开源项目5 天前·MarkTechPost
月之暗面开源 Kimi K2.7-Code：万亿参数编程模型，推理 Token 消耗减少 30%，MCP 基准超越 Claude Opus 4.8
6 月 12 日，Moonshot AI 发布 Kimi K2.7-Code 开源编程模型，1T 总参数（激活 32B），256K 上下文窗口。相比 K2.6 推理 Token 消耗减少 30%，Kimi Code Bench v2 从 50.9 提升至 62.0，MCP Mark Verified 得分 81.1 超越 Claude Opus 4.8 的 76.4。Modified MIT 协议开源，API 价格 $0.95/百万输入 Token。
AI Master 解读
核心事件
开源编程模型首次在 Agent 基准上超越闭源前沿，K2.7-Code 以 1T 参数、30% 推理 Token 降本进入实战。
行业影响
30% 推理 Token 减少在数百步 Agent 编码循环中成本优势指数级放大，使「开源模型做日常编码、昂贵模型做审查」成为可行策略。开发者可通过 Kimi Code CLI 或 OpenAI 兼容 API 一行接入。
AI Master 建议
将 K2.7-Code 作为日常编码 Agent 默认模型，关注即将推出的高速模式（5-6x 输出速度提升）。
Kimi K2.7-Code：开源编码模型新标杆
2026 年 6 月 12 日，Moonshot AI 发布 Kimi K2.7-Code 开源编程模型。
核心参数
- 总参数量: 1T（激活 32B）
- 架构: MoE，384 个专家，每 token 激活 8 个 + 1 个共享
- 上下文窗口: 256K Token
- 许可协议: Modified MIT（可商用）
- API 价格: $0.95/百万输入 Token，$4/百万输出 Token
基准测试表现
| 基准 | K2.7-Code | Claude Opus 4.8 | GPT-5.5 |
|---|---|---|---|
| Kimi Code Bench v2 | 62.0 | - | - |
| MCP Mark Verified | 81.1 | 76.4 | - |
| MLS Bench Lite | 35.1 | - | 更高 |
| Program Bench | 53.6 | - | - |
核心创新：减少「过度思考」
- 推理 Token 使用量比 K2.6 减少 30%
- 更少的思考 Token = 更低的成本 + 更快的速度 + 更多步骤
- 在 Agent 编码循环中（数百步），成本优势指数级放大
使用方式
- Kimi API: OpenAI/Anthropic SDK 兼容，一行代码切换
- Kimi Code CLI: 官方 Agent 框架
- 自托管: Hugging Face 下载权重，免费部署
行业意义
开源编码模型正在从「排行榜玩具」变成「工作流经济工具」。K2.7-Code 的策略不是取代最强闭源模型，而是作为日常编码任务的默认工作模型，将昂贵模型留给审查和边缘情况。