Kimi K2.7-Code promette token di ragionamento ridotti del 30%, ma i benchmark indipendenti non confermano
Moonshot AI ha rilasciato questa settimana Kimi K2.7-Code, un aggiornamento open-source della famiglia di modelli K2, con la promessa di un ragionamento più snello e miglioramenti a doppia cifra sul benchmark proprietario. Il modello si basa sulla stessa architettura mixture-of-experts da trilioni di parametri del predecessore K2.6, ed è accessibile tramite API compatibile OpenAI — una comodità per i team che già usano K2.6 in produzione.
Quando K2.6 era stato lanciato ad aprile, aveva scalato la classifica settimanale di OpenRouter, basata su decisioni di routing effettive degli sviluppatori, non su benchmark autoreferenziali. Moonshot AI dichiara che K2.7-Code risolve il problema del “overthinking“, riducendo del 30% l’uso di thinking-token rispetto a K2.6 — un dato che incide direttamente sui costi di inferenza per workflow agente. Se questa efficienza regga su benchmark indipendenti, è una domanda che i practitioner hanno già iniziato a sollevare pubblicamente.
Cosa cambia con K2.7-Code
Il modello è rilasciato con licenza MIT modificata, pesi disponibili su HuggingFace e deploy via vLLM o SGLang. Funziona esclusivamente in modalità di ragionamento e non supporta la regolazione della temperatura — fissata a 1.0. La novità principale è che K2.7-Code implementa codice a basso livello direttamente, mentre K2.6 si affidava a wrapper di librerie esistenti. Moonshot AI sostiene che questo produca una generalizzazione più affidabile su Rust, Go e Python, e in svariati task come frontend, DevOps e ottimizzazione delle performance.
Sui benchmark, Moonshot AI rivendica guadagni del 21,8% su Kimi Code Bench v2, del 11% su Program Bench e del 31,5% su MLS Bench Lite. Tutti e tre sono benchmark proprietari. Il modello non è stato inviato a DeepSWE, un benchmark indipendente che produce uno spread di 70 punti tra i modelli — più discriminante di SWE-Bench Pro (30 punti) per chi configura sistemi di routing.
La verifica esterna
Il ricercatore Elliot Arledge ha testato K2.7-Code contro K2.6 e Claude Fable 5 su KernelBench-Hard, benchmark pubblico focalizzato sull’ottimizzazione di kernel GPU. “K2.7 è più onesto, ma non più capace,” ha scritto Arledge. Su cinque dei sei problemi, K2.7-Code ha generato kernel Triton reali (mentre K2.6 usava wrapper), ma due di questi fallivano per bug del modello. Il punteggio sul kernel MoE è sceso da 0,222 a 0,157.
Sugumaran Balasubramaniyan, sviluppatore che ha costruito un model-task-router per la piattaforma Hermes Agent usando DeepSWE come riferimento, ha sfidato pubblicamente Moonshot AI: “Rispettosamente, ogni modello ‘migliora’ a doppia cifra sulla propria suite di test.” K2.6 ha segnato il 24% su DeepSWE, pareggiando con GPT-5.4-mini. Balasubramaniyan chiede se Moonshot AI sottoporrà K2.7-Code allo stesso benchmark.
Cosa significa per le aziende
Il guadagno in efficienza dei token è immediatamente utilizzabile. I team che hanno K2.6 in produzione possono sostituirlo con K2.7-Code via API compatibile e aspettarsi costi di inferenza minori. Il 30% di riduzione dei thinking-token è dichiarato da Moonshot, ma il percorso di integrazione è a basso rischio: testarlo sui propri carichi di lavoro è il modo più prudente per verificare se i guadagni reggono.
