Kimi K2.7 Codeがやってきた — 1Tパラメータのコーディング特化AIを徹底解説

※ この記事の内容について、業務・開発上お困りの場合は個別に対応できます（5,000円〜）。

ZIDOOKA!

2026.06.16 ・読み終わるまで約5分

#AI #Kimi #Moonshot AI #オープンソース #コーディング

2026年6月12日、月之暗面（Moonshot AI）が Kimi K2.7 Code をリリースした。コーディングに特化したファインチューン版で、同社のフラッグシップモデル K2.6 をベースにエージェント性能を大幅に引き上げている。

Kimi K2.7 Codeは1TパラメータのMoEモデルで、コーディングベンチマークを前世代比+21.8%改善。価格は出力100万トークンあたり$4.00と、Claude Opus系の約1/10という破格の安さが最大の武器。

K2.7 Codeとは何か

K2.7 Code は、Moonshot AI が開発したコーディング専用モデルだ。ベースとなっている K2.6 とアーキテクチャは同一だが、コード生成・エージェントタスクに特化した追加学習が施されている。

主なスペックは以下の通り:

アーキテクチャ自体は K2.6 と変わらない。変化はファインチューンによる方向性の違いだ。K2.6 が汎用モデルとして幅広いタスクをこなすのに対し、K2.7 Code はコードの生成・デバッグ・エージェントループに特化している。

K2.6からの改善点

Moonshot AI が発表したベンチマークスコアは以下の通り:

特に際立つのは思考トークンの削減だ。K2.7 Code は K2.6 と比べて思考トークンを約30%削減しており、同じ出力品質に必要な推論コストが下がっている。

ライバル比較

同じコーディングタスクで競合モデルと比較すると:

GPT-5.5 や Opus 4.8 には及ばない部分もあるが、価格差を考慮するとコストパフォーマンスは圧倒的だ。Opus 4.8 が出力 $75/100万トークンなのに対し、K2.7 Code は $4.00 と約1/19の価格で、8割程度の性能を得られる計算になる。

価格が最大の武器

K2.7 Code の最大の強みは価格設定にある。

キャッシュヒット時には入力が $0.19/100万トークンまで下がる。テンプレート的なタスクを繰り返すワークフローでは、事実上「ほぼ無料」に近いレベルで運用できる。

レート制限も寛容で、累積チャージ $10（約1,400円）で同時実行50、RPM 200まで引き上げられる。個人開発者には十分すぎる制限だ。

アクセス方法

OpenCode

OpenCode には Moonshot AI プロバイダーが内蔵されている。opencode auth login → Moonshot AI 選択 → APIキー入力 → /models で kimi-k2.7-code を選ぶだけで使える。

直接API

OpenAI互換のエンドポイントを提供している:

https://api.moonshot.ai/v1

通常の OpenAI SDK でそのまま接続できる。

Claude Code

環境変数を設定するだけで使える:

ANTHROPIC_BASE_URL=https://api.moonshot.ai/anthropic
ANTHROPIC_AUTH_TOKEN=<APIキー>
ANTHROPIC_MODEL=kimi-k2.7-code

Cline / RooCode

プロバイダーに「Moonshot」を選択し、モデルに kimi-k2.7-code を指定する。

セルフホスト

Hugging Face で重みが公開されているため、vLLM や SGLang でセルフホストも可能:

vllm serve "moonshotai/Kimi-K2.7-Code"

ただし自己ホスト時の動画入力は実験的サポートとなる。

注意すべき制約

K2.7 Code にはいくつかの制約がある。特にエージェント運用を考える場合は把握しておきたい。

思考モード常時オン

K2.7 Code は思考モードをオフにできない。すべての応答に推論トークンが含まれるため、単純なタスクでも多少のレイテンシが発生する。

temperature / top_p 固定

temperature=1.0, top_p=0.95 で固定されており、変更するとエラーになる。出力のランダム性を細かく制御したい場合には不便だ。

tool_choice の制限

tool_choice は "auto" か "none" のみサポート。特定の関数を指名して呼び出すことはできない。

reasoning_content の保持必須

マルチターンのエージェントループでは、過去のアシスタントメッセージに含まれる reasoning_content を保持しなければならない。削除するとエラーになる。

繰り返しツール呼び出しバグ

同一のツール呼び出しを繰り返す既知のバグがある。対策として、3回連続で同じ呼び出しが発生したら <system-reminder> を挿入して別の方法を試させる必要がある。

アクセス方法の比較 — 直API vs OpenCode Go vs Zen

K2.7 Code を使うにはいくつかの経路がある。現時点の対応状況を整理する。

Zen には K2.5 と K2.6 までしかなく、K2.7 Code はまだ載っていない。本気で使うなら Moonshot 直 API が事実上唯一の選択肢になる。Go の 1,150 req/5h はお試し程度に考えるとよい。

コミュニティの評価

正直なところ、コミュニティの評価は割れている。

肯定的な意見としては、「価格に対して驚くべき性能」「オープンソースで重みが公開されている」「Claudeの代替として十分実用的」という声が多い。

一方で批判も少なくない。独立したベンチマークでの検証が不十分で、SWE-Bench Verified や DeepSWE のスコアが公表されていない点を疑問視する声がある。KernelBench のテストでは、K2.7 Code が採点スクリプトを書き換えてスコアを水増しした（テスト改ざん）という報告もある。

K2.7 Code のベンチマークはすべて Moonshot AI の自己報告であり、独立した第三者検証はまだない。実運用前に自分のタスクでテストすることを推奨する。

まとめ

Kimi K2.7 Code は、コーディングAIの価格破壊を起こす可能性を秘めたモデルだ。

良いところ: 出力 $4.00/100万トークン（Claude Opusの約1/10）、オープンソース、エージェント性能は実用的
気になるところ: ベンチマークが自己報告のみ、思考モード強制、一部の制約が使いづらい

Claude Opus や GPT-5 を常用していてコストに悩んでいるなら、一度試してみる価値は十分にある。特に OpenCode なら設定は1分で完了する。自分のワークフローで実際に動かして、判断するのがベストな選択だ。