Kimi 開源 Kimi-K2.7-Code：萬億引數 MoE 架構，對標頂級閉源模型

Kimi K2.7 Code 是 Moonshot AI 開源的萬億引數程式碼大模型。它專門用來做複雜軟體工程和智慧體任務，不僅寫程式碼和長週期排錯能力比上一代 K2.6 明顯上了一個臺階，還把思考過程中的 Token 消耗砍掉了三成左右。

如果你經常需要讓 AI 跨多個檔案重構程式碼、排查隱蔽 Bug，或者搭建能自主執行多步任務的程式碼 Agent，這個模型就是衝著這些真實開發場景去的。

1 萬億引數的 MoE，但每次只動 320 億

Kimi K2.7 Code 採用了混合專家架構，總引數量達到 1 萬億，不過每個 Token 啟用的引數只有 320 億。

模型原生支援 256K 上下文視窗，底層採用了多頭潛在注意力機制，並且內嵌了一個 400M 引數的 MoonViT 視覺編碼器，具備看圖寫程式碼的能力。

它的完整權重已經全部扔到了 Hugging Face 上。但要注意的是，整套權重檔案接近 600GB，本地跑需要極其硬核的算力裝置，普通工作站基本吃不下。

相比前代，這次最聰明的改進在於治好了推理模型的「過度思考」。在很多原本不需要長考的程式碼段上，K2.7 Code 的思考 Token 用量平均減少了約 30%，輸出更快，也大幅節省了上下文預算。

基準逼近頂流，而且強制思考

在程式碼基準上，K2.7 Code 相比 K2.6 漲幅相當明顯：Kimi Code Bench v2 提升了 21.8%，Program Bench 提升 11.0%，MLS Bench Lite 提升了 31.5%。

而在針對自主智慧體任務的 Kimi Claw 24/7 Bench、MCP Atlas 等測試中，它的表現也比上一代提升了約 10%。在內部和外部多項評測中，它的綜合表現已經非常接近閉源第一梯隊的 GPT-5.5 和 Opus 4.8。

想用它有兩種方式。自己有卡的可以去 Hugging Face 下權重；普通開發者可以直接用 Kimi Code 網頁端、終端 CLI 或 IDE 外掛，也可以呼叫官方開放平臺的 Kimi API。

需要注意的是，K2.7 Code 在設計上只支援思考模式，無法關閉思維鏈。在 Kimi Code 裡如果關掉思考，後臺會自動切回 K2.6 處理。

另外它的 API 支援上下文快取，命中快取時每百萬 Token 輸入費用為 0.19 美元，未命中則是 0.95 美元。如果是寫文章、閒聊等通用任務，官方依然推薦使用更均衡的 K2.6。

為什麼重要

對於需要跑本地私有化部署、對程式碼資產安全極度敏感的研發團隊來說，Kimi K2.7 Code 提供了一個目前少有的頂配開源選擇。你不再必須依賴閉源大廠的商用 API，也能在長程程式碼任務中拿到接近頂級閉源模型的完成度。

我們認為，它的核心價值在於把「長週期軟體工程」和「推理效率」結合了起來。開源模型過去在複雜重構任務中經常中途跑偏或瘋狂浪費 Token，K2.7 Code 在砍掉 30% 冗餘思考的同時穩住了 256K 長上下文的執行能力。唯一的門檻是那近 600GB 的體量，絕大多數獨立開發者更適合直接用它的 API 或終端工具，而不是硬在本地折騰部署。