什么是 Kimi K2.7 Code？
Kimi K2.7 Code 是月之暗面推出的开源编程 agentic 模型，专注于编程场景。它在编程和 agent 能力上表现更强，在真实世界的长程编程任务中有显著提升。这些提升带来了复杂软件工程工作流中更高的端到端任务成功率。K2.7 Code 还提升了推理效率，思考 token 用量比 K2.6 降低约 30%。
基准测试表现
Kimi K2.7 Code 在内部和外部基准测试中与 K2.6 进行了对比评测，涵盖两个维度：编程能力和 agentic 任务执行能力。
在编程基准测试中，K2.7 Code 相较 K2.6 有显著提升：Kimi Code Bench v2 上提升 +21.8%（62.0 对 50.9），Program Bench 上提升 +11.0%（53.6 对 48.3），MLS Bench Lite 上提升 +31.5%（35.1 对 26.7）。
编程能力的提升同样带动了 agentic 表现的提升。在衡量自主 agent 任务执行能力的 Kimi Claw 24/7 Bench、MCP Atlas 和 MCP Mark Verified 基准测试中，K2.7 Code 相较 K2.6 提升约 10%。
编程：
| 基准测试 | Kimi K2.6 | Kimi K2.7 Code | GPT-5.5 | Claude Opus 4.8 |
|---|---|---|---|---|
| Kimi Code Bench v2 | 50.9 | 62.0 | 69.0 | 67.4 |
| Program Bench | 48.3 | 53.6 | 69.1 | 63.8 |
| MLS Bench Lite | 26.7 | 35.1 | 35.5 | 42.8 |
Agentic：
| 基准测试 | Kimi K2.6 | Kimi K2.7 Code | GPT-5.5 | Claude Opus 4.8 |
|---|---|---|---|---|
| Kimi Claw 24/7 Bench | 42.9 | 46.9 | 52.8 | 50.4 |
| MCP Atlas | 69.4 | 76.0 | 79.4 | 81.3 |
| MCP Mark Verified | 72.8 | 81.1 | 92.9 | 76.4 |
Kimi Code Bench v2 是月之暗面自研的基准测试，Kimi Claw 24/7 Bench 是用于 agentic 评测的自研基准测试。Kimi K2.7 Code 和 K2.6 通过 Kimi Code CLI 在开启思考模式下进行测试（temperature 1.0，top-p 0.95，262,144 token 上下文），GPT-5.5 在 Codex（xhigh）中评测，Opus 4.8 在 Claude Code（xhigh）中评测。各基准测试的具体例外情况和完整方法详见 Hugging Face 模型卡。
为长程编程而生
真实世界的软件工程工作很少能一步完成。诸如重构代码库、跨多个文件实现功能，或在长时间的 agent 会话中调试等任务，都要求模型能在较长上下文中可靠地遵循指令，并把任务坚持完成到底。
Kimi K2.7 Code 针对这类长程场景进行了优化。相较于 K2.6，它在长上下文中更可靠地遵循指令，端到端任务成功率更高，更适合处理复杂的软件工程工作流。
优化的推理效率
推理模型往往会“想太多”，在不需要深思的问题上耗费大量 token 进行反复推敲。Kimi K2.7 Code 显著缓解了这一问题：相较于 K2.6，其思考 token 用量平均降低约 30%。
在 Kimi Code Bench v2、Program Bench 和 MLS Bench Lite 上，Kimi K2.7 Code 都以更少的 token 消耗取得了比 K2.6 更高的分数。
对开发者而言，这种效率优势会在每个任务上累积：交互式编程会话响应更快，生产环境中的 API 成本更低，agent 工作流也能在相同上下文预算内完成更多工作。
模型架构
Kimi K2.7 Code 基于混合专家（MoE）架构构建，总参数量为 1 万亿，每个 token 激活 320 亿参数。该模型支持 256K 上下文长度，并采用多头潜在注意力（MLA）机制，同时内置了 4 亿参数的视觉编码器 MoonViT。
| 参数 | 取值 |
|---|---|
| 架构 | 混合专家模型（MoE） |
| 总参数量 | 1T |
| 激活参数量 | 32B |
| 层数（含 Dense 层） | 61 |
| Dense 层数量 | 1 |
| 注意力隐藏维度 | 7168 |
| MoE 隐藏维度（每个专家） | 2048 |
| 注意力头数量 | 64 |
| 专家数量 | 384 |
| 每个 token 选取的专家数 | 8 |
| 共享专家数量 | 1 |
| 词表大小 | 160K |
| 上下文长度 | 256K |
| 注意力机制 | MLA |
| 激活函数 | SwiGLU |
| 视觉编码器 | MoonViT |
| 视觉编码器参数量 | 400M |
完整模型权重已开源，可在 Hugging Face 上获取。
如何在 Kimi K2.7 Code 与 K2.6 之间选择
Kimi K2.7 Code 是专为编程任务打造的模型。对于写作、分析、对话等通用场景，我们建议使用能力更全面的 K2.6。
如何使用 Kimi K2.7 Code
使用渠道
Kimi K2.7 Code 可通过以下渠道使用：
Kimi Code（https://www.kimi.com/code）。Kimi K2.7 Code 现已成为默认模型，并默认开启思考模式。请按照页面上的设置说明开始使用。
开放平台上的 Kimi API（https://platform.kimi.ai/）。开发者可以通过 Kimi API 调用 Kimi K2.7 Code，并将其集成到自己的编程工作流、agent 和开发者工具中。
思考模式要求
Kimi K2.7 Code 不支持非思考模式。无论在 Kimi API 还是 Kimi Code 中，它都始终以开启思考模式运行。在 Kimi Code 中，若请求关闭了思考模式，系统会自动改用 K2.6 处理。
Kimi K2.7 Code 定价
Kimi Code 套餐
如果你想通过 Kimi Code（包括终端和 IDE 插件）直接体验 Kimi K2.7 Code，可以选择我们的 Code 套餐。以下为按年付结算的月度价格：
| 套餐 | 价格 | 适用人群 |
|---|---|---|
| Moderato | 15 美元 / 月 | 适合需要每周刷新使用配额、并在多设备上进行日常编程工作的用户 |
| Allegretto | 31 美元 / 月 | 适合需要更高每周限额和更大并发上限的高级用户 |
| Allegro | 79 美元 / 月 | 适合处理密集开发任务、复杂项目和更大工作量的用户 |
| Vivace | 159 美元 / 月 | 适合需要最高每周套餐配额来应对复杂项目和大型代码库的用户 |
每个套餐都包含按周刷新的使用额度\。更高等级的套餐提供更大的每周额度和更高的并发上限，适合更复杂的项目\。最新的套餐详情请参见官方会员页面。
Kimi API 定价
Kimi K2.7 Code 可通过 Kimi API 使用，按用量、按 token 计费：
| 模型 | 单位 | 输入价格（缓存命中） | 输入价格（缓存未命中） | 输出价格 | 上下文窗口 |
|---|---|---|---|---|---|
| kimi-k2.7-code | 100 万 token | $0.19 | $0.95 | $4.00 | 262,144 token |
API 支持自动上下文缓存，可降低复用上下文的输入成本（缓存命中每百万 token 收费 $0.19，缓存未命中每百万 token 收费 $0.95）。价格不含适用税费。最新费率请参见官方定价文档。