Kimi K2.7 Code API: обязательный режим рассуждений меняет архитектуру routing coding-агентов

12 июня 2026 года Moonshot AI выпустила Kimi K2.7 Code. Модель превосходит K2.6 по всем опубликованным coding-бенчмаркам, однако поставляется с ограничением, напрямую влияющим на стоимость и routing: режим рассуждений (thinking mode) является обязательным. Попытка его отключить — Kimi K2.7 Code API вернёт ошибку. Это архитектурное решение затрагивает расчёт стоимости, проектирование fallback-цепочек и оркестрацию MCP-рабочих процессов для любой команды, использующей эту модель в качестве coding-агента.

Что произошло

K2.7 Code — модель типа Mixture-of-Experts: 1T суммарных параметров, 32B активируется на каждый токен (384 эксперта, 8 выбираются при каждом прямом проходе плюс 1 общий). Архитектура включает MoonViT vision encoder (400M параметров) для обработки изображений и видео. Контекстное окно — 256K токенов.

Официальные бенчмарки Moonshot:

По MCP Mark Verified (тест корректных вызовов инструментов через Model Context Protocol) K2.7 Code набирает 81.1 — выше Claude Opus 4.8 (76.4). GPT-5.5 лидирует с результатом 92.9.

Модель доступна через OpenAI-совместимый Kimi API по имени kimi-k2.7-code. Self-hosted развёртывание требует vLLM, SGLang или KTransformers; checkpoint на Hugging Face занимает около 595 GB.

Официальные цены: cached input — $0.19/1M токенов, cache-miss input — $0.95/1M, output — $4.00/1M.

Почему это важно для AI-инженерных команд

Обязательный режим рассуждений — не опция, а ценовой и latency-порог.

Токены рассуждений тарифицируются по ставке выходных токенов. Модель, которую нельзя запустить без режима думания, означает, что каждый запрос несёт накладные расходы chain-of-thought вне зависимости от сложности задачи. Для коротких шагов агента — диспетчеризация tool call, поиск файлов, быстрый линтинг — эти накладные расходы могут доминировать над стоимостью самой задачи.

Moonshot заявляет о снижении расхода reasoning-токенов примерно на 30% по сравнению с K2.6. В длительной coding-сессии с сотнями итераций инструментов накопленный эффект реален: снижение стоимости output-токенов за задачу, более быстрые шаги (меньше «обдумывания» перед каждым tool call), больше шагов до достижения предела 256K контекста. Даже без быстрого non-thinking режима совокупный эффект для бюджета агентных сессий положительный.

Результат MCP Mark Verified заслуживает отдельного внимания. Этот бенчмарк тестирует реальные вызовы инструментов через Model Context Protocol, а не абстрактные рассуждения. Результат 81.1 означает, что K2.7 Code — жизнеспособная альтернатива Claude и GPT для MCP-orchestrated coding-рабочих процессов.

Параметры сэмплирования также зафиксированы: temperature 1.0, top_p 0.95, n 1, все penalty равны 0.0. Максимальный вывод по умолчанию — 32 768 токенов. Эти параметры нельзя изменить на уровне API.

Router/operator-угол

Три routing-изменения, которые стоит оценить команде:

1. Пересмотрите расчёт стоимости для моделей с обязательным thinking. У K2.7 Code нет дешёвого non-thinking fallback-пути. Если ваша routing-политика переключает модели по бюджету токенов — «лёгкие задачи на дешёвую модель, сложные на мощную» — K2.7 Code следует отнести к уровню «мощный/дорогой» вне зависимости от сложности задачи. Учтите это в логике выбора модели до того, как переводить K2.7 в качестве основного coding-агента.

2. Fallback не должен по умолчанию падать на K2.7. Поскольку каждый запрос к K2.7 несёт overhead рассуждений, использование его как fallback после более дешёвой non-thinking модели опрокинет кривую стоимости вверх при каждой повторной попытке. Если вы используете kimi-k2.6 как основной маршрут и хотите K2.7 как quality fallback — убедитесь, что условие срабатывания осознанное: задача требует более глубоких рассуждений, а не любая API-ошибка или исчерпание квоты.

3. MCP-рабочие процессы — реальный сценарий применения; учитывайте фиксированные параметры сэмплирования. Для coding-агентных циклов, вызывающих MCP-инструменты (CI-проверки, code review, обновление тикетов), оценка 81.1 по MCP Mark Verified делает K2.7 Code сильным кандидатом. Фиксированные параметры сэмплирования упрощают prompt-инженерию — не нужно настраивать temperature на каждый вызов — но это также означает, что повысить случайность для творческих задач рефакторинга не получится. Если вашему агентному циклу нужна вариативность, потребуется другая модель или внешняя обёртка с ре-сэмплингом.

Что стоит сделать пользователям TheRouter

Если вы запускаете coding-агентные pipeline через TheRouter, K2.7 Code стоит добавить в пул моделей с чётким определением уровня:

• Направляйте на kimi-k2.7-code глубокие многошаговые coding-задачи, где overhead рассуждений оправдан сложностью.
• Сохраняйте non-thinking модель (K2.6, DeepSeek V4-Flash) на отдельном маршруте для лёгкого диспетчеризации инструментов, где приоритет — latency и стоимость за шаг.
• Используйте fallback-политику TheRouter осознанно для направления запросов на K2.7, не позволяйте ему становиться случайным fallback более дешёвых моделей при ошибке.

Отслеживайте использование Kimi K2.7 Code API отдельно от K2.6 — разница в стоимости output-токенов ($4.00/1M) существенна, а overhead рассуждений в каждой сессии проявится как повышенный счётчик выходных токенов в биллинговых дашбордах.

Подробнее о построении многоуровневых routing-политик для thinking- и non-thinking coding-моделей — в документации TheRouter.