench v2 K2.7 Code показывает 62,0% против 50,9% у предыдущей версии K2.6, на Program Bench — 53,6% против 48,3%, на MLS Bench Lite — 35,1% против 26,7%; расход токенов на рассуждение при этом снижен примерно на 30% по сравнению с K2.6.