Moonshot AI「Kimi K2.7-Code」公開 — 1T MoEで思考トークン30%削減、商用可の安価コーディングAIが登場

1. Moonshot AIが「Kimi K2.7-Code」を公開——コーディング特化のオープンモデル

中国のAI企業Moonshot AIが、コーディングに特化した新しいAIモデル「Kimi K2.7-Code」を公開しました。誰でも重みを入手できる、オープンウェイトのモデルです。

規模は、1兆パラメータの「Mixture-of-Experts（MoE）」という方式。膨大な専門家のうち、必要な部分だけを呼び出して動かすことで、巨大なモデルを効率よく使えるのが特徴です。一度に扱える文章の長さは、25万6千トークンに達します。

位置づけは、前バージョン「K2.6」を土台に、長い手順を要するコーディング作業の完遂力と、指示の正確な理解、そして効率を高めた改良版です。

2. 最大の売りは「思考トークン30%削減」——推論コストに直結

このモデル最大の売りは、AIが答えを出すまでに費やす「思考トークン」を、前バージョンよりおよそ30%減らした点です。Moonshot AIは、これを「考えすぎ（overthinking）」への対策だと説明しています。

思考トークンは、AIが内部で推論を巡らせるための消費量で、ここが多いほど、利用料金も処理時間も増えます。つまり「同じ品質を、より少ないトークンで」出せれば、それはそのまま運用コストの削減につながります。

とくに、AIが手順を自動でこなす「エージェント」型の使い方では、推論を何度も繰り返すため、この削減効果が効いてきます。コスト面での競争力を、正面から狙った設計といえます。

3. ベンチマークは二桁改善、ただし「実測は要検証」の声

Moonshot AIが公表した性能指標では、前バージョンと比べて、コーディングの評価で21.8%、別のテストでも11%や31.5%といった、二桁の改善が示されています。数字のうえでは、大きな前進です。

ただし、注意も必要です。経済メディアのVentureBeatは、「公表されたベンチマークが、実際に使った感触と合わない」という、実務者からの声を伝えています。

ベンチマークは、あくまで目安です。自分たちの実際の業務で、どこまで使えるかは、手元のデータで試して確かめる——この基本姿勢が、今回はとくに大切になります。

4. 商用可能な「Modified MIT」ライセンス——大規模時のみ表示義務

ビジネスで使ううえで見逃せないのが、ライセンスです。Kimi K2.7-Codeは「Modified MIT」という、商用利用が広く認められた条件で公開されています。

制約がかかるのは、ごく大規模な場合だけ。具体的には、月間のアクティブユーザーが1億人を超える、あるいは月の売上が2000万ドルを超える製品では、画面に「Kimi K2」と表示する義務が生じます。

裏を返せば、多くの企業にとっては、表示義務なしで、自由に商用利用できるということ。オープンウェイトで、かつ商用に使いやすい——この組み合わせが、導入のハードルを大きく下げます。

5. 価格と仕様——$0.95／$4.00、256Kコンテキスト、HuggingFaceで公開

具体的な数字も押さえておきましょう。Moonshot AI経由の価格は、入力が100万トークンあたり0.95ドル、出力が4.00ドル。最先端の最上位モデルと比べると、かなり手頃な水準です。

一度に扱える文章の長さは、25万6千トークン。大きなコードベースや、長い仕様書を、まとめて読み込ませる用途に向きます。重みはHuggingFaceで公開され、自前の環境で動かすこともできます。

「安く」「長い文脈を」「自分の手元で」動かせる。コストと自由度を重視する開発チームにとって、現実的な選択肢が一つ増えた形です。

6. なぜ中国製オープンモデルが効くのか——コスト構造を変える

中国のAI企業が、高性能なモデルを次々とオープンに公開する流れは、世界の開発現場に、静かな価格圧力をかけています。Kimi K2.7-Codeも、その一つです。

これまで、最上位の性能を求めると、米国大手の高価なモデルに頼るのが基本でした。しかし、オープンで、安く、商用に使えるモデルが増えれば、企業は「どこに、いくら払うか」を、より自由に選べるようになります。

投資の観点でも、この動きは重要です。AIの「コスト破壊」が進むほど、モデルそのものより、それを使ってどんな価値を作るか——応用側の競争へと、軸足が移っていきます。

7. ツール開発にどう活かすか——低コスト化とフォールバック

では、実際の開発に、どう取り入れればよいでしょうか。鍵は二つ、「コストの圧縮」と「依存先の分散」です。

一つ目は、社内向けのコーディングエージェントの一部を、こうした安価なモデルに振り分けること。機密性の低い定型作業から始めれば、品質を確かめながら、運用コストを下げられます。

二つ目は、保険としての位置づけです。特定のモデルが、規制や障害で突然使えなくなったとき、すぐ切り替えられる「控え」を持っておく。先日のAnthropicの一件が示したリスクへの、実務的な備えになります。ただし、ベンチマークには留保があるため、本番投入の前に、必ず自前で検証することが前提です。

8. 3分でわかる、今日の要点5つ

• Moonshot AIがKimi K2.7-Codeを公開。1T MoE・256Kコンテキストのコーディング特化オープンモデル（2026-06-12）。
• 思考トークンをK2.6比約30%削減。推論コストに直結し、エージェント運用で効く。
• 自社公表ベンチは二桁改善（Code Bench v2 +21.8%等）。ただし実測は要検証との声。
• Modified MITで商用可。表示義務は月1億MAU／月商2000万ドル超のみ。価格は入力$0.95／出力$4.00。
• 実務は低コスト化＋依存分散。非機密タスクでA/B検証し、フォールバック先として段階導入を。

出典・参考情報

• VentureBeat「Kimi K2.7-Code cuts thinking tokens 30% — but practitioners say the benchmarks don't check out」：https://venturebeat.com/technology/kimi-k2-7-code-cuts-thinking-tokens-30-practitioners-say-benchmarks-dont-check-out
• MarkTechPost「Moonshot AI Releases Kimi K2.7-Code」（2026-06-12）：https://www.marktechpost.com/2026/06/12/moonshot-ai-releases-kimi-k2-7-code-a-coding-model-reporting-21-8-on-kimi-code-bench-v2-over-k2-6/
• LLM-Stats「Kimi K2.7 Code: Benchmarks, Pricing & Context Window」：https://llm-stats.com/models/kimi-k2.7-code