月之暗面开源万亿参数编程模型 Kimi K2.7 Code，每 token 价格仅为 GPT-5.5 和 Claude 的 1/12
月之暗面发布开源编程模型 Kimi K2.7 Code，拥有 1 万亿参数，在编程基准测试中虽不及 GPT-5.5 和 Claude Opus 4.8，但价格低至 1/12。本文分析其性价比、对中文开发者的意义及与国产模型的对比。
一句话看懂
月之暗面开源万亿参数编程模型 Kimi K2.7 Code，价格仅为 GPT-5.5 和 Claude 的 1/12，用低成本换取大量调用机会。
详细发生了什么
月之暗面（Moonshot AI）发布了 Kimi K2.7 Code，一个专注于编程任务的开源模型，拥有 1 万亿参数。该模型在 HumanEval、MBPP 等编程基准测试中，得分低于 OpenAI 的 GPT-5.5 和 Anthropic 的 Claude Opus 4.8，但价格优势极为突出：每 token 成本仅为 GPT-5.5 的 1/10 到 1/12，比 Claude Opus 4.8 也低约 10 倍。
这意味着，在相同预算下，用户可以调用 Kimi K2.7 Code 的次数是 GPT-5.5 的 10-12 倍。对于需要大量代码生成、测试或重构的场景，这种性价比可能抵消质量上的差距。模型权重已开源，开发者可以在 Hugging Face 等平台下载，并自行部署或通过 API 使用。
中文圈视角
对中文开发者而言，Kimi K2.7 Code 的开源和低价策略直接利好。首先，国内用户无需翻墙即可通过月之暗面的官方 API 使用，延迟更低。其次，开源权重意味着可以在本地或私有云部署，避免数据出境风险，这对金融、政务等敏感行业尤为重要。
与国产同类模型对比：DeepSeek Coder 系列和 CodeGeeX 也主打编程，但 Kimi K2.7 Code 的 1 万亿参数规模远超它们（DeepSeek Coder V2 约 236B），在复杂代码生成上可能更优。不过，Kimi 在中文编程场景的优化尚不明确，而 CodeGeeX 对中文注释和文档支持更好。价格上，Kimi 的 API 定价尚未公布，但参考其开源策略，预计会低于国内竞品。
一个中文圈尚未讨论的盲点：Kimi K2.7 Code 的万亿参数模型在消费级显卡上几乎无法运行，实际部署需要 A100/H100 集群，这限制了中小团队的自建能力。但通过 API 调用，低成本优势仍然显著。
几条值得记住的细节
- Kimi K2.7 Code 拥有 1 万亿参数，是当前最大的开源编程模型之一。
- 在 HumanEval 上得分 82.3%，低于 GPT-5.5 的 92.1% 和 Claude Opus 4.8 的 90.5%。
- 每 token 价格比 GPT-5.5 低 10-12 倍，比 Claude Opus 4.8 低约 10 倍。
- 模型权重开源，可在 Hugging Face 下载，支持本地部署和 API 调用。
- 发布时间：2026 年 6 月 13 日。
一句话总结
Kimi K2.7 Code 用 1/12 的价格换 80% 的编程能力，适合预算有限但需要大量调用的中文开发者。