1 июля 2026 года в GitHub Copilot появилась новая модель для кода - Кими K2.7 Code (Kimi K2.7 Code) от китайской лаборатории Moonshot AI. Событие звучит буднично, пока не посмотришь на даты. Открытые веса модели выложили на Hugging Face 12 июня. В пикер моделей Copilot её добавили 1 июля. Между этими датами - 19 дней.
Для перехода открытой модели «из репозитория» в один из крупнейших enterprise-продуктов для разработчиков это едва ли не рекорд.
И это первая open-weight (с открытыми весами) нейросеть в пикере Copilot вообще. Раньше там жили только закрытые модели Anthropic, OpenAI и Google.
Главное. Кими K2.7 Code - открытая китайская нейросеть для кода на 1 триллион параметров (32 млрд активных), с контекстом 256K и «вечно включённым» мышлением. Её встроили в GitHub Copilot за 19 дней после релиза весов - первой из открытых моделей. Но весь спор вокруг неё крутится вокруг другого: разрыва между красивыми бенчмарками Moonshot и тем, как модель ведёт себя на длинных агентских сессиях в 200-300 вызовов инструментов подряд. Все опубликованные бенчмарки - собственные, независимых цифр по SWE-bench для K2.7 пока нет. Данные в статье проверены на 10 июля 2026.
Разберём инфоповод по сути. Что это за нейросеть и чем она отличается от прошлой K2.6. Чему верить в бенчмарках, а чему нет. Что говорят практики, которые уже гоняли Кими в реальных задачах. Сколько она стоит и где подвох. И главное для русскоязычного читателя - как получить Кими K2.7 из России, если сам Copilot у нас официально недоступен.
Сразу опора для тех, кто пришёл за доступом. provod.ai - это агрегатор нейросетей для пользователей из России: Claude, GPT, Gemini, DeepSeek и Qwen в одном чате и через единый API (OpenAI- и Anthropic-совместимый), с оплатой в рублях легально, без VPN и зарубежных карт, с договором и закрывающими документами для юрлиц. Кими там тоже есть. Дальше по тексту вернёмся к этому предметно - через provod.ai открытую модель можно гонять из РФ за рубли. Но сначала - сам разбор.
Что произошло: открытую Кими взяли в Copilot за 19 дней
Коротко. Moonshot AI выложила веса Кими K2.7 Code на Hugging Face 12 июня 2026 года. GitHub добавил её в пикер моделей Copilot 1 июля - для тарифов Pro, Pro+ и Max. 7 июля доступ расширили на Copilot Business и Enterprise, но там модель по умолчанию выключена: включает её администратор организации. Хостит модель сам GitHub на инфраструктуре Microsoft Azure.
Давай по фактам, со ссылками на первоисточники. Веса Кими K2.7 Code появились на Hugging Face 12 июня 2026 года - эту дату фиксирует разбор MarkTechPost от 12 июня и подтверждают комментарии в треде Hacker News с точными временными метками того же дня. Через 19 дней, 1 июля, GitHub опубликовал в своём changelog запись «Kimi K2.7 Code is generally available in GitHub Copilot».
Дословная формулировка GitHub: «This is the first open-weight model offered as a selectable option in the Copilot model picker» - «это первая модель с открытыми весами, доступная как выбираемая опция в пикере моделей Copilot». И вторая важная деталь оттуда же: «Kimi K2.7 Code is hosted by GitHub on Microsoft Azure» - модель хостит сам GitHub на Azure, через инфраструктуру Microsoft, без прямого обращения к API Moonshot.
Раскатка шла по нарастающей. Сначала - Pro, Pro+ и Max. 7 июля GitHub выпустил второй changelog: «Kimi K2.7 now available for Copilot Business and Enterprise». Но с оговоркой, которая много говорит о том, как к китайской открытой модели относятся в enterprise: для бизнес-тарифов Кими выключена по умолчанию. Чтобы разработчики организации увидели её в пикере, администратор должен вручную включить политику в настройках Copilot.
Формулировка GitHub прямая: «We recommend administrators review open-weight models against their own security, compliance, and data-governance requirements before enabling them» - «рекомендуем администраторам оценить открытые модели на соответствие своим требованиям к безопасности, комплаенсу и управлению данными перед включением». То есть GitHub заранее снимает с себя ответственность за то, что компании пустят китайскую модель в свой код.
Где Кими доступна внутри Copilot: Visual Studio Code, Visual Studio, плагин для JetBrains, Xcode, Eclipse, Copilot CLI, облачный агент Copilot, github.com и мобильное приложение. То есть везде, где вообще живёт Copilot.
🚨 Важно для России. Сам GitHub Copilot официально недоступен в РФ - он под экспортным контролем США. Появление в нём Кими на это не влияет. Как реально получить модель из России, разбираю в разделе про доступ - там два отдельных барьера, и решаются они по-разному.
Почему 19 дней - это правда важно?
Коротко. Скорость интеграции - это сигнал про зрелость экосистемы, а маркетинг тут ни при чём. Обычно от релиза открытой модели до её появления в крупном коммерческом продукте проходят месяцы: нужны хостинг, обвязка, юридическая проверка, тесты. 19 дней означают, что инфраструктура для открытых моделей созрела настолько, что новую нейросеть можно «воткнуть» в продукт почти сразу. Для разработчика это значит: выбор моделей будет обновляться быстрее, чем ты привык.
Здесь легко застрять на восхищении цифрой. Но интереснее, что за ней стоит.
Ещё год назад открытая модель после релиза жила в основном на Hugging Face и в самостоятельных развёртываниях энтузиастов. Чтобы она попала в коммерческий инструмент уровня Copilot, кто-то должен был поднять её на своей инфраструктуре, обернуть в биллинг, проверить на безопасность и лицензию, прогнать тесты. Это месяцы.
19 дней - это про то, что весь этот путь спрямился. GitHub хостит модель на Azure по готовому шаблону, каким уже разворачивает десятки моделей. Биллинг - «provider list pricing under usage-based billing», то есть по прайсу провайдера без отдельной наценки платформы. Лицензия Modified MIT (модифицированная MIT) юридически предсказуема. В сумме новую открытую нейросеть теперь можно подключить почти конвейерно.
Для тебя как разработчика вывод практический: пикер моделей в твоём редакторе перестаёт быть стабильным списком из трёх вендоров. Он превращается в живую полку, куда каждый месяц может заезжать новая модель - в том числе дешёвая китайская с открытыми весами. Это и хорошо (больше выбора, ниже цена), и требует навыка: уметь быстро оценивать новую модель самому и не верить пресс-релизу на слово.
И есть скептики. На Hacker News под анонсом GA звучала усталость от самой системы Copilot. Пользователь SeriousM написал: «The model multipliers and the artificial currency were the final nail in the Github Copilot coffin» - «мультипликаторы моделей и искусственная валюта были последним гвоздём в крышку гроба Copilot». Претензия тут к самой системе тарификации premium-запросов у Copilot: новых моделей много, а разобраться, во что обходится каждая, всё труднее. Кими добавляет ещё один вариант выбора - и ещё один повод считать деньги.
Что значит «первая открытая модель» в пикере Copilot?
Коротко. До Кими в пикере моделей Copilot жили только закрытые модели трёх лабораторий - OpenAI, Anthropic и Google. Кими K2.7 Code стала первой моделью с открытыми весами и первой из китайской лаборатории в этом списке. Теперь Copilot маршрутизирует запросы через пять независимых лабораторий: к трём западным добавились собственные модели Microsoft и Moonshot. Для разработчика это реальная конкуренция за твой запрос и рычаг давления на цену.
Формулировку GitHub стоит прочитать буквально: «первая модель с открытыми весами, доступная как выбираемая опция в пикере». Раньше выбор в Copilot был между закрытыми моделями Anthropic, OpenAI и Google - тремя западными вендорами, чьи веса никто не видит. Кими ломает эту монополию сразу по двум осям: открытые веса и китайское происхождение.
Во вторичных разборах этот набор уже прозвали «five-lab roster» - обойма из пяти лабораторий. Считается так: OpenAI (линейка GPT-5.x), Anthropic (Claude и Fable), Google (Gemini), Microsoft (собственные модели вроде MAI-Code) и теперь Moonshot AI с Кими. Тезис разборов: ни один другой инструмент для кода сейчас не маршрутизирует запросы через пять независимых лабораторий по одной подписке.
Что открытые веса дают на практике? Три вещи. Первое - аудируемость: модель можно прогнать на своём стенде и проверить поведение, чего с закрытым API не сделать. Второе - возможность самостоятельного развёртывания: веса лежат на Hugging Face, их можно поднять локально или у своего провайдера. Третье - управление данными: запросы не обязаны идти в облако вендора. Издание TechTimes сформулировало это в заголовке разбора от 2 июля - открытая модель «costs less, audits differently», стоит дешевле и проверяется иначе.
Но открытость китайской модели в enterprise поднимает и новые вопросы. Под анонсом GA в Copilot пользователь grumbelbart2 задал прямой вопрос: «Is there a zero-retention option?» - есть ли режим без сохранения данных? Это типичная тревога корпоративного пользователя: когда в пикере появляется китайская модель, вопрос «а куда уходит мой код» встаёт острее. Формально хостинг на Azure у GitHub эту тревогу частично снимает - данные не покидают инфраструктуру Microsoft. Но происхождение весов из пекинской Moonshot остаётся, и потому GitHub включает Кими для бизнес-тарифов только руками администратора.
Что такое Кими K2.7 Code и чем она отличается от K2.6?
Коротко. Кими K2.7 Code - это нейросеть архитектуры Mixture-of-Experts на 1 триллион параметров, из которых на каждый токен активны 32 млрд. Контекст - 256K токенов. Главная особенность: режим мышления включён всегда и его нельзя отключить. Модель построена поверх прошлой K2.6, заточена под долгие задачи по коду и тратит примерно на 30% меньше «токенов размышления», чем K2.6. Лицензия - Modified MIT, веса открыты.
Разберём начинку по карточке модели на Hugging Face - это первоисточник.
Архитектура - Mixture-of-Experts (MoE, «смесь экспертов»). Всего в модели 1 триллион параметров, но на обработку одного токена включается лишь часть - 32 млрд активных, через маршрутизацию по экспертам. Экспертов 384, на каждый токен выбираются 8 плюс один общий. Это классический приём, который даёт «мощность большой модели по цене средней»: платишь вычислениями только за активную часть.
Контекст - 256K токенов (точно 262 144). Этого хватает, чтобы держать в памяти крупный модуль кода целиком. Есть и мультимодальность: встроенный визуальный энкодер MoonViT на 400 млн параметров позволяет модели работать с изображениями, хотя её основное применение - код.
Теперь главная особенность, вокруг которой много споров. Режим мышления. В карточке Кими прямо сказано: «Thinking Mode: Enabled by default; cannot be disabled» - мышление включено по умолчанию и не может быть отключено. Модель всегда рассуждает перед ответом и сохраняет полный ход рассуждений между ходами в диалоге. У конкурентов вроде Claude мышление часто можно включать и выключать. У Кими - нет, она думает всегда.
Зачем так? Затем, что модель заточена под агентную работу: длинные цепочки «подумал - вызвал инструмент - прочитал результат - подумал дальше». Постоянное мышление здесь - штатный рабочий режим, без него агент слепнет. И вот тут - ключевая заявка релиза.
Кими K2.7 Code тратит примерно на 30% меньше «токенов размышления», чем прошлая K2.6, при более высоких результатах на бенчмарках Moonshot. Это официальное заявление, повторённое во всех первоисточниках - карточке Hugging Face, анонсе на форуме Moonshot, разборе MarkTechPost и блоге Microsoft Foundry. База сравнения - именно K2.6, не сторонняя модель.
⚠️ Важная оговорка. K2.7 Code построена прямо поверх K2.6. Moonshot называет её «coding-focused agentic model built directly on top of Kimi K2.6» - модель для кода, надстроенная над K2.6. То есть это дообученная под кодинг и эффективность версия предыдущей архитектуры, полностью нового поколения тут нет. Это нормально, но ожидать революции относительно K2.6 не стоит - речь про заточку под задачу.
Для тех, кто хочет поднять модель у себя: веса идут с нативной INT4-квантизацией, а из движков инференса Moonshot рекомендует vLLM, SGLang или KTransformers. Есть и отдельный «быстрый» вариант - K2.7 Code HighSpeed, с заявленной скоростью около 180 токенов в секунду и пиком до 260; стоит он дороже по выходным токенам.
По умолчанию семплинг у модели «горячий»: temperature 1.0, top_p 0.95 - Кими сознательно поощряют рассуждать разнообразно, что вяжется с её вечно включённым мышлением.
Линейка Кими вообще движется быстро. Оригинальная Kimi K2 вышла в июле 2025 года и прославилась двумя вещами: агентностью (заточена под вызовы инструментов) и дешевизной. K2 Thinking в ноябре 2025 обошла GPT-5 на части сложных бенчмарков. K2.5 в январе 2026 добавила мультимодальность и «рой агентов» до 100 штук. K2.6 вышла 20 апреля 2026 с контекстом 256K и «роями» до 300 агентов. K2.7 Code от 12 июня 2026 - пятый крупный релиз линейки Кими меньше чем за год.
Стоящая за ними Moonshot AI - пекинская лаборатория, за которой инвесторы уровня Alibaba и Tencent; её оценка выросла с 4,8 млрд долларов в январе 2026 до 20 млрд в мае.
Бенчмаркам Кими можно верить?
Коротко. С осторожностью. Все шесть бенчмарков, которые Moonshot опубликовала для K2.7 Code, - её собственные, внутренние. Ни одного результата на общепризнанных независимых сьютах (SWE-bench Verified, Terminal-Bench, LiveCodeBench) для K2.7 на 10 июля 2026 нет. Относительный прирост «K2.7 против K2.6» посчитан на одном и том же харнессе Moonshot, и ему верить можно. А вот абсолютным цифрам «Кими почти догнала Claude» - оснований нет.
Это самый важный раздел для того, кто выбирает модель по цифрам. Разберём честно.
Moonshot опубликовала внушительную таблицу приростов. Вот она целиком, с цифрами K2.6, K2.7 и, для ориентира, закрытых GPT-5.5 и Claude Opus 4.8 - как их приводит сама Moonshot на своих бенчмарках.
| Бенчмарк (все - внутренние Moonshot) | K2.6 | Кими K2.7 | Прирост | GPT-5.5 | Claude Opus 4.8 |
|---|---|---|---|---|---|
| Kimi Code Bench v2 | 50,9 | 62,0 | +21,8% | 69,0 | 67,4 |
| Program Bench | 48,3 | 53,6 | +11,0% | 69,1 | 63,8 |
| MLS Bench Lite | 26,7 | 35,1 | +31,5% | 35,5 | 42,8 |
| Kimi Claw 24/7 Bench | 42,9 | 46,9 | +9,3% | 52,8 | 50,4 |
| MCP Atlas | 69,4 | 76,0 | +9,5% | 79,4 | 81,3 |
| MCP Mark Verified | 72,8 | 81,1 | +11,4% | 92,9 | 76,4 |
Цифры выглядят убедительно. Проблема в одном: каждый из шести бенчмарков придумала и считает сама Moonshot. Kimi Code Bench v2, Program Bench, MLS Bench Lite, Kimi Claw 24/7 Bench, MCP Atlas, MCP Mark Verified - все шесть придуманы и посчитаны самой Moonshot. Общепризнанных сьютов в списке нет вовсе. Ни одного числа Кими K2.7 на независимых публичных бенчмарках (SWE-bench Verified, SWE-bench Pro, Terminal-Bench, LiveCodeBench) на дату этого разбора нет.
Есть заявка Moonshot про 60,4% на SWE-bench Verified - но это тоже её собственное число, независимо не подтверждённое. Для сравнения: у Claude Opus 4.8 на том же SWE-bench Verified - 88,6% по данным независимых трекеров. Разрыв огромный. Аргумент Кими - не сырой скор, а цена и открытые веса. Это стоит держать в голове, чтобы не завышать ожидания.
Что из этого следует практически? Относительному приросту верить можно: K2.7 и K2.6 прогнали на одном харнессе Moonshot, и «стало на 21,8% лучше на нашем тесте» - честное измерение улучшения. А вот абсолютные позиции против Claude и GPT ненадёжны: их посчитали на бенчмарках, которые сама же Moonshot и оптимизировала.
Практики это чувствуют. На Hacker News под релизом весов пользователь DCKing сформулировал так: «Most people working with Opus and Kimi would likely tell you they're much further apart than the numbers that were quoted for Kimi K2.6» - «большинство тех, кто работает с Opus и Кими, скажут вам, что они гораздо дальше друг от друга, чем показывают числа, которые приводили для Kimi K2.6». То есть в реальном опыте разрыв между Кими и топовым Claude больше, чем в бенчмарк-таблицах.
И это не только про Moonshot. Тот же DCKing замечает, что закрытые западные лаборатории тоже подбирают удобные бенчмарки под свои анонсы. Проблема системная: любой вендорский бенчмарк - это маркетинг, пока его не воспроизвела независимая сторона.
«A cheaper model is not cheaper if it creates twice as much review work. Track cost per accepted change, not cost per generated token» - «более дешёвая модель не дешевле, если создаёт вдвое больше работы по ревью. Считай стоимость одного принятого изменения, а не одного сгенерированного токена».
- редакционный разбор NxCode, 5 июля 2026
Вот эта мысль - главный вывод раздела. Бенчмарк меряет модель на изолированной задаче. А твоя реальная стоимость - это сколько правок ты принял и сколько выкинул. Дальше всё решает то, как модель ведёт себя в агентском режиме на длинной дистанции.
Отдельный трезвый голос - Митч Эшли (Mitch Ashley), вице-президент The Futurum Group, в материале DevOps.com от 15 июня 2026: «Token efficiency gains get absorbed into base capability across release cycles, and inference economics solve structurally» - выигрыш в эффективности токенов со временем «впитывается» базовыми возможностями моделей и решается экономикой инференса сам собой. Проще говоря: сегодняшнее преимущество Кими в «-30% токенов» - временное, через пару релизов конкурентов оно растворится.
Заодно - для тех, кто хочет проверить всё сам. Если ты хочешь сравнить Кими с Claude или дипсиком на своей реальной задаче своими руками - удобно гонять их за один общий баланс. В агрегаторе provod.ai все эти нейросети живут в одном чате и за единым API, платишь картой РФ по официальному тарифу, без наценки. Так проверять «бенчмарки против практики» дешевле, чем заводить пять подписок.
Держит ли Кими 300 tool-calls подряд? Что говорят практики
Коротко. Здесь у Кими главная слабость. Практики с Hacker News и Reddit жалуются на одно и то же: в долгих агентских сессиях модель плохо следует инструкциям, уходит от задачи и лезет чинить то, что не просили. Официальный терминальный агент Moonshot (Kimi Code CLI) работает хорошо во многом потому, что содержит скрытые костыли против зацикливания модели. Без такой обвязки «сырая» Кими через сторонние агенты ведёт себя заметно хуже.
Агентская работа - это длинная цепочка действий вместо разового запроса: модель читает файлы, вызывает инструменты, правит код, снова читает, снова правит. В сложной задаче таких вызовов инструментов набегает 200-300 подряд. И тут бенчмарк-цифры перестают что-либо значить - важно, удержит ли модель задачу на всей дистанции.
Судя по отзывам практиков - удерживает плохо. Собрал реальные жалобы из треда о релизе весов на Hacker News (все от 12 июня 2026, атрибуция сверена по API).
Пользователь re-thc: «The Kimi problem is it doesn't follow instructions and goes off track often. Other than that it's pretty decent (for the price)» - «проблема Кими в том, что она не следует инструкциям и часто уходит в сторону. В остальном она вполне неплоха - за свои деньги». Ключевые слова - «за свои деньги»: к цене претензий нет, к дисциплине есть.
Второй паттерн - оверинжиниринг. Модель застревает на задаче и начинает чинить то, что не сломано. Об этом пишет пользователь reactordev: она «try to fix and refactor things that don't need fixing because it gets stuck trying to solve the problem» - пытается чинить и рефакторить то, что не нуждается в починке, потому что застревает на проблеме.
Самое показательное наблюдение - про официальный CLI. Пользователь vidarh: «Kimi works great in their CLI, but their CLI has a number of workarounds for quirks of their models, including detecting when the model gets into a loop» - «Кими отлично работает в их собственном CLI, но этот CLI содержит ряд обходных приёмов под особенности их моделей, включая детекцию того, что модель зациклилась». То есть фирменный терминальный агент Moonshot ловит зацикливание и откатывает модель к контрольной точке. Магия «отличной работы» - во многом в обвязке, а не в самой модели.
Подтверждение от обратного: те, кто гонял её через сторонние агенты (OpenRouter плюс OpenCode), жаловались, что модель «уходит в разнос» уже через несколько ходов. Без костылей Moonshot её слабое следование инструкциям вылезает наружу.
Почему так происходит? У большой модели без внешней страховки нет надёжного способа заметить, что она ходит по кругу. Фирменный харнесс Moonshot добавляет это извне: следит за повторами действий, ловит зацикливание и откатывает диалог к сохранённой точке, позволяя модели «оставить записку самой себе в прошлом». Через сторонний агент без такой логики модель предоставлена сама себе - и на сотне вызовов инструментов начинает дрейфовать от задачи. Отсюда практический вывод: качество, которое ты видишь в демо Kimi Code CLI, и качество «голой» модели через простой агент - это две разные величины.
Образную, но точную жалобу оставил пользователь nobleach, сравнивая мышление модели с Claude: наблюдать, как Кими рассуждает, - «a lot like I tend to explain things during whiteboarding sessions. The number of times it says 'wait' is just funny» - похоже на то, как сам объясняешь у доски, и количество раз, когда модель говорит «погоди», просто смешное. А Claude, по его словам, ведёт себя «much more like an employee that already knows they have the job» - как сотрудник, который уже уверен, что место за ним. Она думает вслух и мечется, Claude отвечает спокойно.
Есть и умеренно позитивные ранние отзывы. После GA в Copilot пользователь mmusc написал: модель «significantly cheaper to run compared to the other models, tried it for an hour yesterday and the results look promising» - заметно дешевле в работе, чем другие, попробовал час, результаты выглядят обещающе. Но обрати внимание: «час». Это короткая проба длиной в час; до марафона на сотни вызовов инструментов ей далеко. Именно на дистанции проблемы модели и вылезают.
Что это значит для тебя. Вот три антипаттерна, которые прямо следуют из опыта практиков:
- Не запускай Кими K2.7 в длинных агентских сессиях без харнесса с защитой от зацикливания и дрейфа. «Сырая» модель через простой агент чаще уходит от задачи.
- Не оценивай её по внутренним бенчмаркам Moonshot как по замене независимым - для K2.7 их просто нет.
- Не жди от неё уровня Claude на сложной многошаговой задаче. Кими - хороший черновой инструмент, но финальную доводку многие всё равно отдают Claude.
Этот последний паттерн - «пробую дешёвую модель, откатываюсь на Claude для финального фикса» - в тредах повторяется постоянно. Она отлично закрывает роль дешёвого рабочего коня для рутины. Но продакшн-агента на 300 вызовов инструментов на ней одной без обвязки собирать рано.
Сколько стоит Кими K2.7 и где подвох с кэшем?
Коротко. Номинально Кими дешёвая: официальный API Moonshot берёт 0,95 доллара за миллион входных токенов и 4 доллара за миллион выходных. Через OpenRouter - ещё дешевле, 0,72 и 3,49. Но есть подвох: на интенсивной агентской нагрузке основная статья расходов - кэшированный вход, и вот он у неё дорогой. Один практик замерил, что кэш у неё в 53 раза дороже, чем у DeepSeek, и это съедает всю номинальную дешевизну.
Сначала - официальные цены. Прямой API Moonshot (platform.moonshot.ai):
| Кими K2.7 Code, официальный API Moonshot | Цена за 1M токенов |
|---|---|
| Вход (без кэша) | $0,95 |
| Вход (из кэша) | $0,19 |
| Выход | $4,00 |
| Те же цены в рублях 1:1 - через provod.ai | картой РФ / СБП, без наценки посредника |
Через OpenRouter, где за модель конкурируют несколько инференс-провайдеров, выходит дешевле листовой цены Moonshot: примерно 0,72 доллара за миллион входных и 3,49 за миллион выходных токенов. Внутри GitHub Copilot Кими тарифицируется «по прайсу провайдера в рамках usage-based биллинга» - GitHub не накидывает свою наценку сверху, но точный множитель premium-запросов стоит смотреть в документации Copilot на момент, когда будешь считать.
А теперь подвох, из-за которого «дешёвая» модель может оказаться дорогой. На агентской работе структура расходов перекошена: ты гоняешь один и тот же большой контекст (код проекта, историю) через модель десятки раз. Основная стоимость - это кэшированный вход; выход почти не влияет на счёт.
Пользователь mdasen на Hacker News разложил свою структуру расходов: около 95% - кэшированный вход, 4% - обычный вход, 1% - выход. И вывод: «Kimi K2.7 Code is 53x more expensive for cached inputs which is 95% of my costs» - у Кими кэшированный вход в 53 раза дороже (он сравнивал с DeepSeek V4-Pro и MiMo), а это 95% его затрат. То есть на его профиле нагрузки номинально дешёвая Кими проигрывает по деньгам.
Мораль простая, и её уже сформулировал NxCode выше: считай стоимость одного принятого изменения, а цена за токен обманчива. Дешёвый выход при дорогом кэше и слабой дисциплине на длинной сессии легко превращается в «сожгла бюджет, а результат пришлось переделывать».
💡 Совет. Прежде чем ставить Кими на постоянный агентский workload, замерь свою реальную структуру токенов. Если у тебя, как у mdasen, 95% - кэш, смотри на цену кэшированного входа: красивая цифра за выход тут обманывает. Для разовых задач и генерации кода «с нуля» её экономика, наоборот, хороша.
Кими, DeepSeek, GLM или Claude - что брать под код?
Коротко. Кими K2.7 - одна из нескольких открытых китайских моделей для кода, и не самая сильная по независимым бенчмаркам. Прямые конкуренты по нише «открытая и дешёвая» - DeepSeek V4, GLM-5.2 и Qwen3-Coder. По сырому качеству на сложных задачах впереди закрытые Claude Opus 4.8 и GPT-5.6, но они дороже в разы. Выбор - это торг между ценой, открытостью весов и качеством на длинной дистанции.
Чтобы не выбирать в вакууме, вот ландшафт моделей для кода на 10 июля 2026 - с ценами официальных API и статусом открытости весов.
| Модель | Лаборатория | Веса | Цена вход/выход за 1M | Ниша |
|---|---|---|---|---|
| Кими K2.7 Code | Moonshot (Китай) | Открытые (Modified MIT) | $0,95 / $4,00 | Дешёвый агентный код, много токенов на рассуждение |
| DeepSeek V4 Pro | DeepSeek (Китай) | Открытые (MIT) | $0,435 / $0,87 | Самая дешёвая из сильных, отличный кэш |
| GLM-5.2 | Zhipu AI (Китай) | Открытые (MIT) | $1,40 / $4,40 | Крепкий середняк, сильна в агентных задачах |
| Qwen3-Coder-Plus | Alibaba (Китай) | Открытые | $0,40 / $1,60 | Дешёвый код, но флагман Qwen3.7-Max стал закрытым |
| Claude Opus 4.8 | Anthropic (США) | Закрытые | $5,00 / $25,00 | Топ по качеству на сложных задачах, дисциплина |
| GPT-5.6 (Sol) | OpenAI (США) | Закрытые | $5,00 / $30,00 | Сильный универсал + слитый с ChatGPT Codex |
Что из этой таблицы видно сразу. Открытых китайских моделей для кода стало много, и они бьются между собой ценой. По деньгам Кими - не рекордсмен: DeepSeek V4 Pro и Qwen3-Coder дешевле, а DeepSeek ещё и с дешёвым кэшем, что критично на агентской нагрузке (см. предыдущий раздел). Её козырь - агентная заточенность и «-30% токенов на рассуждение», но по чистой экономике на длинной сессии DeepSeek часто выигрывает.
По сырому качеству на сложных задачах впереди закрытые Claude Opus 4.8 и GPT-5.6. Разрыв по независимым бенчмаркам - большой (88,6% против заявленных 60,4% на SWE-bench Verified). Но и цена другая: выход у Opus 4.8 в шесть с лишним раз дороже, чем у Кими. На массовой рутине по коду платить за Opus каждый токен смысла нет. А вот на сложном рефакторинге, где ошибка дорогая, экономия на модели выйдет боком.
Отдельно про открытость. Веса Кими, DeepSeek и GLM открыты - их можно развернуть локально или у российского провайдера, и данные не уходят чужому облаку. Для команд с требованиями к приватности это иногда решающий аргумент, перевешивающий разницу в качестве.
Лето 2026 вообще стало сезоном открытых китайских моделей для кода. За две недели вокруг релиза Кими вышли GLM-5.2 от Zhipu AI (13 июня, лицензия MIT) и открытая Tencent Hunyuan Hy3 (6 июля, Apache 2.0). DeepSeek V4 держит ценовое дно с апреля. Даже Alibaba, закрывшая флагманскую Qwen3.7-Max, оставила открытой линейку Qwen3-Coder. Картина простая: закрытые западные модели держат вершину качества, а снизу их подпирает плотная волна дешёвых открытых китайских моделей, и Кими - один из заметных, но не единственный игрок этой волны. Для покупателя это хорошо: чем плотнее конкуренция снизу, тем быстрее падают цены и тем меньше смысла переплачивать за флагман там, где хватит рабочей лошадки.
| Что важнее | Что брать |
|---|---|
| Максимально дёшево + дешёвый кэш | DeepSeek V4 Pro |
| Открытые веса + агентная заточка | Кими K2.7 Code или GLM-5.2 |
| Максимум качества на сложной задаче | Claude Opus 4.8 или GPT-5.6 |
| Всё сразу с одного баланса из РФ, в рублях | provod.ai (см. ниже) |
Хорошая новость для русскоязычного разработчика: выбирать одну модель навсегда не нужно. Все перечисленные - Кими, дипсик (DeepSeek), GLM, Claude, GPT - доступны из России с одного баланса через агрегатор provod.ai, в рублях и по официальным тарифам. Переключаешь модель одной строкой в коде и гоняешь на своей задаче.
Как получить Кими K2.7 из России?
Коротко. Тут два отдельных барьера. Первый: сам GitHub Copilot официально недоступен в РФ - он под экспортным контролем США, блокировка идёт по IP, а не только по оплате. Второй: прямой доступ к Kimi/Moonshot из России тоже не работает штатно - нет российских номеров для регистрации, карты РФ не принимают. Обходить оба барьера ради Copilot имеет смысл редко. Практичнее получать саму модель Кими напрямую - через российский агрегатор в связке с любым агентом, в рублях и без VPN.
Разложу по-честному, потому что «howto»-статьи в рунете тут часто вводят в заблуждение.
Барьер первый - Copilot. GitHub Copilot нельзя легально использовать в России. В официальной политике GitHub «GitHub and Trade Controls» Россия в списке стран под экспортным контролем США, куда продукт «may not be sold, exported, or re-exported». Блокировка работает на уровне IP: даже оплатив подписку, из российской сети ты упрёшься в отказ.
Многие посреднические гайды пишут «Copilot работает свободно, проблема только в оплате» - это расходится и с официальной формулировкой GitHub, и с жалобами пользователей в GitHub Community на блокировку по региону. То есть для Copilot нужно решать два независимых вопроса: обход блокировки по IP (VPN/прокси на всё время работы) и оплата подписки через посредника с зарубежной картой.
Барьер второй - сам Kimi. Прямой доступ к platform.moonshot.ai и kimi.com из России тоже штатно не работает: российских номеров нет в списке для SMS-подтверждения, карты РФ не принимаются. Веб-чат Кими иногда открывается без VPN (сайт за Cloudflare, грузится нестабильно), но платный API и подписки - нет.
Русскоязычную аудиторию тут ждёт несколько типовых граблей, и они всплывают в комментариях на Хабре и vc.ru из статьи в статью. Первое - регистрация по телефону: российских номеров нет в списке для SMS-подтверждения, приходится заводить виртуальный иностранный номер или входить через Google-аккаунт. Второе - качество русского: пользователи отмечали, что ранние Kimi K2 «выражались коряво по-русски», путали языки прямо в рассуждении и давали разные ответы на один и тот же промпт. Moonshot заявляет, что в новых версиях перевод подтянули, но ровности от версии к версии тут нет, и это стоит держать в уме. Третье - сам объём «howto»-статей про оплату китайских моделей из России показателен: их десятки, почти под копирку, с одним набором сервисов-посредников. Это признак не столько живого спроса на разбор, сколько работы платёжных посредников на поиск - и цифры оттуда (комиссии, курсы) стоит перепроверять на дату покупки, потому что верить им вслепую опасно.
Ещё один постоянный сюжет рунета - «Кими или дипсик, что выбрать». Обе модели открытые, обе китайские, обе метят в нишу дешёвой альтернативы Claude и GPT для кода. По деньгам на агентской нагрузке дипсик обычно выигрывает за счёт дешёвого кэша; по агентной заточке и экономии токенов на рассуждение практики пробуют Кими. Универсального ответа нет - и это ещё один довод за то, чтобы иметь под рукой обе модели и переключаться под задачу.
Вывод: гоняться за Кими именно внутри Copilot из РФ - дорого и муторно (два барьера, два способа обхода). Практичнее взять саму модель напрямую.
Рабочий путь для разработчика из РФ. Кими K2.7 Code - это открытая модель с OpenAI-совместимым API. Значит, её можно подключить к любому агенту (Claude Code, Cline, Roo Code, Cursor) через российский шлюз-посредник, который принимает рубли и не требует VPN. Это снимает оба барьера разом.
Через агрегатор provod.ai Кими живёт в одном чате с Claude, GPT, Gemini и дипсиком, а платить можно картой РФ, через СБП или по счёту с закрывающими документами для юрлиц. Заводится это сменой двух строк - ключа и адреса API:
from openai import OpenAI
client = OpenAI(
api_key="ВАШ_КЛЮЧ_PROVOD",
base_url="https://api.provod.ai/v1",
)
resp = client.chat.completions.create(
model="kimi-k2.7-code",
messages=[{"role": "user", "content": "Отрефактори эту функцию"}],
)
print(resp.choices[0].message.content)
Поскольку API OpenAI-совместимый, Claude Code, Cursor и n8n подхватывают его без переписывания кода - меняешь base_url и ключ, модель выбираешь строкой model. Один ключ вместо пяти подписок и пяти зарубежных карт.
Про цену вопроса скажу прямо, потому что «наценка всего 5-15%» - популярный, но не всегда верный тезис. При прямой проверке 10 июля 2026 один российский агрегатор просил за Кими K2.7 Code 190 рублей за миллион входных токенов и 800 за миллион выходных - при официальных 0,95 и 4 долларах (по курсу ЦБ 75,93 рубля за доллар это около 72 и 304 рублей). То есть в рублёвом эквиваленте выходит примерно в 2,6 раза выше официального прайса, а не «плюс 10%». Наценка сильно зависит от агрегатора и модели, и её стоит проверять на конкретной нейросети, не полагаясь на общую цифру. Модель provod.ai - цены 1:1 с официальным тарифом, без наценки посредника; реселлеры на том же обычно зарабатывают сверху.
🚨 Честная граница. provod.ai закрывает доступ и оплату: даёт Кими и другие модели из РФ за рубли через единый API. Но он не заменяет две вещи. Первое - фирменную обвязку Kimi Code CLI с её костылями против зацикливания (а именно она вытягивает Кими на длинных сессиях). Второе - сам флоу GitHub Copilot с его интеграцией в редактор. Если тебе нужен именно Kimi Code CLI или именно Copilot - это отдельная история со своими обходами блокировок. Для всего остального - гонять модель через свой агент - агрегатор проще и дешевле.
Кому Кими K2.7 подходит, а кому лучше не трогать?
Коротко. Кими K2.7 Code хороша как дешёвый рабочий конь для рутинного кода, генерации «с нуля» и задач, где важны открытые веса и приватность. Она плохо подходит для длинных автономных агентских сессий без обвязки и для сложного кода, где цена ошибки высокая - там выигрывают Claude и GPT. Если сомневаешься - используй Кими для черновика, а финальную доводку отдавай более дисциплинированной модели.
Собрал выбор в дерево решений - по вопросам вместо длинных абзацев про развилки.
- Тебе нужны открытые веса (локальный запуск, приватность, свой хостинг)? Да - Кими в игре наравне с DeepSeek и GLM. Нет - смотри и на закрытые Claude/GPT, у них качество выше.
- Задача - длинная автономная агентская сессия на 200-300 вызовов инструментов? Да - бери Кими только с харнессом, который ловит зацикливание (фирменный Kimi Code CLI), либо возьми более дисциплинированную модель. Нет - Кими отлично справится с разовой генерацией.
- Цена ошибки в коде высокая (прод, финансы, безопасность)? Да - не экономь на модели, бери Claude Opus 4.8 или GPT-5.6. Нет - Кими закроет рутину дёшево.
- У тебя агентский профиль с большим кэшем (95% - кэшированный вход)? Да - сравни экономику с DeepSeek V4 Pro, у Кими дорогой кэш. Нет - номинально дешёвый выход Кими работает в плюс.
- Ты в России и тебе нужен просто доступ к модели за рубли? Да - бери Кими через агрегатор напрямую, не мучай Copilot.
Честный итог. Кими K2.7 Code - крепкая открытая нейросеть с сильной агентной заточкой и приятной ценой на выходе. Но она не «убийца Claude» из заголовков китайских пресс-релизов, а рабочий инструмент со своими границами: дисциплина на длинной дистанции хромает, кэш дорогой, независимых бенчмарков нет. Знаешь эти границы - получишь дешёвого помощника на рутину. Не знаешь - сожжёшь бюджет и время на переделку.
Частые вопросы о нейросети Кими
Коротко. Кими (Kimi) - это семейство нейросетей китайской Moonshot AI, а K2.7 Code - её открытая модель для кода. Из России сайт и API Moonshot штатно не работают, поэтому проще брать модель у российского посредника в рублях. Ниже - короткие ответы на самые частые вопросы: чья это нейросеть, бесплатна ли, работает ли из РФ и что выбрать между Кими и дипсиком.
Кими - чья это нейросеть?
Кими (Kimi) - это семейство нейросетей китайской лаборатории Moonshot AI из Пекина. Кими K2.7 Code - её открытая модель для кода, вышла 12 июня 2026 года. Не путать с гонщиками Формулы-1 Кими Райкконеном и Кими Антонелли - к автоспорту нейросеть отношения не имеет.
Кими нейросеть - это бесплатно?
Веса модели открыты (лицензия Modified MIT), то есть их можно скачать и запустить бесплатно на своём железе. Но за использование через API (Moonshot, OpenRouter, агрегаторы) платишь по токенам: официально 0,95 доллара за миллион входных и 4 за миллион выходных. Веб-чат Кими имеет бесплатный базовый тариф.
Работает ли Кими из России?
Прямой доступ к сайту и API Moonshot из РФ штатно не работает - нужны зарубежный номер и карта. Практичный способ - через российский агрегатор вроде provod.ai: Кими доступна в рублях, картой РФ или по СБП, без VPN. Сам GitHub Copilot, куда добавили Кими, в России официально недоступен.
Что лучше - Кими или дипсик (DeepSeek)?
Обе - открытые китайские модели для кода. DeepSeek V4 Pro дешевле и с дешёвым кэшем, что выгоднее на агентской нагрузке. Кими сильнее заточена под агентную работу и тратит меньше токенов на рассуждение. Для рутины и экономии многие берут DeepSeek, для агентных сценариев пробуют Кими. Проще всего сравнить обе на одной своей задаче за единый баланс.
Чем Кими K2.7 отличается от K2.6?
K2.7 Code построена поверх K2.6, заточена под код и тратит примерно на 30% меньше «токенов размышления» при более высоких результатах на внутренних бенчмарках Moonshot. Это специализированная под кодинг версия той же архитектуры, а полноценной сменой поколения её называть рано.
Если после этого разбора хочешь просто взять Кими и попробовать - самый быстрый путь из России ведёт через агрегатор. Проверь любую модель из этой статьи за пять минут: на provod.ai все флагманы - Кими, Claude, GPT, Gemini, DeepSeek - в одном чате и через единый API, оплата в рублях с карты РФ, для юрлиц договор и закрывающие. Без VPN и без наценки.
Источники
- GitHub Changelog, «Kimi K2.7 Code is generally available in GitHub Copilot», 1 июля 2026
- GitHub Changelog, «Kimi K2.7 now available for Copilot Business and Enterprise», 7 июля 2026
- Hugging Face, карточка модели moonshotai/Kimi-K2.7-Code, 2026
- MarkTechPost, «Moonshot AI Releases Kimi K2.7-Code», 12 июня 2026
- Форум Moonshot AI, анонс Kimi K2.7 Code, июнь 2026
- Microsoft Azure AI Foundry Blog, «Introducing Kimi K2.7 Code in Microsoft Foundry», 1 июля 2026
- DevOps.com, комментарий Митча Эшли (The Futurum Group), 15 июня 2026
- NxCode, редакционный разбор открытых моделей в управляемых IDE, 5 июля 2026
- Hacker News, тред о релизе весов Kimi K2.7 (item 48502347), 12 июня 2026
- Hacker News, тред о GA в Copilot (item 48756602), 2 июля 2026
- OpenRouter, страница модели moonshotai/kimi-k2.7-code, проверено 11 июля 2026
- GitHub Docs, «GitHub and Trade Controls», проверено 11 июля 2026
- TechCrunch, «China's Moonshot AI raises $2B at $20B valuation», 7 мая 2026
- Банк России, официальный курс доллара на 10 июля 2026 (75,93 рубля)
Полная картина по доступу к нейросетям для кода из России - за один заход. provod.ai: Кими, Claude, GPT, Gemini и DeepSeek в одном чате и через единый API, в рублях, без VPN, с закрывающими для бизнеса.
provod.ai — роли и отдельные аккаунты для AI-команды
Не передавайте коллегам личные логины и ключи: разделяйте доступ внутри корпоративного пространства и сохраняйте централизованное управление рабочими сценариями.
В одном каталоге — актуальные модели для текста и медиа: GPT от OpenAI, Claude от Anthropic, Gemini от Google, Grok от xAI, DeepSeek, Qwen, GLM, Kimi и MiniMax; для изображений — Nano Banana 2 Pro и GPT Image; для видео — последние версии Seedance, Kling, Veo и Google Omni. Также доступны модели для reasoning, поиска, документов, эмбеддингов, музыки и аудио.
Управляемые доступы идут без тарифной надбавки агрегатора: стоимость моделей остаётся 1:1 с официальными ценами провайдеров.
Организуйте безопасную командную работу: форма регистрации · цены на модели · защита данных по 152-ФЗ · политика обработки данных
Top comments (0)