Il 12 giugno 2026 Moonshot AI ha rilasciato Kimi K2.7-Code, un modello di intelligenza artificiale specializzato nella scrittura di codice. E' un modello Mixture-of-Experts da mille miliardi di parametri (di cui 32 miliardi attivi a ogni passaggio) con una finestra di contesto di 256.000 token, distribuito con pesi aperti su Hugging Face sotto una licenza Modified MIT.
I numeri dichiarati e le riserve degli esperti
Moonshot ha presentato i miglioramenti come incrementi rispetto alla versione precedente, K2.6: +21,8% su Kimi Code Bench v2 (dal punteggio di 50,9 a 62,0), +11% su Program Bench e +31,5% su MLS. Un dato particolarmente interessante e' l'efficienza: il modello userebbe circa il 30% in meno di token di ragionamento rispetto a K2.6, il che si traduce in costi piu' bassi per ogni compito completato.
Va detto con onesta': diversi addetti ai lavori, come riportato da VentureBeat, hanno espresso dubbi sulla riproducibilita' di alcuni di questi benchmark nelle prove sul campo. E' una cautela sana: i punteggi dichiarati dai produttori vanno sempre verificati sul proprio caso d'uso reale, perche' un modello forte su un test puo' comportarsi diversamente sul vostro codice.
Quanto costa e dove si trova
Sulle API di Moonshot, Kimi K2.7-Code ha un prezzo di circa 0,95 dollari per milione di token in ingresso, 4,00 dollari per milione in uscita e appena 0,19 dollari per milione sui token serviti dalla cache. Sono tariffe molto competitive rispetto ai modelli proprietari di punta. Il modello e' disponibile in tre modi: tramite l'API di Moonshot (compatibile sia con l'SDK di OpenAI sia con quello di Anthropic), tramite Kimi Code — l'agente di programmazione di Moonshot per terminale e IDE — e come pesi aperti su Hugging Face per chi vuole eseguirlo in proprio.
Come provarlo, passo per passo
Per la maggior parte delle persone la via piu' semplice e' l'API, perche' un modello da mille miliardi di parametri richiede hardware imponente (piu' GPU di fascia data center) per girare in locale: non e' qualcosa che si avvia su un portatile. Grazie alla compatibilita' con l'SDK di OpenAI, basta puntare il client all'endpoint di Moonshot. Ecco lo schema della chiamata in Python (sostituite la base URL e la chiave con quelle indicate nella documentazione ufficiale di Moonshot):
from openai import OpenAI
client = OpenAI(
api_key="LA_TUA_CHIAVE_MOONSHOT",
base_url="https://api.moonshot.ai/v1", # verifica l'endpoint sulla doc ufficiale
)
resp = client.chat.completions.create(
model="kimi-k2.7-code",
messages=[
{"role": "system", "content": "Sei un assistente di programmazione."},
{"role": "user", "content": "Scrivi una funzione Python che legga un CSV e restituisca la media della colonna 'prezzo'."},
],
)
print(resp.choices[0].message.content)Il risultato atteso e' una funzione Python pronta all'uso, con l'apertura del file, la lettura della colonna e il calcolo della media, in genere accompagnata da una breve spiegazione. Per chi usa invece l'agente da riga di comando, l'uso tipico e' lanciare Kimi Code dentro la cartella di un progetto e affidargli un compito ("aggiungi i test a questo modulo"), lasciando che legga i file e proponga le modifiche.
Per chi ha senso e per chi no
Kimi K2.7-Code e' interessante soprattutto per chi cerca un modello forte sul codice a costi contenuti, o per le aziende che vogliono la possibilita' di eseguire il modello internamente grazie ai pesi aperti. Non e' invece la scelta giusta per chi non dispone di infrastruttura adeguata e vuole evitare le API di un fornitore cinese per ragioni di policy o conformita'. Come sempre, il consiglio e' provarlo su un compito reale del proprio lavoro — un bug vero, un refactoring vero — e confrontarne il risultato con il modello che gia' usate, prima di adottarlo.
