Model Releases
Kimi-k2.7-code : Moonshot lance un modèle open-weight de code multimodal
Moonshot AI publie kimi-k2.7-code, un modèle de codage open-weight avec fenêtre 256k, raisonnement long et multimodalité native. Pour les équipes d’ingénierie, il promet des gains mesurables sur les tâches de code tout en réduisant les tokens de raisonnement interne.
12 juin 2026
Model Releasekimi-k2.7-code
Introduction
Moonshot AI annonce kimi-k2.7-code le 2026-06-12, une nouvelle itération de sa famille Kimi orientée vers le développement logiciel. Le modèle arrive dans un contexte où les équipes cherchent à remplacer des assistants de code propriétaires par des briques open-weight, contrôlables, intégrables dans des pipelines internes et capables de gérer des dépôts volumineux. Sa promesse est claire : améliorer fortement les performances de codage par rapport à K2.6, tout en consommant moins de tokens pour le raisonnement interne.
Ce qui rend cette sortie intéressante pour les développeurs et les ingénieurs IA n’est pas seulement le score sur des benchmarks. kimi-k2.7-code combine une fenêtre de contexte de 256k, soit 262,144 tokens, une architecture native multimodale pour le texte, l’image et la vidéo, ainsi que des capacités d’agent avec ToolCalls, JSON Mode, Partial Mode et cache contextuel automatique. Il est disponible via API et dans Kimi Code IDE, avec des poids open-source publiés sur HuggingFace.
Pour les architectes qui comparent les modèles de code, le point central est le compromis entre qualité, coût d’inférence et intégration. Moonshot ne présente pas ici un simple chatbot de développement : kimi-k2.7-code vise les workflows de refactoring, de génération de patches, de revue de code, de RAG sur codebase et d’agents autonomes capables de planifier, d’appeler des outils et de produire des sorties structurées.
- Modèle : kimi-k2.7-code
- Provider : Moonshot AI
- Date de sortie : 2026-06-12
- Catégorie : coding model
- Paramètres : open-weights
- Open source : Yes
- Poids disponibles sur HuggingFace
- Disponibilité : API, Kimi Code IDE et programme bêta ouvert
Key Features & Architecture
La fiche technique de kimi-k2.7-code met en avant une fenêtre de contexte de 256k, soit 262,144 tokens, avec support du long thinking et du deep reasoning. Pour une équipe qui travaille sur un dépôt legacy, cela change la manière de construire les prompts : il devient réaliste d’injecter des extraits longs de documentation, plusieurs fichiers sources, des traces d’exécution, des logs, des captures d’écran ou des vidéos de reproduction de bug dans un même contexte.
Le modèle est présenté comme ayant une architecture native multimodale. Contrairement à un système où la vision est greffée après coup, l’objectif ici est de traiter conjointement du texte, des images et de la vidéo. Pour les workflows de développement, cela ouvre des cas concrets : analyser une capture d’interface, lire un diagramme d’architecture, comprendre une démo vidéo, ou relier un message d’erreur terminal à un état visuel de l’application.