Przez lata modele open-weight były w świecie komercyjnych IDE gościem, którego wpuszcza się kuchennymi drzwiami: pobierz wagi, postaw sobie serwer, podłącz przez jakiś plugin, radź sobie sam. 1 lipca 2026 to się zmieniło w miejscu, które trudno zignorować. GitHub Copilot dodał do swojego oficjalnego wyboru modeli Kimi K2.7 Code od Moonshot AI - i jest to pierwszy model open-weight dostępny wprost z listy w Copilocie, obok zamkniętych modeli OpenAI, Anthropic i Google. Dla mnie to ważniejszy sygnał niż kolejny rekord na benchmarku, bo pokazuje, gdzie realnie przesuwa się rynek narzędzi dla programistów. Przekopałem się przez oficjalny changelog GitHuba, cenniki i wyniki testów - i wyszedł z tego obraz, który warto zrozumieć, zanim klikniecie ten model w rozwijanej liście.
Co dokładnie ogłosił GitHub
Komunikat jest zwięzły, ale konkretny. Od 1 lipca Kimi K2.7 Code trafia do planów Copilot Pro, Pro+ i Max, a od 7 lipca rozszerza się na Copilot Business i Enterprise (tam domyślnie wyłączony - musi go włączyć administrator). Model jest hostowany przez GitHuba na Microsoft Azure i rozliczany w modelu usage-based według cennika dostawcy. GitHub podkreśla jedno: to pierwszy open-weight w wyborze modeli Copilota, mający dać "więcej wyboru i tańszą opcję" w codziennej pracy.
Najciekawsze jest tempo. Moonshot opublikował wagi na Hugging Face, a 19 dni później model był już ogólnie dostępny w największym komercyjnym asystencie kodowania świata. To jedno z najszybszych przejść od otwartej publikacji wag do dostępności na platformie enterprise, jakie pamiętam. Dla porównania - jeszcze rok temu taka droga liczyła się w miesiącach albo w ogóle się nie odbywała.
Co to za model: bilion parametrów, które udają 32 miliardy
Kimi K2.7 Code to model typu Mixture-of-Experts (MoE) i to jego architektura tłumaczy, dlaczego "otwarty i tani" nie musi znaczyć "słaby". Ma bilion (1 000 mld) parametrów łącznie, ale na każdy token aktywuje tylko 32 miliardy z nich. W praktyce dostajesz pojemność reprezentacyjną modelu bilionowego przy koszcie obliczeniowym gęstego modelu 32-miliardowego. To ta sama sztuczka, dzięki której chińskie open-weighty przez ostatnie miesiące dogoniły czołówkę - pisałem o niej szerzej przy okazji GLM-5.2 i tego, jak open-weight przejmują ruch w API.
Do tego dochodzi licencja MIT i pełne wagi publicznie dostępne na Hugging Face. Czyli: możesz używać modelu wygodnie z poziomu Copilota, ale gdybyś chciał, możesz go też postawić u siebie, za firewallem, bez wysyłania kodu na zewnątrz. Ta opcjonalność jest realną wartością, nawet jeśli większość ludzi nigdy z niej nie skorzysta.
Benchmarki: bez owijania w bawełnę
Tu potrzebna jest uczciwość, bo łatwo dać się ponieść narracji "open-weight w Copilocie". Kimi K2.7 Code nie jest najlepszym modelem do kodowania - jest najtańszą i najbardziej otwartą opcją, która jest "wystarczająco dobra". Na najtrudniejszym obecnie benchmarku agentycznego programowania, SWE-bench Pro, wygląda to tak:
Dwie rzeczy warto tu dopowiedzieć. Po pierwsze, 58,6% to wynik podawany przez producenta, a nie niezależny audyt - VentureBeat cytował praktyków, według których część benchmarków K2.7 "nie do końca się zgadza" w realnym użyciu. Traktujcie tę liczbę jako orientacyjną, nie jako wyrocznię. Po drugie, wśród samych open-weightów silniejszy jest GLM-5.2 (62,1%), więc jeśli zależy wam wyłącznie na maksymalnej skuteczności otwartego modelu, to niekoniecznie K2.7 jest pierwszym wyborem. Przewagą Kimi jest tu wygoda: siedzi wprost w Copilocie, bez stawiania czegokolwiek samemu.
Dla kogo to ma sens
Po kilku dniach patrzenia na to z perspektywy praktyka widzę kilka wyraźnych scenariuszy:
- Masówka i rutyna. Boilerplate, testy jednostkowe, drobne refaktory, tłumaczenie kodu między językami - tu "wystarczająco dobry i tańszy" bije "najlepszy i drogi". Dokładnie ta logika routingu kosztowego, o której pisałem wcześniej.
- Zespoły uważające na budżet. Jeśli Copilot rozlicza premium requesty, tańsza opcja w rozwijanej liście realnie odciąża limit kredytów na koniec miesiąca.
- Firmy z wrażliwym kodem. Licencja MIT i publiczne wagi to opcja self-hostingu tego samego modelu, którego używacie w Copilocie. Nie każdy z niej skorzysta, ale sama jej istnienie zmienia negocjacyjną pozycję wobec dostawcy.
- Trudne, wieloplikowe zadania i architektura. Tu wciąż sięgałbym po czołówkę zamkniętą (Opus 4.8, GPT-5.6 Sol) albo mocniejszy open-weight. K2.7 nie jest modelem "do wszystkiego".
Jest też druga strona medalu, o której nie wolno zapominać w kontekście otwartych modeli podłączanych do środowisk deweloperskich: bezpieczeństwo. Im więcej modeli i agentów dostaje dostęp do repozytoriów i kluczy, tym większa powierzchnia ataku. Świeżo przypomniał o tym pierwszy w pełni autonomiczny atak ransomware, który opisywałem w tekście o agencie JADEPUFFER polującym m.in. na klucze API do modeli. Wybór modelu to jedno; higiena sekretów w środowisku, które go obsługuje, to drugie - i równie ważne.
Szerszy obraz: open-weight wchodzi frontowymi drzwiami
Najważniejsze w tej premierze nie jest to, że Kimi K2.7 jest szybki czy tani. Najważniejsze jest to, gdzie się pojawił. Kiedy model open-weight staje się jedną z pozycji w oficjalnej liście Copilota - obok GPT i Claude - przestaje być projektem dla entuzjastów, a staje się normalnym elementem stacku, który podsuwa się każdemu deweloperowi klikającemu w rozwijane menu. To jest zmiana kulturowa, nie tylko techniczna. Wpisuje się w trend, który śledzę od kilku wpisów: stack narzędzi AI do kodowania robi się coraz bardziej wielomodelowy, a granica między "otwarte" i "komercyjne" coraz bardziej się zaciera.
Podsumowanie: co bym z tym zrobił
- Masz Copilot Pro/Pro+/Max? Przełącz K2.7 Code na jeden dzień codziennej, rutynowej roboty i porównaj odczucia oraz zużycie limitów z domyślnym modelem. Eksperyment kosztuje tylko chwilę.
- Zarządzasz Copilot Business/Enterprise? Model jest domyślnie wyłączony - świadomie zdecyduj, czy go włączasz, i przy okazji przejrzyj, jak wygląda higiena sekretów w środowiskach, które będą go wołać.
- Zależy ci na maksymalnej skuteczności otwartego modelu? Miej z tyłu głowy, że GLM-5.2 wypada na benchmarkach lepiej - K2.7 wygrywa wygodą dostępu, nie surowym wynikiem.
- Obserwujesz rynek? Zapamiętaj datę 1 lipca 2026 jako moment, w którym open-weight przestał być w komercyjnym IDE ciekawostką, a stał się pozycją z listy.
Szczegóły wdrożenia znajdziecie w oficjalnym changelogu GitHuba, a krytyczne spojrzenie na benchmarki K2.7 opisał VentureBeat. Jeśli już testowaliście K2.7 w Copilocie na swoim realnym kodzie - dajcie znać w komentarzach, jak wypada poza tabelką. Benchmark swoje, produkcja swoje.