Kimi 开源 Kimi-K2.7-Code：万亿参数 MoE 架构，对标顶级闭源模型

Kimi K2.7 Code 是 Moonshot AI 开源的万亿参数代码大模型。它专门用来做复杂软件工程和智能体任务，不仅写代码和长周期排错能力比上一代 K2.6 明显上了一个台阶，还把思考过程中的 Token 消耗砍掉了三成左右。

如果你经常需要让 AI 跨多个文件重构代码、排查隐蔽 Bug，或者搭建能自主执行多步任务的代码 Agent，这个模型就是冲着这些真实开发场景去的。

1 万亿参数的 MoE，但每次只动 320 亿

Kimi K2.7 Code 采用了混合专家架构，总参数量达到 1 万亿，不过每个 Token 激活的参数只有 320 亿。

模型原生支持 256K 上下文窗口，底层采用了多头潜在注意力机制，并且内嵌了一个 400M 参数的 MoonViT 视觉编码器，具备看图写代码的能力。

它的完整权重已经全部扔到了 Hugging Face 上。但要注意的是，整套权重文件接近 600GB，本地跑需要极其硬核的算力设备，普通工作站基本吃不下。

相比前代，这次最聪明的改进在于治好了推理模型的「过度思考」。在很多原本不需要长考的代码段上，K2.7 Code 的思考 Token 用量平均减少了约 30%，输出更快，也大幅节省了上下文预算。

基准逼近顶流，而且强制思考

在代码基准上，K2.7 Code 相比 K2.6 涨幅相当明显：Kimi Code Bench v2 提升了 21.8%，Program Bench 提升 11.0%，MLS Bench Lite 提升了 31.5%。

而在针对自主智能体任务的 Kimi Claw 24/7 Bench、MCP Atlas 等测试中，它的表现也比上一代提升了约 10%。在内部和外部多项评测中，它的综合表现已经非常接近闭源第一梯队的 GPT-5.5 和 Opus 4.8。

想用它有两种方式。自己有卡的可以去 Hugging Face 下权重；普通开发者可以直接用 Kimi Code 网页端、终端 CLI 或 IDE 插件，也可以调用官方开放平台的 Kimi API。

需要注意的是，K2.7 Code 在设计上只支持思考模式，无法关闭思维链。在 Kimi Code 里如果关掉思考，后台会自动切回 K2.6 处理。

另外它的 API 支持上下文缓存，命中缓存时每百万 Token 输入费用为 0.19 美元，未命中则是 0.95 美元。如果是写文章、闲聊等通用任务，官方依然推荐使用更均衡的 K2.6。

为什么重要

对于需要跑本地私有化部署、对代码资产安全极度敏感的研发团队来说，Kimi K2.7 Code 提供了一个目前少有的顶配开源选择。你不再必须依赖闭源大厂的商用 API，也能在长程代码任务中拿到接近顶级闭源模型的完成度。

我们认为，它的核心价值在于把「长周期软件工程」和「推理效率」结合了起来。开源模型过去在复杂重构任务中经常中途跑偏或疯狂浪费 Token，K2.7 Code 在砍掉 30% 冗余思考的同时稳住了 256K 长上下文的执行能力。唯一的门槛是那近 600GB 的体量，绝大多数独立开发者更适合直接用它的 API 或终端工具，而不是硬在本地折腾部署。