Kimi 开源编码模型 K2.7-Code：基准测试全面提升，推理 token 消耗降低 30%

6 月 12 日，Moonshot AI 旗下 Kimi 团队正式发布并开源最新编码模型 Kimi-K2.7-Code。作为 K2.6 的迭代版本，新模型在多项基准测试中实现了显著提升，同时在推理效率和长周期任务执行方面带来了实质性改进。

三项基准测试全面提升

根据 Kimi 官方公布的数据，Kimi-K2.7-Code 在三个核心编码基准测试中均取得了明显进步。在 Kimi Code Bench v2 中，新模型相比前代 K2.6 提升了 21.8%；在 Program Bench 上提升 11.0%；在 MLS Bench Lite 上的提升幅度最大，达到 31.5%。这些基准涵盖了从基础代码生成到复杂编程任务的多个维度，反映出模型在编码能力和 Agent 协作性能上的整体跃升。

推理效率优化：token 消耗降低 30%

除了准确率的提升，Kimi-K2.7-Code 在推理效率方面同样值得关注。官方数据显示，新模型的推理 token 消耗相比 K2.6 降低了 30%。这意味着模型在生成相同质量代码时所需的计算资源更少，有助于降低开发者的使用成本。Kimi 团队将此归因于模型在推理过程中减少了不必要的”过度思考”（overthinking），使输出更加精准高效。

长周期编码任务成功率显著提高

对于需要长时间运行的复杂编码任务，Kimi-K2.7-Code 在指令遵循能力上有所增强，端到端编码任务的成功率显著提高。这一改进对涉及多步骤、跨文件的代码重构或大型功能开发等场景尤为重要，能够减少任务中断和人工干预的频率。

获取方式与后续计划

目前，开发者可以通过 Kimi API 和 Kimi Code 平台直接使用 Kimi-K2.7-Code。API 访问入口为 platform.moonshot.ai，Kimi Code 产品可通过 kimi.com/code 获取。此外，Kimi 团队透露，六倍高速模式（6x High-Speed Mode） 即将上线，有望进一步满足对响应速度有更高要求的开发场景。

开源生态持续扩展

Kimi-K2.7-Code 采用开源发布策略，延续了大模型领域开放协作的趋势。开源编码模型的持续涌现，正在为开发者社区提供更多可本地部署、可自定义的 AI 编程工具选择，也有助于推动整个 AI 辅助编程赛道的技术透明度和竞争水平。

从 K2.6 到 K2.7-Code，Kimi 在编码模型上的迭代节奏明显加快。随着高速模式的即将推出和开源生态的不断完善，Kimi 正在构建一个覆盖性能、效率和可访问性的 AI 编程工具矩阵。对于关注 AI 辅助开发的从业者而言，K2.7-Code 值得在实际项目中加以尝试和评估。