Moonshot AI ปล่อย Kimi K2.7-Code โมเดลโค้ดดิ้งโอเพนเวต 1 ล้านล้านพารามิเตอร์ ลดโทเคนการคิด 30% ตีคู่ Opus 4.8 บนงาน MCP
สัปดาห์นี้ Moonshot AI ปล่อย Kimi K2.7-Code โมเดลภาษาเฉพาะทางสำหรับงานโค้ดดิ้งแบบ agentic ที่ออกแบบมาเพื่อ “วางแผน-แก้ไข-รันเครื่องมือ-ดีบัก” ข้ามหลายสิบขั้นตอน ไม่ใช่แชตทั่วไป จุดที่น่าสนใจที่สุดคือบริษัทเลือกปล่อยน้ำหนักโมเดลแบบ open-weight บน Hugging Face ภายใต้สัญญาอนุญาต Modified MIT ที่อนุญาตให้ใช้เชิงพาณิชย์ได้ พร้อมเข้าถึงผ่าน Kimi API และแพลตฟอร์ม Kimi Code
ในเชิงสถาปัตยกรรม K2.7-Code เป็น Mixture-of-Experts ขนาด 1 ล้านล้านพารามิเตอร์รวม เปิดใช้งานจริง 32B ต่อโทเคน มี 384 expert (เลือก 8 + shared 1) หน้าต่างบริบท 256K โทเคน และมาพร้อม MoonViT vision encoder 400M สำหรับอินพุตภาพและวิดีโอ จุดที่ต้องระวังคือ “โหมดคิด (thinking)” ถูกบังคับเปิดตลอด ปิดไม่ได้ และค่าการสุ่ม (temperature, top_p ฯลฯ) ถูกล็อกตายตัวฝั่งเซิร์ฟเวอร์
เบนช์มาร์ก: ดีขึ้นทุกแถวเทียบ K2.6
Moonshot เผยผลเทียบ K2.7-Code กับ K2.6, GPT-5.5 และ Claude Opus 4.8 รวม 6 เบนช์มาร์ก โดย K2.7-Code ชนะ K2.6 ทุกแถว จุดกระโดดสูงสุดคือ Kimi Code Bench v2 จาก 50.9 เป็น 62.0 (+21.8%) ตามด้วย MLS Bench Lite (+31.5%) และ Program Bench (+11.0%)
ที่น่าสนใจคือบนงานเรียกใช้เครื่องมือผ่าน MCP (Model Context Protocol) ตัว K2.7-Code ทำคะแนน MCP Mark Verified ที่ 81.1 แซง Claude Opus 4.8 (76.4) แม้โดยรวมจะยังตาม GPT-5.5 และ Opus อยู่บนหลายเบนช์ ทั้งนี้ Moonshot ย้ำเองว่าตัวเลขทั้งหมดเป็น first-party ที่ผู้ผลิตรันเอง ผลทดสอบอิสระยังไม่ออก
เกมราคา: ลดโทเคน “การคิด” คือลดต้นทุนจริง
ไฮไลต์เชิงต้นทุนคือ Moonshot รายงานว่า K2.7-Code ใช้โทเคนการให้เหตุผล น้อยลงราว 30% เทียบ K2.6 โดยอธิบายว่าเป็นการ “คิดมากน้อยลง (less overthinking)” เนื่องจากโทเคนการคิดถูกคิดเงินเป็น output token บนการ์ดราคาส่วนใหญ่ และงาน agentic coding รันเป็นร้อยเป็นพันสเตป การลด 30% จึงทบต้นทุนทุกครั้งที่โมเดลวางแผน-ลองใหม่-ตรวจสอบ ราคา API ทางการอยู่ที่ input cache-miss 0.95 ดอลลาร์/ล้านโทเคน และ output 4.00 ดอลลาร์/ล้านโทเคน ถูกกว่าโมเดล frontier แบบปิดอย่างชัดเจน ข้อแลกเปลี่ยนคือน้ำหนักโมเดลหนักราว 595 GB ทำให้การ self-host เป็นงานระดับเซิร์ฟเวอร์ ไม่ใช่เครื่องโน้ตบุ๊ก
มุมมอง AI Curator
Kimi K2.7-Code ตอกย้ำแนวโน้มที่ค่ายจีนใช้ “โอเพนเวต + ราคาถูก + เก่ง MCP” เป็นอาวุธแย่งนักพัฒนาจากโมเดลปิดฝั่งตะวันตก สำหรับทีมไทยและ SEA ที่อ่อนไหวเรื่องต้นทุนและต้องการรันบนโครงสร้างพื้นฐานของตัวเอง (ด้วยเหตุผลด้าน data residency หรือ PDPA) โมเดลแบบนี้คือทางเลือกที่จับต้องได้จริงมากขึ้น โดยเฉพาะการที่มันออกแบบมาเล่นกับ MCP ตั้งแต่ต้น ซึ่งกำลังกลายเป็นมาตรฐานกลางของระบบ agent ทั้งวงการ แต่ข้อควรระวังที่ต้องย้ำคือ ตัวเลขเบนช์มาร์กทั้งหมดยังเป็นของผู้ผลิตเอง และต้นทุนการ self-host โมเดล 595 GB ไม่ใช่เรื่องเล็ก องค์กรไทยที่สนใจควรเริ่มจากการเรียกผ่าน API เพื่อทดสอบงานจริงก่อนตัดสินใจลงทุนฮาร์ดแวร์ และอย่าเพิ่งเชื่อคะแนนที่ “แซง Opus” จนกว่าจะมีผลทดสอบอิสระยืนยัน
แหล่งข่าว:
อ่านเพิ่มในหมวด โมเดลใหม่
Google เปิดตัว Gemini 4 Carbon ขึ้นอันดับ 1 Artificial Analysis v5 ด้วยคะแนน 59 แต่ยังให้ใช้แค่นักป้องกันไซเบอร์กลุ่มเล็ก
Gemini 4 Carbon เปิดตัว 28 ต.ค. แซง Claude Opus 5.5 บน Intelligence Index v5 แค่ 1 คะแนน และตามหลังเพียง 3 คะแนนในดัชนี coding agent ราคาเปิดตัว $2/$10 แต่นักพัฒนาทั่วไปยังเรียกใช้ไม่ได้ ระหว่างที่ Google ค่อย ๆ เปิดผ่านโปรแกรม Fairwind
Microsoft ปล่อย Mage-VL-Cowork โมเดล 4B คุมเดสก์ท็อปและเทอร์มินัลในตัวเดียว ได้ 66% บน OSWorld-Verified สัญญาอนุญาต Apache-2.0
Mage-VL-Cowork ขนาด 4B ของ Microsoft เลือกเองว่าจะคลิกหน้าจอหรือสั่ง bash ทำคะแนน OSWorld-Verified 66.0% ใกล้ค่าอ้างอิงมนุษย์ 72.4% ในตารางเดียวกัน แต่คำว่าดีที่สุดในขนาด 4B มีคู่เทียบบนตารางนี้แค่รุ่นเดียว
Mistral ปล่อยน้ำหนัก Large 4 จริงแล้ว — 1T ราคาลดเกือบครึ่ง แต่บน AA ได้ 26 และสัญญาอนุญาตห้ามขายเป็น API ถ้าไม่มีใบอนุญาตแยก
Mistral ปล่อยน้ำหนัก Large 4 (Le Chonk) เมื่อ 29 ต.ค. เป็นรุ่นที่ฝึก RL ต่ออีกสามสัปดาห์หลัง preview ขนาด 1T ใช้พื้นที่ราว 1.06TB ราคา API ลดเหลือ $0.70/$2.10 Mistral นำ open-weight ด้าน coding แต่คะแนนรวม AA 26 ตามหลังโมเดลจีน และสัญญาอนุญาตกันธุรกิจ Model-as-a-Service