Moonshot AI가 Kimi K2.7-Code를 출시했습니다 — 1T 매개변수 에이전트 코딩 모델 완전 분석

Moonshot AI가 Kimi K2.7-Code를 출시했습니다 — 1T 매개변수 에이전트 코딩 모델 완전 분석

2026년 6월, 문샷 AI가 공개한 Kimi K2.7-Code는 K2.6 대비 추론 토큰을 30% 줄이면서 6개 벤치마크 전 항목 점수를 끌어올린 1T 매개변수 오픈 코딩 모델이다.

K2.7-Code 모델 스펙 — 1T 매개변수 MoE

K2.7-Code는 혼합 전문가(MoE) 구조다. 총 1조 개의 매개변수를 보유하면서 토큰당 320억 개만 활성화한다. 384명의 전문가 중 토큰당 8명이 선택되고 1명이 공유되는 라우팅을 사용한다. 레이어 61개(밀집 레이어 1개 포함) 위에 MLA 어텐션과 SwiGLU 활성화 함수가 적용됐다. 4억 매개변수의 MoonViT 비전 인코더가 결합되어 이미지와 비디오 입력도 처리한다.

컨텍스트 창은 256K 토큰(262,144)에 달한다. 네이티브 INT4 양자화가 기본 적용되어 메모리 부담이 줄었다. 다만 두 가지 제약이 있다. 사고 모드(thinking mode)는 필수이며 비활성화하면 API 오류가 발생한다. 샘플링 매개변수는 온도 1.0, top_p 0.95로 고정되어 있다. 기본 최대 출력은 32,768 토큰이다.

6개 벤치마크 결과 — K2.6 대비 일관된 우위

문샷 팀은 K2.6, GPT-5.5, 클로드 오푸스 4.8과의 비교표를 공개했다. 코딩 벤치마크에서 가장 큰 도약은 Kimi Code Bench v2로, 50.9%에서 62.0%로 약 11퍼센트포인트 상승했다. Program Bench는 48.3%에서 53.6%로, MLS Bench Lite는 26.7%에서 35.1%로 개선됐다.

에이전틱 영역에서도 성과가 두드러진다. MCP Mark Verified는 72.8%에서 81.1%로 뛰었다. 이는 같은 환경의 오푸스 4.8(76.4%)을 넘어서는 수치다. MCP Atlas는 69.4%에서 76.0%, Kimi Claw 24/7 Bench는 42.9%에서 46.9%로 끌어올렸다. 다만 Program Bench와 MLS Bench Lite는 여전히 GPT-5.5와 오푸스 4.8이 앞서는 구간도 존재한다.

배포 옵션 — API와 자체 호스팅 모두 지원

K2.7-Code는 두 가지 경로로 사용한다. 첫째, 키미 API와 키미 코드 플랫폼을 통한 서브스크립션 형태로 바로 붙일 수 있다. OpenAI와 Anthropic 호환 엔드포인트가 제공되어 기존 클라이언트 코드 수정 없이 연동된다. 둘째, vLLM·SGLang·KTransformers 위에서 직접 호스팅할 수 있다. K2.5·K2.6과 동일한 아키텍처라 배포 스크립트를 재사용 가능하다. 다만 허깅페이스 리포지토리 크기는 약 595GB로, 노트북이 아닌 다중 GPU 서버 환경을 전제로 한다. transformers는 4.57.1 이상 5.0.0 미만이 요구된다.

개발자를 위한 실전 가이드

K2.7-Code를 코드 에이전트에 결합할 때 다음 세 가지 포인트를 기억하면 효율적이다.

사고 모드를 끄지 말 것. 사고 모드 비활성화는 API 오류를 반환한다. 모든 호출이 추론 토큰을 먼저 소모하므로, 짧은 답변이 필요하더라도 reasoning_length 옵션을 0으로 두면 안 된다. 토큰 비용 최적화는 사고 모드 활성 상태에서 temperature와 top_p만 조정해야 한다.

장기 작업 단위로 작업을 쪼갤 것. K2.7-Code는 단발 Q&A보다 다단계 엔지니어링 작업에 강하다. 256K 컨텍스트를 활용해 한 번에 큰 리팩토링이나 모듈 추가를 맡기는 편이 여러 번 끊어 호출하는 것보다 토큰 효율이 좋다.

벤치마크 해석에 주의할 것. MLS Bench Lite는 35.1%로 GPT-5.5(35.5%)에 근접하지만, 동일 환경 비교는 아니다. K2.7-Code는 Kimi Code CLI에서, GPT-5.5는 Codex xhigh에서, 오푸스 4.8은 Claude Code xhigh에서 각각 측정됐다. 실제 도입 시점에는 자사 코드베이스에서의 내부 평가를 반드시 병행해야 한다.

운영자용 가드레일과 전망

K2.7-Code는 INT4 양자화가 기본이다. 메모리 사용량이 4분의 1 수준으로 줄지만, 정확도 손실 가능 구간(수치 계산·긴 산술)은 회귀 테스트로 점검하는 편이 안전하다. 사고 모드 강제 활성화는 감사 로그(audit log) 설계에 영향을 주므로, 호출 단위 reasoning 토큰 사용량을 별도 추적하는 메트릭을 추가하면 운영 부담이 줄어든다.

향후 방향은 두 가지로 요약된다. 첫째, 오픈 가중치 코딩 모델 경쟁이 1T 매개변수 급으로 격상됐다. K2.7-Code가 오픈 라이선스(수정 MIT)로 풀린 덕에, 한국 개발팀도 자체 호스팅을 통해 데이터 주권과 비용 통제권을 동시에 확보할 길이 넓어졌다. 둘째, 에이전틱 평가 도구(MCP Atlas, Mark Verified)가 사실상의 표준으로 자리 잡고 있다. 2026년 6월을 기준으로, 장기 작업(long-horizon task) 성능은 단발 정확도 못지않게 중요한 벤치 항목이 됐다. K2.7-Code는 이 두 축에서 모두 의미 있는 진전을 보여준 첫 번째 1T 오픈 코딩 모델이라 할 수 있다.