أطلقت Moonshot AI مؤخرًا Kimi-K2.7-Code، وهو نموذج برمجي مفتوح المصدر يهدف إلى جعل البرمجة المدعومة بالذكاء الاصطناعي أقل هدرًا وأكثر كفاءة. تدّعي الشركة المقرّة في بكين أن النموذج يقلل استخدام رموز الاستدلال بنسبة 30% مقارنةً بسابقه، وهو ما يعني عمليًا أن المطورين سيستهلكون موارد حوسبة أقل مع الحصول على نتائج أفضل.
النموذج متاح الآن على واجهات برمجة تطبيقات منصة Kimi التابعة لـ Moonshot AI ومُستضاف على Hugging Face بموجب ترخيص MIT معدل. يسمح هذا الترخيص بالاستخدام التجاري مع الإسناد للنشر على نطاق واسع، وهي معلومة مهمة لأي شركة تفكر في بناء منتجات تستند إليه.
الأرقام خلف الترقية
Kimi-K2.7-Code هو بنية مزيج من الخبراء تضم إجمالي 1 تريليون معلمة مع 32 مليار معلمة نشطة.
التحسينات المرجعية مقارنة بالنموذج السابق K2.6 يصعب تجاهلها. تبلغ شركة Moonshot AI زيادة قدرها 21.8% في Kimi Code Bench v2، وتحسينًا بنسبة 11.0% في Program Bench، وقفزة بنسبة 31.5% في MLS Bench Lite.
هذا الرقم الأخير مثير بشكل خاص. تختبر MLS Bench Lite قدرات الدعم متعدد اللغات، مما يعني أن النموذج يتعامل مع المهام عبر لغات البرمجة مثل Python وRust وGo بدقة أفضل بكثير من ذي قبل.
يُعالج التخفيض البالغ 30% في رموز الاستدلال ما يسميه الباحثون "التفكير المفرط"، وهو مشكلة شائعة في بيئات البرمجة الآلية. عندما يُنفق نموذج الذكاء الاصطناعي عددًا كبيرًا جدًا من الرموز في استدلاله عبر مشكلة، فإنه يستهلك موارد حوسبة، ويزيد من التأخير، ويرفع تكاليف واجهة برمجة التطبيقات للمطورين.
من شركة ناشئة للروبوتات الدردشية إلى قوة مفتوحة المصدر
تأسست Moonshot AI في عام 2023 بواسطة تشيلين يانغ، خريج جامعة تشينغهوا، الذي أنشأ الشركة حول روبوت المحادثة Kimi. وقد بدأ التحول نحو إصدار النماذج ذات الأوزان المفتوحة مع سلسلة K2 في منتصف عام 2025، وكان وتيرة التحديث منذ ذلك الحين لا تُصدق.
تم إطلاق النموذج الأساسي K2 في يوليو 2025. تلاه K2 Thinking في نوفمبر 2025، مع إضافة قدرات استدلال محسّنة. وظهر K2.5 في يناير 2026، ثم K2.6 في أبريل 2026. والآن يُطلق K2.7-Code في يونيو 2026، ليصبح الإصدار الرئيسي الخامس في أقل من عام.
وضعت الشركة نماذجها حول ثلاثة ركائز: القدرات الوكلائية، ومعالجة السياق الممتد، والمدخلات متعددة الوسائط. يعتمد K2.7-Code بشكل كبير على الركيزتين الأوليين، وهو مصمم لسيناريوهات حيث يحتاج وكيل الذكاء الاصطناعي إلى التخطيط وتنفيذ وتصحيح الكود عبر سلاسل طويلة.