月之暗面开源Kimi K2.7-Code编程模型：代码能力提升21.8%，256K上下文，API可用
月之暗面开源了Kimi K2.7-Code，一款专注编程的Agent模型，基于K2.6升级，代码基准提升21.8%，推理token减少30%，支持256K上下文，可通过Kimi API和Kimi Code使用。
一句话看懂
月之暗面开源Kimi K2.7-Code编程模型，代码能力提升21.8%，推理token减少30%，256K上下文，支持Agent式编程。
详细发生了什么
6月12日，月之暗面（Moonshot AI）发布了Kimi K2.7-Code，一款专注编程的Agent模型。模型权重以Modified MIT许可证开源在Hugging Face上，同时可通过Kimi API和Kimi Code平台使用。
K2.7-Code基于K2.6升级，采用MoE架构，总参数量1T，每token激活32B参数，包含384个专家，每次选择8个专家加1个共享专家。模型支持256K上下文窗口（262,144 tokens），原生INT4量化，并集成MoonViT视觉编码器（400M参数）以处理图像和视频输入。
官方基准测试显示，K2.7-Code在Kimi Code Bench v2上得分62.0，相比K2.6的50.9提升21.8%；在MLS Bench Lite上提升31.5%；在MCP Mark Verified上以81.1分超越Claude Opus 4.8（76.4分）。此外，模型推理token使用量比K2.6减少约30%，官方称之为“更少过度思考”。
模型使用有强制限制：Thinking模式必须开启，采样参数固定（temperature 1.0, top_p 0.95），不可修改。支持vLLM、SGLang、KTransformers等框架自托管，但权重约595 GB，适合服务器部署。
中文圈视角
对中文开发者来说，Kimi K2.7-Code的开源和API可用性意味着多了一个国产编程模型选择。相比GPT-5.5和Claude Opus 4.8，K2.7-Code在部分基准上接近甚至超越（如MCP Mark Verified），且API价格更低（输入$0.95/1M tokens，输出$4.00/1M tokens，缓存输入$0.19/1M）。
与国内同类模型对比，K2.7-Code的1T总参数量/32B激活参数规模与Qwen3-Coder-480B-A35B（480B总参/35B激活）类似，但K2.7-Code的256K上下文和Agent能力更突出。不过，K2.7-Code的强制Thinking模式和固定采样参数可能限制灵活性，且自托管门槛较高（595 GB）。
对中文用户的具体场景：可用于代码重构、代码审查、MCP工具调用、长上下文分析等。但需注意，API调用需通过Kimi平台，国内用户可直接使用，无需额外网络工具。
一个中文圈尚未讨论的盲点：K2.7-Code的Modified MIT许可证是否允许商用？官方未明确说明，但“Modified MIT”通常允许商用，需进一步确认。
几条值得记住的细节
- K2.7-Code在Kimi Code Bench v2上得分62.0，比K2.6的50.9提升21.8%。
- 推理token使用量比K2.6减少约30%，可降低长任务成本。
- 模型权重595 GB，需服务器级硬件自托管。
- API价格：输入$0.95/1M tokens，输出$4.00/1M tokens，缓存输入$0.19/1M。
- 强制开启Thinking模式，采样参数固定，不可修改。
一句话总结
Kimi K2.7-Code为中文开发者提供了一个开源、高性能的编程Agent模型，API价格有竞争力，但自托管门槛较高。