정보에 대해서Kimi-Dev-72B
Kimi-Dev-72B는 새롭게 공개된 오픈 소스 코딩 대형 언어 모델로, SWE-bench Verified에서 60.4%의 성과를 달성하며 오픈 소스 Model 중에서도 최첨단 결과를 설정했습니다. 대규모 강화 학습을 통해 최적화되어, Docker에서 실제 코드베이스를 자율적으로 수정하며, 전체 테스트 스위트가 통과될 때만 보상을 받습니다. 이를 통해 모델은 실제 소프트웨어 엔지니어링 표준에 맞춘 정확하고 견고하며 실용적인 솔루션을 제공합니다.
Kimi-Dev-72B의 최첨단 코딩 능력이 복잡한 소프트웨어 엔지니어링 문제를 자율적으로 해결하는 방법을 탐색하십시오.
자동화된 소프트웨어 패치
Kimi-Dev-72B는 실제 소프트웨어 문제를 자율적으로 식별하고 수정하여 모든 테스트 스위트를 통과하는 패치를 보장합니다.
사용 사례 예:
"Python 웹 프레임워크의 인증 모듈에서 심각한 버그를 자동으로 해결하여 100%의 단위 및 통합 테스트를 통과하는 견고한 패치를 생성했습니다."
고급 코드 디버깅 및 최적화
미세한 논리적 오류를 정확히 찾아내고 대규모 코드베이스에서 성능 향상을 제안하며, 포괄적인 테스트 스위트를 통과하여 검증합니다.
사용 사례 예:
"Java 마이크로서비스의 데이터베이스 쿼리 로직을 최적화하여 지연 시간을 30% 줄이고 모든 기존 통합 테스트가 계속 통과하도록 확인했습니다."
테스트 주도형 기능 개발
미리 정의된 또는 생성된 테스트 케이스를 통과하도록 설계되어 본질적으로 강력한 새로운 코드 기능을 생성하여 개발 속도를 높입니다.
사용 사례 예:
"Go에서 새로운 데이터 처리 파이프라인 기능을 개발하고 구현과 해당 단위 테스트를 모두 생성하여 즉각적인 기능적 정확성을 보장했습니다."
레거시 코드 리팩토링 및 현대화
구식 코드베이스를 현대적이고 유지 관리가 용이한 시스템으로 변환하여 리팩토링 프로세스 전반에 걸쳐 기능적 동등성과 테스트 스위트 호환성을 보장합니다.
사용 사례 예:
"레거시 C# 데스크탑 응용 프로그램을 최신 .NET 비동기 패턴으로 리팩토링하여 모든 원래 UI 및 백엔드 테스트가 통과하도록 기능적 무결성을 확인했습니다."
메타데이터
사양
주
Deprecated
건축
교정된
네
전문가의 혼합
아니요
총 매개변수
1000B
활성화된 매개변수
1000B
추론
아니요
Precision
FP8
콘텍스트 길이
131K
Max Tokens
131K
다른 모델과 비교
이 Model이 다른 것들과 어떻게 비교되는지 보세요.
Moonshot AI
chat
Kimi-K2.5
출시일: 2026. 1. 30.
Total Context:
262K
Max output:
262K
Input:
$
0.23
/ M Tokens
Output:
$
3.0
/ M Tokens
Moonshot AI
chat
Kimi-K2-Thinking
출시일: 2025. 11. 7.
Total Context:
262K
Max output:
262K
Input:
$
0.55
/ M Tokens
Output:
$
2.5
/ M Tokens
Moonshot AI
chat
Kimi-K2-Instruct-0905
출시일: 2025. 9. 8.
Total Context:
262K
Max output:
262K
Input:
$
0.4
/ M Tokens
Output:
$
2
/ M Tokens
Moonshot AI
chat
Kimi-K2-Instruct
출시일: 2025. 7. 13.
Total Context:
131K
Max output:
131K
Input:
$
0.58
/ M Tokens
Output:
$
2.29
/ M Tokens
Moonshot AI
chat
Kimi-Dev-72B
출시일: 2025. 6. 19.
Total Context:
131K
Max output:
131K
Input:
$
0.29
/ M Tokens
Output:
$
1.15
/ M Tokens
