Kimi K2.7-Code 發佈說明：具備增強型 Token 效率的開源權重編碼模型
Moonshot AI 已發佈 Kimi K2.7-Code，這是一款專為編碼設計的代理型模型（agentic model），旨在提升複雜軟體工程工作流中的端到端任務完成能力。Kimi K2.7-Code 基於 Kimi K2.6 構建，透過將「思考 Token」（thinking tokens）的使用量減少約 30%，顯著提升了 Token 效率。
模型架構與技術規格
Kimi K2.7-Code 利用混合專家架構（Mixture-of-Experts, MoE）來平衡高容量與推理效率。它擁有高達 1 兆（1T）的總參數數量，但在處理每個 Token 時僅會啟動 320 億（32B）個參數。
| 規格 | 詳細資訊 |
|---|---|
| 架構 | Mixture-of-Experts (MoE) |
| 總參數 | 1T |
| 啟動參數 | 32B |
| 層數 | 61 (包含 1 個密集層) |
| 專家數量 | 共 384 個 (每個 Token 選擇 8 個，1 個共享專家) |
| 上下文長度 | 256K |
| 注意力機制 | MLA |
| 激活函數 | SwiGLU |
| 視覺編碼器 | MoonViT (400M 參數) |
| 詞彙表大小 | 160K |
性能基準測試
Kimi K2.7-Code 較其前身 K2.6 有顯著改進，特別是在代理型與編碼任務中，縮小了與 GPT-5.5 和 Claude Opus 4.8 等專有模型的差距。
編碼與代理型結果
| 基準測試 | Kimi K2.6 | Kimi K2.7 Code | GPT-5.5 | Claude Opus 4.8 |
|---|---|---|---|---|
| Kimi Code Bench v2 | 50.9 | 62.0 | 69.0 | 67.4 |
| Program Bench | 48.3 | 53.6 | 69.1 | 63.8 |
| MLS Bench Lite | 26.7 | 35.1 | 35.5 | 42.8 |
| Kimi Claw 24/7 Bench | 42.9 | 46.9 | 52.8 | 50.4 |
| MCP Atlas | 69.4 | 76.0 | 79.4 | 81.3 |
| MCP Mark Verified | 72.8 | 81.1 | 92.9 | 76.4 |
關鍵特性與能力
原生 INT4 量化
Kimi K2.7-Code 實施了與 Kimi-K2-Thinking 相同的原生 INT4 量化方法，允許在不顯著損失精度的情況下進行更高效的部署。
多模態輸入
該模型支持圖像與影片輸入，使其能夠在處理代碼的同時處理視覺上下文。雖然透過官方 API 進行影片內容對話目前仍是一項實驗性功能，但圖像支持已完全整合。
強制思考與保留思考
Kimi K2.7-Code 以強制性的「思考」模式運行。它將 preserve_thinking 設置為 True，這意味著模型會在多輪交互中保留完整的推理內容。這專特別設計用於增強在複雜編碼代理場景中的表現，因為歷史推理對於任務完成至關重要。
交錯式思考與工具使用
該模型支持交錯式思考與多步工具調用，允許代理在提供最終答案之前，先對問題進行推理並按順序執行工具。
部署與使用
Kimi K2.7-Code 是在 Modified MIT License 下發佈的。建議使用以下推理引擎進行部署：
- vLLM
- SGLang
- KTransformers
技術要求：
transformers版本：>=4.57.1, <5.0.0- 建議
temperature: 1.0 (用於思考模式) - 建議
top_p: 0.95
社群洞察與討論
社群回饋強調了一種日益增長的趨勢：開源權重模型正趨向於達到一個性能門檻，使得對於許多工作流而言，頂尖專有模型與高品質開源模型之間的差距變得微乎其微。
關於成本與性能
用戶指出，雖然像 Claude Opus 這樣的專有模型明顯更貴，但性能差距正在縮小。一位用戶觀察到：
"I think there is some threshold after which 'best' model doesn't matter... at some point, it will just do the thing you want it to do, and then the race to the bottom will start."
關於代理型行為
一些用戶報告稱，K2.7-Code 較 K2.6 展現了更強的指令遵循能力與代理型行為，特別是在自定義工具調用格式方面：
"Finally follows custom tool call format (k2.6 couldn't). It's a good indicator of instructions following and agentic behaviour."
關於授權方式
社群成員將 Modified MIT 授權描述為一種合理的請求，本質上是增加了一個類似於舊版 BSD 授權的條款，要求用戶在產品中使用該模型時需註明模型的來源。