月之暗面開源 Kimi K2.7-Code：推理 token 省 30%，主治模型「想太多」

中國 AI 公司月之暗面（Moonshot AI）6 月 12 日發布 Kimi K2.7-Code，定位是 K2.6 的編碼特化後繼者，採用修改版 MIT 授權開源，權重直接上架 Hugging Face。架構是 1 兆總參數的混合專家（MoE）模型，啟用參數 320 億，可透過相容 OpenAI 與 Anthropic SDK 的 Moonshot API 以及終端編碼代理 Kimi Code 使用。

這次的主打不是分數而是效率：官方宣稱推理 token 用量比前代減少 30%，針對的是研究圈說的「過度思考」（overthinking）問題——模型在編碼任務上花太多 token 自我辯論，算力燒掉、延遲變高、API 帳單跟著膨脹。基準成績同步提升：Kimi Code Bench v2 進步 21.8%、Program Bench 進步 11.0%、MLS Bench Lite 跳升 31.5%。

K2.7-Code 也登上 Hacker News 熱榜，討論聚焦在開源編碼模型與封閉模型的差距收斂速度。在 Fable 5 評價兩極（見本期另兩條）的這一週，中國實驗室用「便宜、開源、夠用」的組合切入市場，對成本敏感的團隊吸引力很實際：代理工作流動輒一次跑幾百個步驟，同樣的任務少燒三成 token，乘上整年的呼叫量，省下來的是看得見的真金白銀，也是中國模型搶占海外開發者市場最有效的敲門磚。