Kimi K2.7 Code 发布：代码与Agent能力提升，Token消耗降低30%

月之暗面于近日发布Kimi K2.7 Code，这是K2系列首款专攻代码的专项模型，已在HuggingFace开源。模型在代码生成、Agent执行和长程任务上全面升级，平均Token消耗较前代K2.6减少约30%，但部分用户反映配额限制严重，影响实际体验。

核心能力提升

• 代码基准测试：Kimi Code Bench v2得分提升21.8%（50.9→62.0），Program-Bench提升11%（48.3→53.6），MLS Bench Lite提升31.5%（26.7→35.1），后者已逼近GPT-5.5的35.5分。
• Agent基准测试：Kimi Claw 24/7 Bench提升9.3%（42.9→46.9），MCP Atlas提升9.5%（69.4→76.0），MCP Mark Verified提升11.4%（72.8→81.1），在工具调用场景中部分超越Claude Opus 4.8（76.4分）。
• 长程任务优化：改善“过度思考”问题，平均Token消耗减少30%，长周期复杂任务成功率提升。

实测表现

• 物理模拟：在黑洞、水波渲染等场景中，K2.7 Code生成效果逼真，水波渲染优于GPT-5.5和Claude Opus 4.8。
• 游戏开发：生成《超级玛丽》HTML版时，K2.7 Code能完成可运行的第一关，但角色和地图细节仍显抽象，与Claude Fable 5差距明显。
• 前端任务：在9个前端示例中，单独测试效果较好，但批量执行时模型会偷懒，输出质量参差不齐。

成本与配额争议

• 定价：标准输入6.5元/1M Token，输出27元/1M Token，缓存输入1.3元/1M Token，与前代K2.6一致。
• 配额限制：多位用户反馈，初级Code套餐的周配额在几次测试后即耗尽，出现大量429（速率限制）、402（配额不足）错误，严重影响开发流程。有用户称“为了跑一个例子用了63%的周配额”。
• 使用要求：必须开启思考模式（Thinking），关闭后API报错或回退至K2.6。

架构与部署

• 模型架构：延续MoE设计，总参数1T，激活参数32B，384个专家每次选8个，1个共享专家，上下文长度256K token。视觉部分搭载MoonViT编码器（400M参数），支持图片和视频输入。
• 开源与部署：以Modified MIT License开源，支持vLLM、SGLang、KTransformers部署，已原生INT4量化。
• 高速版预告：6月15日上线6倍高速版，输出速度约180 Token/s（常规场景），短上下文可达260 Token/s，价格为普通版2倍。

行业排名

• 在ErdosBench中综合排名第二，仅次于Claude Fable 5 max。
• 在SWE-bench、Terminal-Bench 2.1中获开源模型第一名，Vibe Code Bench第三名，ProgramBench第二名。
• Weco团队自主研究任务测评中，K2.7 Code以0.747分排名第五，机器学习工程专项排名第一。