Kimi K2.7 Code: el agente de programación open source de 1T de Moonshot AI que reduce los tokens de razonamiento en un 30%

La mayoría de los modelos de programación de IA todavía se evalúan por completaciones de una sola vez. Kimi K2.7 Code está diseñado para algo más difícil: ingeniería de software de largo horizonte, donde la corrección y el coste están dominados por la planificación y la orquestación, no por el autocompletado. Es el último modelo de programación open source de Moonshot AI: un Mixture-of-Experts (MoE) de 1 billón de parámetros afinado específicamente para agentes autónomos, y según los informes obtiene una mejora del 21,8% en Kimi Code Bench v2 frente a K2.6 mientras usa aproximadamente 30% menos tokens de razonamiento. Se publica bajo una licencia Modified MIT permisiva, con los pesos disponibles en Hugging Face. (MarkTechPost)

Esta guía desglosa qué es realmente K2.7 Code, cómo mejora sobre K2.6, dónde encaja en la familia K2, su licencia y precios, y los patrones que están usando los builders para aprovecharlo dentro de plataformas de agentes como Eigent.

¿Qué es Kimi K2.7 Code?

Kimi K2.7 Code es un modelo de lenguaje grande open-weight, especializado en programación, de Moonshot AI, construido sobre la arquitectura K2.6 pero afinado explícitamente para generación de código, flujos de trabajo de ingeniería de software y uso de herramientas agentic. En lugar de ser un modelo conversacional general, Moonshot lo describe como un agente de programación de largo horizonte diseñado para impulsar el "trabajo real" dentro de editores, terminales y runtimes de orquestación de múltiples herramientas. (Kimi)

Por dentro, K2.7 Code usa una arquitectura Mixture-of-Experts con 1 billón de parámetros totales y unos 32.000 millones de parámetros activos por token: la misma escala estructural que K2.6, pero con expertos y enrutamiento actualizados y afinados para programación. Se ofrece con una ventana de contexto de 256k tokens, lo que permite a los agentes mantener grandes bases de código, registros y planes de varios pasos en contexto sin tener que trocearlos agresivamente. (FAQ.com)

Los pesos se han liberado como open source bajo una licencia Modified MIT, con artefactos en Hugging Face, y K2.7 Code también está disponible a través de la API de Kimi y del producto Kimi Code. Esa combinación —rendimiento de programación de primera línea más licenciamiento permisivo— lo vuelve inmediatamente relevante para equipos que construyen desarrolladores de IA propietarios, copilotos de código y plataformas de agentes autónomos. Es el primo enfocado en programación de otros buques insignia open-weight que hemos cubierto, como GLM-5.2 de Zhipu y DeepSeek V4 Pro. (Flowtivity)

Mejoras clave frente a K2.6 para programación y agentes

Los benchmarks propios de Moonshot y los análisis de terceros destacan tres cambios principales: mejor precisión en programación, mayor éxito agentic y menor uso de tokens de razonamiento. (Noqta)

• +21,8% en Kimi Code Bench v2 vs K2.6 — K2.7 Code mejora el benchmark interno de programación de Kimi respecto a K2.6, que ya lideraba frente a muchos modelos cerrados en tareas de programación públicas difíciles. (MarkTechPost)
• +11,0% en Program Bench y +31,5% en MLS Bench Lite — en el hilo de lanzamiento de Kimi, se informa que K2.7 Code supera a K2.6 en ambos, apuntando a la síntesis de programas y al razonamiento multietapa alrededor del código. (Moonshot)
• ~30% menos tokens de razonamiento — el modelo está optimizado explícitamente para "pensar menos de la cuenta", consumiendo alrededor de un 30% menos de tokens de razonamiento que K2.6 en tareas comparables mientras obtiene mejores resultados. (FAQ.com)

Para equipos que ejecutan agentes profundos de tree-of-thought o con muchas herramientas, ese último punto es crítico: reducir los tokens de razonamiento en un 30% baja directamente el coste y la latencia para una tasa de éxito igual o mejor. En lugar de intercambiar profundidad de cadena por coste, K2.7 Code busca ofrecer un razonamiento más eficiente y puntuaciones de benchmark más altas. (Noqta)

Cómo encaja K2.7 Code en la familia K2

Conviene ver K2.7 Code como la última especialización de "agente de código" sobre una línea K2 en rápida evolución.

Kimi K2.5: inteligencia agentic visual con ejecución en swarm

K2.5 introdujo la historia de "visual agentic intelligence" de Kimi: un modelo nativamente multimodal que mezcla lenguaje, código y visión. Entrenado con alrededor de 15 billones de tokens mixtos visuales y de texto, junto con un codificador de visión MoonViT dedicado (~400M de parámetros), sobresalía en convertir capturas de pantalla, diseños de UI y documentos en interfaces funcionales y salidas estructuradas. (Hugging Face)

También incorporó Agent Swarm, un runtime que coordina hasta ~100 subagentes y ~1.500 llamadas a herramientas por tarea, ofreciendo alrededor de 4,5× más velocidad de ejecución que una configuración de un solo agente en cargas de trabajo de búsqueda amplias. En HLE, BrowseComp, MMMU Pro, VideoMMMU y SWE-Bench Verified, K2.5 alcanzó cifras SOTA entre los modelos open-weight. (InfoQ)

Kimi K2.6: modelo open-weight de 1T para enjambres de agentes de largo horizonte

K2.6 llevó esas ideas más lejos con una base MoE de 1T de parámetros (32B activos) y una ventana de contexto de 256k, orientada de lleno a programación de largo horizonte y enjambres de agentes a gran escala. Es open-weight bajo una licencia Modified MIT, admite entrada multimodal y está pensado para refactorización a escala de repositorios, diseño impulsado por programación y automatización de investigación de varias horas. (MyAIGuide)

Moonshot y análisis de socios informan que K2.6:

• Supera a GPT-5.4 y a modelos de clase Claude Opus en SWE-Bench Pro y Humanity's Last Exam — el primer modelo open-weight que reclama el primer puesto en ambos simultáneamente. (API易)
• Puede ejecutar trabajos autónomos de más de 12 horas con hasta ~300 subagentes en paralelo y ~4.000 llamadas coordinadas a herramientas en una sola ejecución, manteniendo un plan y un estado coherentes en todo el swarm. (Halmob)
• Se puede desplegar en hardware de clase H100 con vLLM o SGLang, aprovechando pesos INT4 nativos y licenciamiento abierto para una autohospedaje rentable. (AllThings.how)

Kimi K2.7 Code: especialista en programación sobre K2.6

K2.7 Code se asienta sobre esta base como un sucesor especializado en código de K2.6, conservando la escala MoE de 1T y el contexto de 256k, pero reoptimizándose para código de largo horizonte y razonamiento agentic. En lugar de intentar ser el mejor conversador general, abraza "agente de programación" como su identidad central. (MarkTechPost)

Para equipos que ya están explorando K2.5/K2.6 como alternativas open-weight a las APIs de clase GPT y Claude, K2.7 Code no trata tanto de una nueva arquitectura como de un mejor rendimiento por token en programación.

Licencia, precios y opciones de despliegue

Una parte importante del atractivo de K2.7 Code es la combinación de pesos abiertos y una licencia relativamente permisiva.

• Licencia Modified MIT — permite uso comercial a gran escala con atribución como principal restricción. Para empresas y startups por igual, esto es materialmente más flexible que muchas licencias "open" que restringen la competencia o la escala. (Flowtivity)
• Distribución open-weight en Hugging Face — allí están disponibles los pesos y las guías de despliegue, al igual que en K2.5 y K2.6, lo que facilita integrarlo en vLLM, SGLang o stacks de inferencia personalizados. (Kimi)
• Precios de API — para acceso hospedado, la API de Kimi fija K2.7 Code en torno a $0,95 por millón de tokens de entrada y $4,00 por millón de tokens de salida, competitivo para cargas de trabajo de programación de gran contexto. (FAQ.com)

K2.6 ya está alojado por varios proveedores de terceros (Novita, Baseten, Fireworks, Parasail), y se espera que K2.7 Code siga ese camino, reduciendo la fricción para experimentación y configuraciones híbridas autohospedadas/hospedadas. Para entornos regulados, la posibilidad de empezar en la API y pasar a autohospedaje dentro de la misma familia de modelos es una propuesta de adopción muy sólida. (MyAIGuide)

Por qué K2.7 Code importa para los agentes de programación de IA

Hasta ahora, la mayoría de las herramientas de programación de IA han sido copilotos de una sola sesión: autocompletado, explicaciones en línea, refactors ocasionales. K2.7 Code está diseñado explícitamente para flujos de trabajo de largo recorrido, con múltiples herramientas y estilo agentic, donde el coste y la corrección están dominados por el horizonte de planificación más que por las completaciones de una sola vez. (Kimi) Tres aspectos destacan:

1. Planificación de largo horizonte con contexto de 256k. Una ventana de 256k permite a los agentes mantener el estado completo del proyecto —instantáneas de la base de código, documentos de diseño, logs, salidas de pruebas— en un solo prompt, en lugar de trocearlo agresivamente y depender de heurísticas frágiles de recuperación. Eso hace viables tareas de extremo a extremo como "porta este servicio de Node a Rust incluyendo pruebas y CI" o "reescribe esta app móvil con un nuevo sistema de diseño" en una sola ejecución orquestada. (Halmob)
2. Razonamiento eficiente para cadenas profundas. La reducción de ~30% en tokens de razonamiento frente a K2.6 hace menos dolorosas las cadenas más profundas: puedes permitirte más llamadas a herramientas, más introspección y más exploración de ramas y límites sin disparar el coste y la latencia. Para desarrolladores autónomos que piensan en árboles y no en líneas, esa mejora de eficiencia es estratégicamente importante. (Moonshot)
3. Pesos abiertos en un régimen de primera línea. K2.6 ya igualó o superó a modelos de clase GPT-5 en SWE-Bench Pro y HLE manteniéndose open-weight; K2.7 Code hereda ese linaje mientras se orienta específicamente a tareas de programación y agentes. Los equipos ya no tienen que aceptar una gran brecha de capacidades para obtener flexibilidad open source. (API易)

En la práctica, eso convierte a K2.7 Code en una base muy atractiva para:

• Agentes autónomos de "dev AI" que se hacen cargo de un repositorio durante semanas en lugar de minutos.
• Agentes integrados en CI/CD que clasifican, corrigen y validan incidencias en varios servicios.
• Agentes internos de plataforma que generan nuevos productos, realizan migraciones o aplican preocupaciones transversales como observabilidad y seguridad.

Cómo empezar a evaluar Kimi K2.7 Code

Si ya estás experimentando con modelos de programación open-weight, integrar K2.7 Code puede ser un sprint de evaluación enfocado en lugar de una rearquitectura completa.

1. Sustituye K2.6 ↔ K2.7 Code en los pipelines existentes. Si ya usas K2.6 para programación de largo horizonte o experimentos con agentes, inserta K2.7 Code en los mismos flujos (refactors multietapa, revisiones de código multiagente, generación de documentación + pruebas) y mide el éxito de tareas, el número de llamadas a herramientas y el uso de tokens. (Noqta)
2. Prueba escenarios realistas de "agente de 12 horas", no tareas de juguete. Usa el diseño orientado a swarm para lo que fue creado: trabajos de varias horas que abarcan planificación, programación, ejecución y depuración a través de servicios y repositorios. Cuanto más se parezca tu evaluación al trabajo real, más se notarán las mejoras de largo horizonte y eficiencia. (i-SCOOP)
3. Define pronto tu estrategia de hosting. Empieza en la API de Kimi para iterar rápido y luego planifica una migración a autohospedaje en hardware de clase H100 si necesitas residencia estricta de datos o control de costes a escala. La licencia Modified MIT y la distribución en Hugging Face están alineadas deliberadamente con esa trayectoria. (AllThings.how)

Qué significa K2.7 Code para los equipos de ingeniería y producto

Kimi K2.7 Code señala que los modelos de programación y agentes de primera línea ya no son dominio exclusivo de las APIs cerradas: los pesos abiertos con licencias flexibles ahora pueden competir de forma creíble tanto en benchmarks como en flujos de trabajo del mundo real. Para los equipos de ingeniería y producto, eso abre un nuevo espacio de diseño: agentes profundamente integrados en la infraestructura y la cultura sin quedar atados a un solo proveedor. (MyAIGuide)

Si estás construyendo plataformas para desarrolladores, agentes autónomos de programación o compañeros de IA, K2.7 Code merece ser tratado no como "otro modelo", sino como un posible backbone por defecto —especialmente cuando el trabajo de largo horizonte, la orquestación con múltiples herramientas y el despliegue on-prem o en VPC no son negociables. (Halmob)

Este es exactamente el caso para una infraestructura multiagente y agnóstica al modelo. El panorama de modelos cambia rápido, y las plataformas que ganan son las que pueden incorporar un especialista en programación como K2.7 Code para el trabajo en el que mejor rinde —sin re-arquitectar todo el stack. Si esa es la base sobre la que estás construyendo, explora cómo la plataforma open source multiagente Eigent te permite orquestar modelos especializados a través de flujos de trabajo reales.

Preguntas frecuentes

¿Qué es Kimi K2.7 Code?

Kimi K2.7 Code es el modelo de lenguaje grande open-weight y especializado en programación de Moonshot AI: un Mixture-of-Experts de 1 billón de parámetros (32B activos por token) con una ventana de contexto de 256k tokens, construido sobre la arquitectura K2.6 pero afinado para generación de código, flujos de trabajo de ingeniería de software y uso de herramientas agentic. Se publica bajo una licencia Modified MIT con los pesos en Hugging Face.

¿En qué mejora K2.7 Code a K2.6?

K2.7 Code informa de una mejora del 21,8% en Kimi Code Bench v2 frente a K2.6, además de +11,0% en Program Bench y +31,5% en MLS Bench Lite, mientras usa aproximadamente 30% menos tokens de razonamiento en tareas comparables. El resultado neto es mejor precisión en programación y mayor éxito agentic con menor coste y latencia.

¿Qué significa en la práctica "30% menos tokens de razonamiento"?

K2.7 Code está optimizado para "pensar de menos", de modo que llega a mejores resultados con cadenas de razonamiento más cortas. Para agentes con muchas herramientas o de tree-of-thought, eso se traduce directamente en menor coste por token y menor latencia para la misma —o mayor— tasa de éxito en tareas, haciendo asequibles cadenas más profundas y más llamadas a herramientas.

¿Cuánto cuesta Kimi K2.7 Code?

A través de la API de Kimi, K2.7 Code tiene un precio aproximado de $0,95 por millón de tokens de entrada y $4,00 por millón de tokens de salida. Como los pesos son open bajo una licencia Modified MIT, los equipos también pueden autohospedarlo en hardware de clase H100 con vLLM o SGLang para controlar costes a escala.

¿Kimi K2.7 Code es open source?

Sí. Se distribuye como open weights en Hugging Face bajo una licencia Modified MIT que permite uso comercial a gran escala con atribución. También está disponible a través de la API de Kimi y del producto Kimi Code, y se espera que sigan proveedores de terceros como ocurrió con K2.6.

¿Puedo usar Kimi K2.7 Code con Eigent?

Sí. La arquitectura multiagente y agnóstica al modelo de Eigent te permite dirigir tareas de programación y de largo horizonte a K2.7 Code a través de sus herramientas MCP y el framework de Skills —usando su contexto de 256k y su razonamiento eficiente en tokens para trabajo a escala de repositorio mientras mantienes otros modelos para tareas rutinarias.