GitHub on lisännyt Moonshot AI:n Kimi K2.7 Code -mallin Copilotin mallivalikkoon. Kyseessä on ensimmäinen avoimen painon malli, jonka voi valita suoraan Copilotin valitsimesta. GitHubin muutoslokin mukaan malli on nyt yleisesti saatavilla.
Muutos on periaatteellinen. Copilot on nojannut alusta asti suljettuihin malleihin, ennen kaikkea OpenAI:n ja Anthropicin tarjontaan. Nyt niiden rinnalle nousee avoin malli, joka lupaa saman työn selvästi matalammalla hinnalla.
Moonshot AI on kiinalainen tekoälyyhtiö, jonka Kimi-malleista on tullut tunnettu avointen painojen sarja. Aiemmat K2-mallit ovat jo kiertäneet kehittäjien työkaluissa. Copilot-integraatio vie sarjan ensi kertaa alan valtavirran editoriin.
Ensimmäinen avoin malli Copilotin valikossa
Kimi K2.7 Code rullautuu ensin Copilot Pro-, Pro+- ja Max-tilaajille. Kehittäjät valitsevat sen Visual Studio Coden mallivalitsimesta samalla tavalla kuin OpenAI:n tai Anthropicin mallit. Käyttöönotto etenee vaiheittain, ja GitHub seuraa mallin laatua matkan varrella.
Malli tulee saataville laajalle työkalujoukolle. Listalla ovat muun muassa Visual Studio Code, Visual Studio, Copilot CLI, GitHubin pilviagentti, github.com, GitHub Mobile sekä JetBrains-, Xcode- ja Eclipse-ympäristöt. Tuki laajenee lähiviikkoina uusiin pintoihin.
Yritystilaajille malli on oletuksena pois päältä. Copilot Businessin ja Enterprisen ylläpitäjän on ensin sallittava Kimi K2.7 Code -käytäntö Copilotin asetuksista. GitHub asemoi mallin nimenomaan edullisemmaksi vaihtoehdoksi koodaustyöhön.
GitHubille avaus tuo hintakilpailua omaan ekosysteemiin ja laajentaa mallivalikoimaa. Kehittäjä voi vaihtaa mallia tehtävän mukaan ilman, että työkalu vaihtuu. Sama valitsin tarjoaa nyt sekä kärkimallit että edullisemman avoimen vaihtoehdon.
Mikä Kimi K2.7 Code on
Kimi K2.7 Code on Moonshot AI:n avoin koodausmalli, joka julkaistiin 12. kesäkuuta. Se on rakennettu aiemman K2.6:n päälle ja suunniteltu agenttimaiseen ohjelmointiin. Painot ovat ladattavissa Hugging Facesta Modified MIT -lisenssillä, joka sallii kaupallisen käytön.
Malli perustuu mixture-of-experts (MoE) -arkkitehtuuriin. Kokonaisparametreja on biljoona, mutta yhtä tokenia kohti aktivoituu vain 32 miljardia. Asiantuntijoita on 384, joista kahdeksan valitaan kerrallaan. Konteksti-ikkuna on 256 000 tokenia.
Moonshotin mukaan K2.7 Code käyttää noin 30 prosenttia vähemmän päättelytokeneita kuin K2.6. Malli on viritetty pitkiin tehtäviin: se lukee koodivaraston, suunnittelee muutoksen, muokkaa tiedostoja, ajaa testit ja korjaa virheet. Mukana on myös MoonViT-konenäköenkooderi.
Painot vievät levyltä noin 595 gigatavua, joten oma ajo sopii parhaiten palvelimelle. Malli tukee natiivia INT4-kvantisointia, mikä keventää muistivaatimusta. Kyseessä ei ole yleiskäyttöinen keskustelumalli vaan nimenomaan ohjelmointiin viritetty agentti.
Suorituskyky ja hinta
Moonshot vertasi K2.7 Codea edeltäjäänsä omilla ja ulkoisilla mittareilla. Kimi Code Bench v2:ssa tulos nousi 50,9:stä 62,0:aan. Program Bench ja MLS Bench Lite paranivat myös kaksinumeroisesti. Kärkimalleista Claude Opus 4.8 ja GPT-5.5 pysyvät osassa mittareita edellä.
Yhdessä mittarissa Kimi kuitenkin ohittaa kärjen. MCP Mark Verified -testissä, joka mittaa työkalujen käyttöä Model Context Protocolin kautta, K2.7 Code ylsi 81,1 pisteeseen ja päihitti Opus 4.8:n. Työkalukutsujen luotettavuus on agenttityössä keskeinen tekijä.
Hinta on mallin vahvin argumentti. Moonshotin alustalla syöte maksaa 0,95 dollaria ja tuloste 4,00 dollaria miljoonalta tokenilta. Se on noin viisi kertaa halvempi kuin Claude Opus 4.8. Luvut ovat toistaiseksi yhtiön itsensä raportoimia, eikä riippumattomia SWE-bench-tuloksia ole vielä julkaistu.
Pienempi tokenien kulutus laskee myös todellista käyttökustannusta. Kun malli päättelee tehokkaammin, sama tehtävä valmistuu harvemmilla tokeneilla. Yhdistettynä matalaan yksikköhintaan ero kärkimalleihin kasvaa pitkissä ajoissa.
Mitä tämä tarkoittaa kehittäjille
Kehittäjä saa Copilotin sisään edullisemman vaihtoehdon ilman uutta työkalua. Avoimet painot tarkoittavat myös, että saman mallin voi ajaa omalla palvelimella esimerkiksi vLLM:llä tai SGLangilla. Rajapinta on yhteensopiva OpenAI:n ja Anthropicin protokollien kanssa.
Tiimeille hinta ratkaisee mittakaavassa. Avoimen mallin nostaminen Copilotin valikkoon madaltaa kynnystä kokeilla muutakin kuin kärkimalleja. Rutiininomaisiin koodaustehtäviin edullisempi malli voi riittää hyvin.
Avoimuus tuo myös hallittavuutta. Yritys voi tarkastaa mallin, ajaa sen omassa ympäristössään ja välttää sitoutumisen yhteen toimittajaan. Säädellyillä toimialoilla tämä voi ratkaista, päätyykö malli tuotantoon.
Varovaisuus on silti paikallaan. Käyttöönotto etenee vaiheittain, yritystileillä ylläpitäjän on avattava käyttö, ja riippumattomat vertailut puuttuvat. Paras tapa arvioida mallia on testata sitä omilla tehtävillä.
Yhteenveto
Avoimen mallin nousu Copilotin valikkoon on merkittävä käänne. Se rikkoo suljettujen mallien yksinvallan alan käytetyimmässä kehitystyökalussa. Kimi K2.7 Code myy itseään avoimuudella ja hinnalla, ei kärkituloksilla.
Kehittäjien kannattaa kokeilla mallia todellisissa tehtävissä ennen laajaa käyttöönottoa. Riippumattomat vertailut ratkaisevat lopulta, kuinka lähelle kärkeä edullinen avoin malli yltää.