Model Releases
Kimi K2.7 Code de Moonshot AI: open-weights, 256k contexto y razonamiento profundo para código
Moonshot AI lanza kimi-k2.7-code, un modelo de código open-source/open-weights con mejoras significativas frente a K2.6, soporte multimodal nativo y ventana de contexto de 256k tokens. Para desarrolladores, destaca por ToolCalls, JSON Mode, Partial Mode y caching automático de contexto.
12 de junio de 2026
Model Releasekimi-k2.7-code
Introduction
El 2026-06-12, Moonshot AI publicó kimi-k2.7-code, un modelo de código open-source/open-weights diseñado para tareas de programación, razonamiento profundo y agentes de desarrollo. La noticia importa porque combina una ventana de contexto de 256k tokens, arquitectura multimodal nativa y mejoras medibles frente a K2.6 en benchmarks orientados a código.
Para equipos de ingeniería, la promesa no es solo generar snippets: es mantener repositorios grandes en contexto, razonar durante más tiempo con menos tokens internos, usar herramientas mediante ToolCalls y producir salidas estructuradas con JSON Mode. Además, los pesos están disponibles en Hugging Face, mientras que el modelo también se expone vía API y dentro de Kimi Code IDE.
- Modelo: kimi-k2.7-code.
- Proveedor: Moonshot AI.
- Fecha de lanzamiento: 2026-06-12.
- Categoría: coding model.
- Open Source: sí; open-weights disponible en Hugging Face.
- Acceso: API, Kimi Code IDE y pesos descargables.
- Programa beta: abierto para acceso anticipado a futuras actualizaciones.
Key Features & Architecture
kimi-k2.7-code se posiciona como un modelo code-first con soporte para long thinking y deep reasoning. Su ventana de contexto oficial es de 256k tokens, equivalente a 262.144 tokens en la ficha de API, lo que lo hace apto para análisis de repositorios, documentación técnica extensa, RAG de código y sesiones largas de agentes.
La arquitectura publicada confirma pesos open-weights, pero el conteo exacto de parámetros y la configuración MoE no se han divulgado en los datos disponibles. Lo más relevante para desarrolladores es la combinación de multimodalidad nativa, capacidades de razonamiento, ToolCalls, JSON Mode, Partial Mode y caching automático de contexto. Moonshot también anuncia un modo separado 6x High-Speed próximamente, aunque su disponibilidad y precio aún no están confirmados.
- Parámetros: open-weights; conteo exacto no publicado.
- Arquitectura MoE: N/A en la información pública disponible.
- Ventana de contexto: 256k tokens, 262.144 tokens exactos en API.
- Razonamiento: long thinking y deep reasoning.
- Multimodal nativo: texto, imagen y vídeo.
- Interfaz de herramienta: ToolCalls.
- Formatos y modos: JSON Mode, Partial Mode y caching automático de contexto.
- Próximamente: modo separado 6x High-Speed.
Performance & Benchmarks
Moonshot AI reporta mejoras claras frente a K2.6: +21.8% en Kimi Code Bench v2, +11% en Program Bench y +31.5% en MLS Bench Lite. También destaca una reducción del 30% en tokens de razonamiento interno frente a K2.6, una métrica relevante para agentes que ejecutan pasos de planificación, depuración y llamadas a herramientas antes de responder.