Hacker News 中文摘要

RSS订阅

Kimi K2.7-Code：开源高效分词编码模型 -- Kimi K2.7-Code: open-source coding model with better token efficiency

原文链接 | HN讨论 | 2026-06-12 21:32:27

文章摘要

Kimi K2.7 Code是基于K2.6升级的编码专用模型，在复杂软件工程任务中表现更优，思维令牌使用减少30%。采用混合专家架构，总参数量1万亿，激活参数320亿，支持25.6万上下文长度。在多项编码基准测试中，K2.7较K2.6有显著提升，虽仍略逊于GPT-5.5和Claude Opus 4.8，但差距缩小。测试使用26.2万token上下文，温度设为1.0。

文章总结

以下是经过编辑整理后的中文内容：

  1. 模型介绍 Kimi K2.7 Code是基于K2.6版本开发的代码专用智能体模型。在真实世界长周期编码任务中表现显著提升，能够更好地完成复杂软件工程工作流中的端到端任务，同时提高了token使用效率——相比K2.6版本减少了约30%的思考token消耗。

  2. 核心参数 • 架构：混合专家模型(MoE) • 参数总量：1万亿 • 激活参数：320亿 • 层数：61层（含1个稠密层） • 注意力隐藏维度：7168 • 专家隐藏维度：2048/专家 • 注意力头数：64个 • 专家总数：384个 • 每token选用专家：8个 • 共享专家：1个 • 词表大小：16万 • 上下文长度：256K • 视觉编码器：MoonViT（参数4亿）

  3. 性能评估 主要测试结果对比（分数越高越好）：

| 测试项目 | K2.6 | K2.7 | GPT-5.5 | Claude 4.8 | |-------------------|------|------|---------|------------| | Kimi代码测试v2 | 50.9 | 62.0 | 69.0 | 67.4 | | 程序重建测试 | 48.3 | 53.6 | 69.1 | 63.8 | | MLS精简测试 | 26.7 | 35.1 | 35.5 | 42.8 | | 智能体协作测试 | 42.9 | 46.9 | 52.8 | 50.4 | | MCP工具使用测试 | 69.4 | 76.0 | 79.4 | 81.3 | | 人工验证工具测试 | 72.8 | 81.1 | 92.9 | 76.4 |

测试说明： - 代码测试包含10+主流编程语言的全栈工程任务 - 程序重建测试要求仅通过二进制文件和文档还原程序行为 - 智能体测试模拟持续多日的实际工作场景

  1. 部署信息 • API访问：通过Moonshot平台提供 • 兼容性：支持OpenAI/Anthropic格式API • 推荐推理引擎：vLLM、SGLang、KTransformers • 部署要求：transformers版本4.57.1-5.0.0

  2. 使用示例 模型强制启用思考模式(preserve_thinking)，主要功能包括：

  • 常规对话
  • 图像内容解析（支持base64格式）
  • 视频内容解析（实验性功能）
  • 多轮思考保留
  • 工具调用链式思考

  1. 许可协议 采用修改版MIT许可证开源。

  2. 联系我们 技术支持邮箱：support@moonshot.ai

（注：已移除具体代码示例、第三方声明等次要内容，保留核心参数和关键性能数据，对测试方法进行了概括性说明）

评论总结

以下是评论内容的总结，平衡呈现不同观点：

  1. 价格与性能的权衡

    • 多位用户质疑高价模型（如Claude Opus）的性价比，认为中国模型（如Kimi）价格优势明显但性能差距不大
    • 关键引用：
      • "Opus is 5x times more expensive...while being only marginally better"（yanis_t）
      • "I will use kimi at 1/10th of the price...if Kimi catches up"（jackdoe）

  2. 模型性能比较

    • 有用户提供基准测试数据，显示GPT-5.5和Opus 4.8领先，但Kimi K2.7代码能力显著提升
    • 关键引用：
      • "GPT-5.5: 62.7%...Kimi K2.7 Code: 56.3%"（goldenarm）
      • "the gap between demo and production is consistently underestimated"（jkwang）

  3. 实用场景差异

    • 部分用户认为高端模型的优势在特定工作流程中并不明显，尤其对小规模项目而言
    • 关键引用：
      • "beyond a certain level, the models don't make a huge difference"（jdw64）
      • "$100 bill is quite noticeable...mostly for side projects"（shreedx）

  4. 技术发展预期

    • 存在对技术收敛点的预测，认为当模型达到"足够好用"时价格战将开始
    • 关键引用：
      • "at some point, it will just do the thing you want...race to the bottom will start"（jackdoe）
      • "Chinese companies have access to...Fable tokens, I hope it speeds up the race"（jackdoe）

  5. 许可证问题

    • 有用户讨论修改后的许可证条款，认为其要求合理
    • 关键引用：
      • "modified license terms...a reasonable request"（giancarlostoro）

注：所有评论均无评分数据（None），因此未体现认可度差异。部分技术细节讨论（如Kimi 2.7版本疑问）因缺乏实质性观点未纳入总结。