Kimi最強編程模型來了：Token消耗直降30%，過度思考有救了，附一手實測

智東西 作者 | 陳駿達 編輯 | 雲鵬 智東西6月12日報道，今天，月之暗面發佈並開源Kimi K2.7 Code編程模型，參數量達1.1萬億，提供256K上下文窗口。這一模型重點提升了長上下文編程場景的指令遵循能力、長程編程任務的性能表現，並且大幅改善了在長程任務中的過度思考傾向，平均token消耗減少30%。 月之暗面公佈的基準測試結果顯示，K2.7 Code在多項編程和Agent基準測試中較K2.6實現大幅度提升，提升比例從10%-31.5%不等，不過距離GPT-5.5（xhigh）、Opus 4.8（xhigh）等模型還有一定差距。 目前，這一模型已經上線Kimi API 開放平臺（platform.kimi.com），其每百萬個token的標準輸入和輸出價格與K2.6模型一致，分別為6.5元和27元；命中緩存的輸入價格小幅度上調0.2元至1.3元。 同時，Kimi Code Plan的默認模型已同步升級為Kimi K2.7 Code。需要注意的是，使用K2.7 Code模型須打開思考模式以發揮最佳性能。Kimi API和Kmi Code均默認開啟思考，如果手動關閉思考模式，API會報錯，Kimi Code會回退到K2.6模型。 下週一，月之暗面還在Kimi API開放平臺推出Kimi K2.7 Code高速版，並逐步面向“搶鮮體驗計劃”成員和Kimi會員開放。這一模型的輸出速度約為普通版的5-6倍，價格為2倍，常規編程場景下輸出速度約180 Token/s，短上下文場景可達260 Token/s。高速版模型在Kimi Code Plan中的用量消耗是普通版模型的3倍。 K2.7 Code上線後，智東西第一時間對其進行了初步體驗，實測案例以編程類為主，測試環境為VS Code+Kimi Code插件。 我們的首個實測案例，是讓K2.7 Code做一個輕量級的任務：在單個html文件的維度下，復刻一個mac OS風味的操作系統demo。這一任務主要考察K2.7 Code的前端能力。 實測過程中，能明顯感受到這代Kimi模型更加果斷了：由於項目不是很複雜，它沒有在思考上花太多無謂的時間，迅速進入了開發工作。由於其每次生成的耗時也較短，我可以快速迭代。 最終，K2.7 Code打造的前端代碼效果如下。可以看到，在逐步迭代後，這個demo的完成度不錯，擁有完整的開機動畫和基本功能，像是便籤、瀏覽器都可以正常使用。 美中不足的是，我多次讓K2.7 Code修改它生成的SVG開機動畫圖，但是最終的效果看起來還是和蘋果公司的logo沒有太大關係。 我們的下一個任務，是用K2.7 Code開發一個“智能體小鎮”復刻版。智能體小鎮其實是斯坦福大學與谷歌合作推出的一個多智能體交互實驗項目，通過大語言模型驅動虛擬小鎮中的智能體，模擬人類日常行為、社交互動及社會現象，探索AI在模擬人類行為方面的可能性。 不過，在正式開發前，我先讓K2.7 Code寫了份簡易的PRD文檔。可以看到，它的文檔中既有對產品的一句話形象概述，也有對市場背景、功能架構、非功能需求和技術方案等細節的界定，能對開發工作起到指導作用。 隨後，我要求K2.7 Code在PRD文檔的指導下開發一個最小可行版本（MVP）。K2.7 Code one-shot生成結果還是存在一些bug，畫面無法正常渲染，於是我讓它繼續改進，要求它K2.7 Code進一步優化這一智能體小鎮的美術設計，並將其改造為一個可以本地部署的方案。 最終，在連續開發30多分鐘後，K2.7 Code終於交付了完整可用的項目。雖然看上去有些簡陋，但基本功能都實現了，接入大模型後也可以正常和智能體對話。如果後續進行更多迭代，最終效果應該還會改進。 到項目文件夾檢查後，可以看到K2.7 Code打造的項目文件架構清晰，分工合理。 結語：編程場景，速度同樣決定體驗 初步體驗下來，K2.7 Code給人一種更為果斷的感受，過去那種在簡單任務上反覆自我質疑、長篇大論地思考，然後再動手的問題少了很多。 在生成速度方面，K2.7 Code的優化也比較貼合當下的行業趨勢。近期國內不少大模型廠商都在推高速模型，Kimi此次也同步預告了5到6倍速的高速版。 這種提速不是偶然的，在編程這一高頻交互的場景裡看，速度本身就是一種關鍵的用戶體驗。