Kimi K2.7-Code发布：思考Token减三成，基准引争议

本周，Moonshot AI 推出了开源模型 Kimi K2.7-Code，作为 K2 代码模型家族的更新版本。官方宣称该模型具备更精简的推理能力，并实现了两位数的性能增长。

K2.7-Code 沿用了与前代产品 K2.6 相同的万亿参数混合专家架构，并支持通过兼容 OpenAI 的 API 进行直接替换。这对于已经在生产环境中使用 K2.6 的团队来说，意味着集成门槛极低。

回顾今年 4 月，K2.6 一经发布便登上了 OpenRouter 的周度 LLM 排行榜榜首。值得注意的是，该榜单是基于开发者的实际 API 路由决策生成的，而非厂商自报的基准分数。

Moonshot AI 表示，K2.7-Code 旨在解决“过度思考”问题，相比 K2.6，其思考 Token 的使用量减少了 30%。对于运行智能体工作流的团队而言，这将直接降低推理成本。然而，关于这一效率提升在独立基准测试中是否依然有效，业界从业者已公开提出质疑。

Kimi K2.7-Code 模型概览

K2.7-Code 采用修改版 MIT 许可证发布，权重文件已在 HuggingFace 上提供，支持通过 vLLM 或 SGLang 进行部署。该模型仅在思考模式下运行，且不支持温度调节——Moonshot AI 将其固定为 1.0，这意味着团队无法像使用其他模型那样调整输出的确定性。

与 K2.6 相比，核心变化在于生成底层代码的方式。K2.6 倾向于通过包装现有库和路由既定框架来生成实现，而 K2.7-Code 则直接编写实现代码。官方称，这种方式在 Rust、Go 和 Python 语言，以及前端开发、DevOps 和性能优化等任务类型上，能提供更可靠的泛化能力。

基准测试表现

在基准性能方面，Moonshot AI 宣称在 Kimi Code Bench v2 上提升了 21.8%，在 Program Bench 上提升了 11%，在 MLS Bench Lite 上提升了 31.5%。然而，这三项均为 Moonshot AI 运行的专有基准测试。该模型尚未提交至 DeepSWE。DeepSWE 是一项独立的编程基准测试，其模型得分跨度为 70 分（相比之下 SWE-Bench Pro 仅为 30 分），因此对于配置模型路由系统的团队而言，DeepSWE 能提供更具区分度的参考信号。

外部评测：更诚实但能力存疑

来自 Moonshot 自家基准测试之外的图景则更为复杂。研究员 Elliot Arledge 在专注于 GPU 内核优化的公开基准测试 KernelBench-Hard 上，对比了 K2.7-Code、K2.6 和 Claude Fable 5，并在 kernelbench.com 上公布了完整的运行日志。

Arledge 在 X 平台上写道：“K2.7 更诚实，但能力并未增强。”

在六个问题中的五个里，K2.7-Code 生成了真实的 Triton 内核，而 K2.6 使用的是库包装器。
其中两个内核因模型自身的 Bug 而运行失败。
MoE 内核的结果从 K2.6 的 0.222 分倒退至 0.157 分。

“作为参考，Fable 在所有未诚实失败的单元格中都名列前茅，” Arledge 补充道。

业界的质疑与期待

使用 DeepSWE 作为参考信号为 Hermes Agent 平台构建模型任务路由器的开发者 Sugumaran Balasubramaniyan，公开回应了 K2.7-Code 的发布，并直接就基准测试的选择向 Moonshot AI 发难。

“恕我直言，每个模型在自己的测试套件里都会实现‘两位数’的提升，” Balasubramaniyan 在 X 上写道。

他指出，K2.6 在 DeepSWE 上的得分为 24%，与 GPT-5.4-mini 持平，并询问 Moonshot AI 是否会将 K2.7-Code 提交至同一基准测试。Balasubramaniyan 表示，他花费了 13 轮审查才将基准测试数据整理准确用于路由器，如果独立的 DeepSWE 数据表现良好，他愿意将编程任务路由给 K2.7-Code。

对企业的实际意义

Token 效率的提升是可以立即利用的。在生产环境中运行 K2.6 的团队可以通过兼容 OpenAI 的 API 无缝切换至 K2.7-Code，在无需改变架构的情况下，预期智能体工作流的推理成本会有所降低。虽然 30% 的思考 Token 减少量来自 Moonshot 的自测数据，但由于集成路径风险极低，团队可以在完全承诺前，将其应用于自身工作负载进行测试。

实际的问题在于，这些效率提升在团队自身的任务分布中是否依然成立。在调整网关权重之前，将 K2.7-Code 置于实际工作负载中运行，是验证这一点的低风险路径。

关注微信号：智享开源 ，及时了解更新信息。

原文链接：https://venturebeat.com/technology/kimi-k2-7-code-cuts-thinking-tokens-30-practitioners-say-benchmarks-dont-check-out