# Kimi 开源发布编码模型 Kimi-K2.7-Code

- 来源：meng shao (@shao__meng)
- 发布时间：2026-06-12 19:12
- AIHOT 分数：70
- AIHOT 链接：https://aihot.virxact.com/items/cmqaujzgg0oy7slldnid37k1u
- 原文链接：https://x.com/shao__meng/status/2065391798961442966

## AI 摘要

Kimi 开源发布最新编码模型 Kimi-K2.7-Code，基于 K2.6 优化。编码基准全面提升：Kimi Code Bench v2 提高 21.8%，Program Bench +11.0%，MLS Bench Lite +31.5%。推理 token 整体降低约 30%。Agent 方面，MCP Mark Verified 得分 81.1，超过 Opus 4.8（76.4），GPT-5.5（92.9）仍为天花板。技术特性：强制 Thinking 模式、Preserve Thinking、Interleaved Thinking+多步工具调用，支持图像和视频输入。可通过 Kimi API 和 Kimi Code 使用，6x 高速模式即将推出。开源地址：HuggingFace 上的 moonshotai/Kimi-K2.7-Code。

## 正文

Kimi 开源发布最新编码模型「Kimi-K2.7-Code」，在 K2.6 基础上针对编程 Agent 做专项优化的版本，目标很明确：长链路编码任务的成功率更高，推理 token 更少！

# 三个核心改进

1. 编码：全面进步，尚未登顶
相对 K2.6，三项编码基准均有提升：Kimi Code Bench v2 +21.8%（50.9→62.0），Program Bench +11.0%，MLS Bench Lite +31.5%（涨幅最大，但绝对分仍低）。

与 GPT-5.5、Opus 4.8 比：综合编码任务差距明显缩小；MLS 与 GPT-5.5 基本持平；Program Bench 仍落后 GPT-5.5 一截。结论：稳健迭代，不是 leapfrog。

2. Agent：MCP 是亮点
Kimi Claw 24/7（长周期协作）和 MCP Atlas 均有提升，但仍落后于两大闭源模型。

MCP Mark Verified（81.1）超过 Opus 4.8（76.4） 是最有说服力的结果--覆盖 Notion、GitHub、Postgres、Playwright 等真实 MCP 环境，且经人工复核。说明 K2.7 在多工具编排上已具竞争力，GPT-5.5（92.9）仍是天花板。

3. 效率：更少 token，更高分
K2.7 不只提分，还降 reasoning token（官方称整体约 -30%）：
· Kimi Code Bench v2：62k→48k token，分数 51%→62%
· Program Bench：176k→102k token（-42%），分数 48%→53%
· MLS Bench Lite：42k→38k token，分数 27%→35%

对 Agent 的实际意义：同样预算能跑更多步，长任务更省、更稳。

# 关键技术特性

1. 强制 Thinking 模式
不支持 Instant 模式；推荐 temperature=1.0、top_p=0.95。面向复杂推理，而非快速补全。

2. Preserve Thinking（强制开启）
多轮对话中保留完整 reasoning 内容，不可关闭。对编码 Agent 很重要--模型能引用先前推理链中的中间结论，减少上下文丢失。

3. Interleaved Thinking + Multi-Step Tool Call
与 K2 Thinking 相同设计：推理与工具调用交替进行，适合「想一步、调一步、再看结果」的 Agent 循环。

4. 多模态
支持图像和视频输入（官方 API 已支持；第三方 vLLM/SGLang 部署的视频能力仍为实验性）。

开源地址：
https://huggingface.co/moonshotai/Kimi-K2.7-Code

### 引用推文

> Kimi.ai：🌘 Kimi-K2.7-Code, our latest coding model, is now released and open-sourced! 🔷 Improved coding & agent performance over K2.6: +21.8% on Kimi Code Bench v2, +1...