중국 AI 스타트업 문샷 AI(Moonshot AI)가 소프트웨어 개발 작업을 위한 새로운 코딩 특화 대규모 언어모델(LLM)인 '키미 K2.7-Code'를 공개했습니다. 이 모델은 이전 버전 대비 코딩 성능을 크게 개선하고 추론(inference) 시 토큰 소모량을 30% 줄여 효율성을 높인 것이 특징입니다. 특히, 에이전트 중심의 설계로 장기적인 소프트웨어 엔지니어링 프로젝트를 지원하는 데 초점을 맞추고 있습니다.
키미 K2.7-Code는 혼합 전문가(MoE, Mixture-of-Experts) 아키텍처를 기반으로 하며, 총 1조(1T) 개의 매개변수(파라미터) 중 토큰당 320억(32B) 개의 매개변수가 활성화됩니다. 256K 토큰의 긴 컨텍스트 창을 지원하여 복잡한 코드 베이스를 처리할 수 있으며, 이미지 및 비디오 입력을 위한 MoonViT 비전 인코더도 포함하고 있습니다. 이 모델의 가중치는 수정된 MIT 라이선스에 따라 허깅페이스에 공개되어 있으며, Kimi API와 Kimi Code를 통해서도 접근할 수 있습니다. 문샷 AI는 이 모델을 구독형 코딩 플랫폼과 결합하여 제공할 예정입니다.
문샷 AI는 K2.7-Code가 기존 K2.6 모델을 모든 벤치마크에서 능가했다고 밝혔습니다. 특히 코딩 부문 벤치마크인 Kimi Code Bench v2에서 50.9%에서 62.0%로 크게 상승했으며, MCP Mark Verified 벤치마크에서는 81.1%를 기록하며 클로드 오푸스 4.8(Claude Opus 4.8)의 76.4%를 앞섰습니다. 또한, MLS Bench Lite에서는 GPT-5.5에 근접한 성능을 보였습니다. 이러한 성능 향상은 개발자들이 더 효율적으로 코드를 작성하고 디버깅하며, 복잡한 소프트웨어 프로젝트를 관리하는 데 큰 도움을 줄 것으로 기대됩니다.
키미 K2.7-Code의 출시는 개발자 도구 시장에 새로운 경쟁을 예고하며, AI 기반 코딩 지원 도구의 발전 방향을 제시합니다. 특히 오픈 가중치 모델로 제공되어 개발자들이 자체적으로 모델을 활용하고 개선할 수 있는 기회를 제공한다는 점에서 의미가 큽니다. 다만, 약 595GB에 달하는 거대한 모델 크기는 노트북이 아닌 서버급 환경에서의 배포를 요구하므로, 개인 개발자나 소규모 팀이 직접 모델을 호스팅하기에는 높은 기술적 장벽이 존재할 수 있습니다.