中國 AI 新創 Moonshot AI 近日開源釋出 Kimi K2.7-Code,主打編碼任務的開源大型語言模型,強調在長時程(long-horizon)軟體工程任務上大幅提升表現,同時把「思考 token」用量砍掉約 30%,對長期被 API 成本壓得喘不過氣的開發者社群是一大福音。
從 K2.6 到 K2.7-Code:效率與穩定性並進
Kimi K2.7-Code 建立在 K2.6 的 MoE 架構之上,採用 1 兆總參數、每 token 啟動 32B 的專家組合,支援 256K context 與原生多模態輸入。官方釋出的 benchmark 顯示,在 Kimi Code Bench v2 上從 K2.6 的 50.9 跳到 62.0(+21.8%),Program Bench 從 48.3 升到 53.6,MLS Bench Lite 更是從 26.7 拉到 35.1(+31.5%),Agentic 指標如 MCP Atlas 與 MCP Mark Verified 也都有 6-8 分的穩定提升。
最具殺手鐧的是「思考 token 用量減少約 30%」這項改進 — 對於用 Kimi Code CLI 跑長時間 agent 任務的工程師來說,等於同樣預算可以多做三成的工作。
與 GPT-5.5、Claude Opus 4.8 正面交鋒
在官方評測中,K2.7-Code 與目前封閉式旗艦直接對決:
| 項目 | Kimi K2.7-Code | GPT-5.5 | Claude Opus 4.8 |
|---|---|---|---|
| Kimi Code Bench v2 | 62.0 | 69.0 | 67.4 |
| Program Bench | 53.6 | 69.1 | 63.8 |
| MLS Bench Lite | 35.1 | 35.5 | 42.8 |
| Kimi Claw 24/7 Bench | 46.9 | 52.8 | 50.4 |
| MCP Atlas | 76.0 | 79.4 | 81.3 |
| MCP Mark Verified | 81.1 | 92.9 | 76.4 |
雖然在某些指標上仍小輸給封閉式前沿模型,但 K2.7-Code 在「開源」這個維度上幾乎是碾壓級的存在 — Modified MIT License 允許商業使用,開發者可以自由部署、微調、再發布。
開源生態加速
Moonshot 把模型同時上架到 Hugging Face、官方平台 API,以及 Vercel AI Gateway、OpenRouter、Cloudflare Workers AI 等多個推論服務。對於想把 coding agent 跑在本地或自架 GPU 叢集的團隊來說,這無疑是 2026 年最值得關注的開源權重之一。
隨著 Digg 與 Hacker News 上社群討論持續升溫,許多開發者已經開始將 K2.7-Code 與 Claude Code、Codex CLI、Cursor 等閉源工具進行 head-to-head 對比測試。
網友熱門留言 (5)