Kimi K2.7-Codeの「+21.8%」は何を測った数字か — 自社ベンチと独立ベンチの違いを整理する

Moonshot AIが2026年6月に公開した「Kimi K2.7-Code」は、総パラメータ1兆、推論時の活性化パラメータ320億というMixture of Experts（MoE）構成のモデルだ。384のエキスパートから毎回8つと共有エキスパート1つが選ばれる仕組みで、規模の割に計算量を抑えている。発表の目玉は、自社ベンチマーク「Kimi Code Bench v2」でK2.6比+21.8%（50.9から62.0）という伸びと、出力コストがGPT-5.5のおよそ7分の1という価格設定だ。

面白いのは、この「+21.8%」が第三者が同じ条件で再現できる数字ではないという点だ。問題セットも採点基準も非公開のため、開発元が評価の枠組みを握っている。実際、同じベンチマーク上ではGPT-5.5が69.0、Claude Opus 4.8が67.4と、K2.7-Codeはいずれも上回っていないが、これは公式が併記している情報だ。自社ベンチでは大勝し、独立ベンチのSWE-bench Verified/ProやTerminal-Bench 2.0には公式の提出スコアが見当たらないという構図は、「どのテストで勝ったのか」を読む力を試される。ベンダーの数字は、まず問いの立て方を疑うところから読むべきだ。

中小企業の実務に効く一言にするなら、「カタログの安さは実運用の安さと同じではない」となる。AIツール連携企業Composioの比較では、Terminal-Bench 2.0の難しい上位10問で正解数は5問で並んだが、コストは約2.1倍の差が出たと報告されている。さらに思考モードが常時オンのため、リアルタイムの入力補完には向かないという指摘もある。AIの料金表を見たら、自社の実際の作業を3件ほど試し、正解率と費用の両方を比べてから採用を決めるとよい。