Moonshot AI hat Kimi K2.7 Code veröffentlicht, ein auf Programmieren spezialisiertes Modell, das auf dem Vorgänger K2.6 aufsetzt. Open Weights, eine Billion Parameter, von denen pro Token nur 32 Milliarden aktiv sind. Auf Hugging Face liegt es seit dem 12. Juni, die API läuft über platform.moonshot.ai zu 0,95 Dollar pro Million Eingabe-Tokens und 4 Dollar pro Million Ausgabe-Tokens. Wer bei den vielen Coding-Tools den Überblick verliert, hat jetzt einen Namen mehr auf der Liste.
Der interessante Wert steht in Moonshots eigener Benchmark-Tabelle. Auf dem hauseigenen Kimi Code Bench v2 klettert das Modell von 50,9 auf 62,0 Punkte. Klingt stark, bis man in dieselbe Zeile rüberschaut: GPT-5.5 steht dort bei 69,0, Claude Opus 4.8 bei 67,4. Das offene Modell schließt also auf, überholt aber niemanden, nicht einmal auf dem Benchmark, den Moonshot selbst gebaut hat. Dafür braucht es laut Hersteller rund 30% weniger Denk-Tokens als K2.6, und das senkt bei einem Reasoning-Modell direkt die Rechnung.
Für Entwickler ist genau das die eigentliche Nachricht, nicht der Tabellenplatz. Ein Coding-Agent mit 256.000 Token Kontext, der lokal über vLLM oder SGLang läuft und niemandem die Prompts schickt, ist im Zweifel mehr wert als zwei Benchmark-Punkte. Wer Kimi K2.6 schon im Einsatz hat, kann die Deployment-Methode eins zu eins übernehmen, die Architektur ist identisch geblieben. Auf den Agenten-Tests wie MCP Atlas und MCP Mark schiebt sich K2.7 ebenfalls nach oben, bleibt bei der Werkzeugnutzung aber hinter den großen geschlossenen Modellen.
Bleibt das übliche Kleingedruckte. Open Weights heißt bei Moonshot »Modified MIT«, nicht das blanke MIT, das Modell kommt also mit Bedingungen. Und das Versionskarussell wird langsam komisch. K2.5, K2.6, jetzt K2.7 Code, dazwischen liegen jeweils Wochen. Irgendwann zählt nicht mehr die Nummer hinterm Punkt, sondern ob das Ding den Pull Request schließt.
Quellen
- Moonshot AI: Kimi-K2.7-Code Model Card (Hugging Face)
- LLM Stats: Kimi K2.7 Code Benchmarks, Pricing & Context Window
Ähnliche News
- Opus 4.8 schlägt GPT-5.5 und Gemini in Anthropics eigenen Agenten-Benchmarks
- MiniMax M3 schlägt GPT-5.5 beim Programmieren und kostet einen Bruchteil
- OpenAI veröffentlicht GPT-5.5 nur sechs Wochen nach dem Vorgänger
Diese Meldung wurde mit Unterstützung von Claude (Anthropic) recherchiert und verfasst. Inhaltliche Fehler sind möglich. Die verlinkten Quellen ermöglichen eine eigene Prüfung. Fachbegriffe erläutert das Glossar.