月之暗面发布编程模型，开放完整权重
2026 年 6 月 12 日，月之暗面（Moonshot AI）发布编程专用模型 Kimi K2.7-Code。在公司公布的 Kimi Code Bench v2 测试中，它的得分从 K2.6 的 50.9 提高到 62.0，增加 11.1 分，相对增幅约 21.8%。公司还称，模型平均减少约 30% 的思考 Token。模型采用总参数 1T、每个 Token 激活约 32B 参数的混合专家架构，支持 256K 上下文，并以 Modified MIT 许可证开放完整权重。
沿用混合专家架构，支持 256K 上下文
K2.7-Code 延续 K2.5/K2.6 的混合专家架构，主要改进面向编程和多步工具调用。根据官方模型卡，关键配置如下；表中的默认输出长度来自官方 API 文档：
| 规格 | 数值 |
|---|---|
| 总参数 | 1T |
| 激活参数（每 token） | 32B |
| 专家数量 | 384（每 token 选 8 个 + 1 个共享专家） |
| 层数 | 61（含 1 个 Dense 层） |
| 注意力机制 | MLA（Multi-head Latent Attention） |
| 激活函数 | SwiGLU |
| 上下文窗口 | 256K（262,144 tokens） |
| 视觉编码器 | MoonViT（约 400M 参数） |
| 官方 API 默认最大输出 | 32,768 tokens |
| 量化 | 原生 INT4 |
| 推理引擎 | vLLM、SGLang、KTransformers |
MLA 注意力机制通过压缩 KV cache 表示，降低长上下文的缓存开销；SwiGLU 则是模型使用的激活函数。MoonViT 视觉编码器支持图像输入，便于将界面截图等材料纳入编程任务。发布时，视频输入仍属实验功能，仅由官方 API 提供，其他部署渠道的能力要看各自支持情况。
官方 API 始终开启 Thinking 模式，不支持关闭。其采样参数固定为 temperature=1.0、top_p=0.95、n=1，两项 penalty 为 0.0。自部署应参考相应推理引擎的配置指南；模型卡推荐 temperature=1.0、top_p=0.95。上述约 30% 的减少描述的是公司测得的思考 Token 用量，不能直接换算成所有任务的账单降幅。
六项公布测试均高于 K2.6，部分接近 GPT-5.5
月之暗面在模型卡中公布了六项基准对比，K2.7-Code vs K2.6 vs GPT-5.5 vs Claude Opus 4.8：
| 基准 | K2.6 | K2.7-Code | GPT-5.5 | Opus 4.8 | 相对 K2.6 增幅 |
|---|---|---|---|---|---|
| Kimi Code Bench v2 | 50.9 | 62.0 | 69.0 | 67.4 | +21.8% |
| Program Bench | 48.3 | 53.6 | 69.1 | 63.8 | +11.0% |
| MLS Bench Lite | 26.7 | 35.1 | 35.5 | 42.8 | +31.5% |
| Kimi Claw 24/7 Bench | 42.9 | 46.9 | 52.8 | 50.4 | +9.3% |
| MCP Atlas | 69.4 | 76.0 | 79.4 | 81.3 | +9.5% |
| MCP Mark Verified | 72.8 | 81.1 | 92.9 | 76.4 | +11.4% |
来源：Moonshot AI 模型卡。主要编程测试中，Kimi 模型通过 Kimi Code CLI 开启思考模式，GPT-5.5 使用 Codex xhigh，Opus 4.8 使用 Claude Code xhigh。MLS Bench Lite 中 Opus 使用 max；Kimi Claw 24/7 测试则使用 OpenClaw 环境。具体任务与运行条件以各项说明为准。
三个关键观察：
1）编程测试比上一代提高。 Kimi Code Bench v2 覆盖 10 多种编程语言，以及后端、基础设施、前端、系统和数据工程等场景。21.8% 是相对 K2.6 的增幅，不代表超过其他模型。Program Bench 的增幅约为 11.0%；该测试要求依据二进制文件和文档重建程序，200 个任务合计使用超过 248,000 个模糊测试用例检验行为。
2）机器学习研究测试接近 GPT-5.5。 MLS Bench Lite 包含 30 个任务，每项给模型 5 小时尝试改进机器学习方法。K2.7-Code 得到 35.1 分，接近 GPT-5.5 的 35.5 分，低于 Opus 4.8 的 42.8 分。这说明它在该套任务中具有竞争力，实际研究能力还需要更多任务检验。
3）工具调用得分有所提高。 MCP Atlas 和 MCP Mark Verified 的相对增幅分别为 9.5% 和 11.4%。在后者中，K2.7-Code 的 81.1 分高于 Opus 4.8 的 76.4 分，仍低于 GPT-5.5 的 92.9 分。不同测试的排名有差异，模型选择也应结合具体工具和工作流程。
以上对比由月之暗面公布，包含其自建测试和外部基准。运行环境、思考预算及任务选择都会影响结果，团队可以用它们筛选候选模型，再在自己的代码库中复测。
思考过程缩短，实际节省还取决于任务
除得分外，月之暗面强调减少“过度思考”：在完成任务的过程中，模型平均使用的思考 Token 比 K2.6 少约 30%。
编程 Agent 往往需要反复规划、读取文件、编辑代码、运行测试和调整方案。这些步骤会产生思考内容、工具调用及最终输出。缩短思考过程，有机会节约生成时间和部分计费 Token，但总成本也取决于重试次数、输入缓存与成功率：
- 费用：减少计费的思考 Token，可能降低支出；总输出还包括代码和其他内容，降幅未必也是 30%。
- 等待时间：较短的生成过程有助于减少延迟，实际速度还取决于服务负载和推理实现。
- 上下文空间：保留多轮思考时，较短的记录可为后续文件、工具结果和新一轮操作腾出空间。
公司将这一调整称为减少过度思考。它试图在保留多步推理能力的同时，减少不必要的生成。对开发者而言，值得检验的是模型能否用更少的步骤完成同样的任务，以及失败后的额外重试是否抵消了节省。
权重、API 和 Kimi Code 提供不同使用方式
K2.7-Code 同时提供开放权重、托管 API 和编程工具入口，分别满足自行部署、服务集成和终端使用需求。
权重方面，Hugging Face 上约 595GB 的文件支持通过 vLLM、SGLang 和 KTransformers 等方案部署。文件体积不等于实际运行显存，硬件需求还取决于上下文、并发和卸载配置。Modified MIT 许可证允许商业使用，同时要求保留版权及许可说明；若产品或服务月活超过 1 亿，或月收入超过 2000 万美元，还需在用户界面显著展示“Kimi K2.7 Code”。
API 方面，官方服务支持 OpenAI 和 Anthropic 兼容格式，模型名称为 kimi-k2.7-code。报道所列标准 Token 单价如下；实际使用需核对服务商当期价目表：
| 计费项 | 价格（每百万 token） |
|---|---|
| 输入（缓存命中） | $0.19 |
| 输入（缓存未命中） | $0.95 |
| 输出 | $4.00 |
作为单价参照，Claude Opus 4.8 的标准输入和输出分别为每百万 Token 5 美元、25 美元，K2.7-Code 的 4 美元输出单价相当于后者的 16%。这有助于估算预算；一项任务最终花多少钱，还要计入输入、缓存命中、输出长度和重试。
产品方面，开发者也可以通过 Kimi Code 在终端中使用模型。对已有编程 Agent 的团队而言，接入 API 后还需验证工具协议、上下文传递与运行权限，才能判断是否适合现有流程。
第三方托管服务提供了另一种接入途径。不同渠道的价格、限流、上下文和多模态支持可能不同，部署前应分别核对，避免把官方接口的全部特性视作各家服务的共同配置。
编程表现提升，价格与部署方式也是比较重点
K2.7-Code 的主要比较对象包括上一代 Kimi、闭源编程模型，以及其他开放权重模型：
与 K2.6 相比，K2.7-Code 在公布的六项测试中均有提升，并重点调整编程与工具使用。两者架构相同，可以复用部分部署经验；接口参数和实际工作流仍需检查，尤其是思考模式及多轮上下文处理。
与 GPT-5.5、Claude Opus 4.8 相比，K2.7-Code 在 Program Bench 上仍有差距，得分为 53.6，另外两者分别为 69.1 和 63.8。它在 MLS Bench Lite 中接近 GPT-5.5，在 MCP Mark Verified 中高于 Opus 4.8。价格与本地部署能力增加了选择理由，但是否划算，要看差异落在哪些实际任务上。
与其他开放权重模型相比，GLM-5.1、DeepSeek V4-Pro 和 Qwen3-Coder-Next 等也是开发者的候选。本文这组表格没有提供它们在相同条件下的成绩，因此更适合用来了解 Kimi 的代际改进。比较这些模型时，还应一并考虑工具兼容性、硬件条件和许可证要求。
接入前需检查思考模式、工具调用和硬件需求
接入时，有几项具体限制会影响使用体验：
- 测试与真实任务可能不同：本文成绩由厂商公布，最好在自己的代码库里检查完成率、返工量和费用。
- 官方 API 无法关闭 Thinking：对于短小的代码补全，仍需评估思考过程是否值得。
- 官方 API 固定采样参数：不能沿用 temperature=0 等配置，否则可能报错；自部署配置另查引擎文档。
- 权重体积约 595GB：32B 激活参数不意味着只需容纳 32B 权重，多卡、内存卸载及并发需求都要事先规划。
- 多步工具调用要妥善保留思考内容：按模型卡与 API 指南传递
reasoning_content，保持后续推理和工具调用的连续性。
用实际代码库评估质量和成本
Kimi K2.7-Code 的这次更新，集中在编程测试表现、思考用量和多步工具使用上。21.8% 描述的是相对上一代的单项得分提升，约 30% 描述的是公司报告的平均思考 Token 减少。把两者分别看清，才能判断新模型在哪些地方提供了实际改进。
正在构建编程 Agent 的团队，可以选取几类常见任务：修改现有功能、修复跨文件问题、运行测试并处理失败。记录成功率、人工检查时间和每次成功交付的费用，会比单看一项排名更有助于选型。
参考来源：Moonshot AI 官方模型卡、API 文档和许可证，以及原文所列 MarkTechPost、Eigent AI、AIMLAPI 报道。
