Kimi K2.7-Code: Mô hình lập trình mã nguồn mở tối ưu hiệu suất từ Moonshot AI

Kimi K2.7-Code: Mô hình lập trình mã nguồn mở tối ưu hiệu suất từ Moonshot AI

Moonshot AI đã chính thức ra mắt Kimi K2.7-Code, phiên bản nâng cấp đáng kể từ dòng mô hình Kimi K2.6, được thiết kế chuyên biệt cho các tác vụ lập trình (coding). Đây là một mô hình dạng tác tử (agentic model) tập trung vào khả năng hoàn thành quy trình kỹ thuật phần mềm từ đầu đến cuối, đặc biệt là các dự án dài hạn và phức tạp.

ModelScope Badge)

Điểm nổi bật nhất của Kimi K2.7-Code nằm ở hiệu quả sử dụng tài nguyên. Mô hình này giúp giảm khoảng 30% lượng "thinking-token" (token suy luận) so với phiên bản K2.6, đồng thời duy trì hoặc cải thiện hiệu suất trên các bài kiểm tra khó. Điều này giúp giảm chi phí tính toán và tăng tốc độ phản hồi khi triển khai trong các ứng dụng thực tế.

Kiến trúc và Thông số kỹ thuật

Kimi K2.7-Code sử dụng kiến trúc Mixture-of-Experts (MoE) hiện đại, cho phép mô hình có tổng số tham số lên tới 1 nghìn tỷ (1T) nhưng chỉ kích hoạt khoảng 32 tỷ tham số tại một thời điểm. Cấu hình này giúp cân bằng giữa sức mạnh xử lý và hiệu suất vận hành.

Dưới đây là một số thông số kỹ thuật chính của mô hình:

• Tổng số tham số: 1T
• Tham số được kích hoạt: 32B
• Độ dài ngữ cảnh (Context Length): 256K token
• Cơ chế chú ý: MLA (Multi-head Latent Attention)
• Số lượng chuyên gia (Experts): 384 (chọn 8 chuyên gia cho mỗi token)
• Bộ mã hóa hình ảnh: MoonViT (400M tham số)

Với độ dài ngữ cảnh lên đến 256K token, Kimi K2.7-Code có thể xử lý các cơ sở mã (codebase) lớn mà không gặp khó khăn trong việc duy trì ngữ cảnh tổng thể.

Hiệu năng trên các Benchmark

Theo các bài kiểm tra nội bộ và so sánh với các đối thủ cạnh tranh như GPT-5.5 và Claude Opus 4.8, Kimi K2.7-Code cho thấy sự cải thiện vượt trội, đặc biệt là trong khả năng lập trình thực tế.

Trên Kimi Code Bench v2 – bài kiểm tra đánh giá các tác vụ kỹ sư phần mềm thực tế trên hơn 10 ngôn ngữ lập trình – K2.7-Code đạt 62.0 điểm, tăng đáng kể so với 50.9 điểm của K2.6.

Đáng chú ý, trên Program Bench, một bài kiểm thử cực kỳ khó đòi hỏi mô hình phải tái tạo hành vi của một chương trình chỉ từ file binary đã biên dịch và tài liệu (không có mã nguồn), K2.7-Code đạt 53.6 điểm. Mặc dù vẫn thấp hơn GPT-5.5 (69.1), nhưng đây là bước tiến lớn so với phiên bản trước.

Ngoài ra, mô hình cũng thể hiện khả năng sử dụng công cụ (tool-use) xuất sắc trên các bài kiểm tra như MCP Atlas và MCP Mark Verified, đạt điểm số tương đương hoặc vượt qua các đối thủ hàng đầu hiện nay.

Tính năng nổi bật và Triển khai

Kimi K2.7-Code mang đến nhiều tính năng nâng cao hỗ trợ cho các lập trình viên và hệ thống AI:

• Thinking Mode (Chế độ suy luận): Mô hình bắt buộc sử dụng chế độ suy luận để phân tích vấn đề kỹ lưỡng trước khi đưa ra mã nguồn.
• Preserve Thinking: Tính năng này lưu giữ toàn bộ nội dung suy luận qua nhiều lượt tương tác, giúp mô hình duy trì mạch tư duy trong các dự án dài.
• Hỗ trợ đa phương thức: Mô hình có khả năng xử lý cả hình ảnh và video, cho phép lập trình viên có thể yêu cầu AI phân tích giao diện đồ họa hoặc video demo để viết mã.

Về việc triển khai, Moonshot AI cung cấp API tương thích với chuẩn OpenAI và Anthropic, giúp các nhà phát triển dễ dàng tích hợp mà không cần thay đổi quá nhiều cấu trúc mã hiện có. Mô hình được khuyến nghị chạy trên các công cụ suy luận (inference engines) như vLLM, SGLang hoặc KTransformers.

License Badge

Giấy phép và Mã nguồn

Một điểm cộng lớn cho cộng đồng mã nguồn mở là cả kho lưu trữ mã và trọng số (weights) của Kimi K2.7-Code đều được phát hành dưới giấy phép Modified MIT License. Điều này cho phép các nhà phát triển và doanh nghiệp sử dụng, nghiên cứu và thương mại hóa mô hình một cách linh hoạt.

Hiện tại, người dùng có thể truy cập API của Kimi K2.7-Code thông qua nền tảng Moonshot AI hoặc tự triển khai mô hình trên máy chủ của riêng mình.