· GO4IT · Actualités · 5 min read
Kimi K2.7 Code : le modèle coding open-source 1 000 milliards de paramètres de Moonshot AI
Moonshot AI a dévoilé Kimi K2.7 Code, un modèle de codage agentique open-weight avec 1 000 milliards de paramètres. +21,8 % sur Kimi Code Bench v2, 30 % de tokens de raisonnement en moins, et une licence MIT modifiée.
Le 12 juin 2026, Moonshot AI (la startup chinoise soutenue par Alibaba) a publié Kimi K2.7 Code, un modèle de codage agentique open-weight qui repousse les limites de l’ingénierie logicielle assistée par IA. Avec 1 000 milliards de paramètres totaux (32 milliards d’actifs), ce modèle Mixture-of-Experts s’impose comme l’un des modèles de codage les plus performants du marché.
Les améliorations par rapport à K2.6
Kimi K2.7 Code est le successeur direct de Kimi K2.6, sorti en mai 2026. Les améliorations sont substantielles :
| Métrique | K2.6 | K2.7 Code | Évolution |
|---|---|---|---|
| Kimi Code Bench v2 | - | +21,8 % | +21,8 % |
| Program Bench | - | +11,0 % | +11,0 % |
| MLS Bench Lite | - | +31,5 % | +31,5 % |
| Tokens de raisonnement | - | -30 % | 30 % d’économie |
| Contexte | 256K | 262K | +6K |
L’amélioration la plus impressionnante est la réduction de 30 % du nombre de tokens de raisonnement pour des performances supérieures. Cela signifie que les développeurs obtiennent de meilleurs résultats plus rapidement et à moindre coût.
Architecture technique
Kimi K2.7 Code repose sur une architecture MoE massive :
- Paramètres totaux : 1 000 milliards (1T)
- Paramètres actifs par token : 32 milliards
- Experts : 384 (8 sélectionnés par token + 1 partagé)
- Couches : 61 (dont 1 dense)
- Contexte : 262 144 tokens (256K)
- Encodeur vision : MoonViT, 400 millions de paramètres
- Quantification : INT4 native
Le modèle utilise l’attention MLA (Multi-head Latent Attention) et la fonction d’activation SwiGLU pour les feed-forward. Il supporte les entrées texte, image et vidéo.
Mode raisonnement obligatoire
Une particularité importante : Kimi K2.7 Code impose un mode “thinking” obligatoire. Il est impossible de désactiver le raisonnement, et les paramètres d’échantillonnage sont fixes (temperature 1.0, top_p 0.95). Cette conception est intentionnelle pour les cas d’usage agentiques où la fiabilité du raisonnement est primordiale.
“Kimi K2.7 Code a été construit pour les tâches d’ingénierie logicielle à long horizon, où le plan et l’orchestration sont plus importants que l’autocomplétion”, explique Moonshot AI.
Disponibilité et licence
Le modèle est disponible sous deux formes :
- API hébergée via la plateforme Kimi, avec une interface compatible OpenAI. Prix : 0,95 $/M tokens en entrée, 4 $/M tokens en sortie.
- Poids ouverts sur Hugging Face sous licence Modified MIT. Les équipes peuvent déployer le modèle localement avec vLLM, SGLang ou KTransformers, en réutilisant les patterns de déploiement de K2.5 et K2.6.
Sur OpenRouter, le prix tombe à 0,61 $/M tokens en entrée et 3,07 $/M tokens en sortie, ce qui en fait l’un des modèles de codage les plus compétitifs du marché.
Positionnement sur le marché
Avec Kimi K2.7 Code, Moonshot AI cible directement Devstral 2 de Mistral AI et Claude Code d’Anthropic. L’avantage concurrentiel de K2.7 Code réside dans :
- Son coût très faible (0,61 $/M tokens via OpenRouter, contre 10 $/M pour Claude Fable 5)
- Sa licence permissive (Modified MIT) qui permet un usage commercial sans restriction
- Ses performances agentiques renforcées, avec la préservation du raisonnement sur les interactions multi-tours
- Son déploiement local possible sur du matériel standard
Conclusion
Kimi K2.7 Code confirme la percée des modèles chinois dans le domaine de l’IA générative. Pour les développeurs et les startups B2B, c’est une option sérieuse pour les tâches de codage agentique, avec un rapport qualité-prix difficile à battre. La guerre des modèles d’IA n’a jamais été aussi compétitive, et c’est une excellente nouvelle pour les entreprises qui cherchent à intégrer l’IA dans leurs processus de développement.
Comparaison avec les alternatives open-source
Kimi K2.7 Code se mesure directement à Devstral 2 de Mistral AI et aux modèles ouverts de DeepSeek. Sur les benchmarks de codage, K2.7 Code surpasse Devstral 2 sur plusieurs métriques, notamment Program Bench (+11 %) et MLS Bench Lite (+31,5 %). En revanche, Devstral 2 reste plus économique à l’inférence.
Un avantage important de K2.7 Code est sa licence Modified MIT, qui autorise l’usage commercial sans restriction. Là où certains modèles concurrents imposent des limites de revenus ou des clauses d’utilisation, Moonshot AI offre une liberté totale. C’est un argument décisif pour les startups et les entreprises qui veulent intégrer le modèle dans leurs produits sans contrainte juridique.
Kimi K2.6 : le modèle généraliste
En parallèle de K2.7 Code, Moonshot AI maintient Kimi K2.6, son modèle généraliste multimodal. K2.6 est disponible en open-weight sur Hugging Face avec une licence Modified MIT et supporte les entrées texte, image et vidéo. Avec 1T paramètres également, il excelle dans les tâches de raisonnement complexe et d’analyse de longs documents.
L’écosystème Kimi en pleine expansion
Moonshot AI, valorisée à plus de 3 milliards de dollars grâce au soutien d’Alibaba et d’autres investisseurs chinois, développe un écosystème complet autour de ses modèles. La plateforme Kimi propose des applications de chat, de codage et de recherche documentaire. L’application Kimi Code, dédiée au développement assisté par IA, intègre K2.7 Code avec des fonctionnalités spécifiques pour l’édition de code, le débogage et la revue de code.
Pour les développeurs et les startups B2B, le duo K2.6 (généraliste) + K2.7 Code (codage) offre une couverture complète à un coût défiant toute concurrence. Les poids ouverts permettent un déploiement sur site, essentiel pour les secteurs réglementés.
Le contexte géopolitique
L’essor de Moonshot AI s’inscrit dans un contexte géopolitique tendu. DeepSeek, autre champion chinois de l’IA, a récemment échappé à la liste noire américaine dans le cadre de la trêve commerciale entre Trump et la Chine. Cette situation crée des opportunités pour les modèles chinois sur le marché mondial, mais aussi des incertitudes réglementaires pour les entreprises qui souhaitent les utiliser.