Moonshot AI发布Kimi K2.7-Code：代币消耗降低30%，但基准测试存疑

中国AI初创公司Moonshot AI发布了其代码生成模型Kimi K2.7-Code的更新版本。该公司声称新模型在“思考”代币消耗方面比前代K2.6降低了30%，有望在代理工作流中降低推理成本。该模型基于相同的万亿参数混合专家架构，采用Modified MIT许可证发布，权重已上传至HuggingFace。

K2.7-Code与K2.6在代码生成方法上存在差异：K2.6依赖现有库的封装，而新模型直接编写实现。Moonshot AI表示，这提升了Rust、Go和Python的泛化能力，并在前端开发、DevOps和性能优化任务中提高了效率。然而，该模型仅支持“思考”模式，固定温度为1.0，无法自定义确定性输出。

在Moonshot AI的内部基准测试中，该模型表现出显著提升：Kimi Code Bench v2提升21.8%，Program Bench提升11%，MLS Bench Lite提升31.5%。但独立研究者对这些结果的客观性提出质疑。开发者Elliot Arledge在KernelBench-Hard测试中发现，K2.7-Code生成的代码更“诚实”，但并非总是正确：六个Triton内核中有两个运行失败，且有一项结果逊于K2.6。

专家强调需要独立评估，如DeepSWE，该测试能提供更广泛的模型性能差异。开发者Sugumaran Balasubramanian（Hermes Agent平台任务路由器创建者）指出，K2.6在DeepSWE中得分24%，与GPT-5.4-mini相当，并敦促Moonshot AI公布K2.7-Code在该基准测试中的结果。

对于企业而言，此次更新可能带来价值：OpenAI兼容API集成允许团队无缝替换K2.6，无需改动基础设施。但在大规模部署前，建议在自定义任务上充分测试，以评估实际成本节约与性能表现。