IT资源栈月之暗面正式发布了基于 Kimi K2.6 构建的编程专用智能体模型——Kimi K2.7 Code，并在 Hugging Face 平台完成开源。该模型主要针对真实世界中的长周期编程任务进行了深度优化，旨在加强复杂软件工程工作流中的端到端任务处理能力。与前代相比，K2.7 Code 在多个核心编程基准测试中展现出显著优势：在 Kimi Code Bench v2 上提升了 21.8%，在 Program Bench 上提升了 11.0%，在 MLS Bench Lite 上更是实现了 31.5% 的性能飞跃。除了准确率的提升，该模型还极大地优化了推理效率，思维链 Token 的使用量较 K2.6 减少了约 30%，这意味着开发者可以以更低的成本获得更高质量的代码生成服务。此外，模型改进了指令遵循能力，直接提升了端到端编程任务的成功率。目前，该模型已通过 Kimi API 开放平台和 Kimi Code 提供服务，助力开发者构建下一代 AI 应用。
事件分析
Kimi K2.7 Code 的开源标志着大模型在垂直编程领域从单一的“代码补全”向“全栈智能体”演进的关键一步。通过显著降低思维链 Token 消耗并提升长周期任务处理能力，该模型直击当前 AI 编程落地中的痛点——成本与复杂工程逻辑的驾驭能力。在竞争激烈的 AI 编程赛道，开源此类高性能模型有助于构建以 Kimi 为中心的开发者生态，对标 Claude Code 等国际竞品。此举也暗示了大模型厂商正从单纯追求参数规模转向追求“高推理效率”与“高任务完成率”的实用主义技术路线。
💡 核心观点：降本增效成 AI 编程新赛点，K2.7 Code 以推理成本降低 30% 重塑编程智能体竞争格局。
原文链接：Linux.do
评论前必须登录！
立即登录 注册