你让 AI 改一个真实项目，难点往往不是写出某一段代码，而是让它连续查文件、调用工具、修改多处内容，再确认整个任务真的完成。Kimi K2.7 Code 瞄准的正是这种长流程软件工程工作。它的官方成绩较上一代明显提高；与此同时，社区已尝试把第三方量化版塞进单台 DGX Spark。两件事放在一起看，恰好呈现了超大编码模型的两面：能力在向上走，本地运行却仍是一场存储与搬运的精细调度。
本文的模型信息和成绩来自 Moonshot AI 的 Hugging Face 页面；单机速度来自一名 Reddit 用户的特定配置实测，不能视为官方性能，也不能直接外推到其他电脑。
它想把代码任务做得更完整
Moonshot AI 将 Kimi K2.7 Code 定义为基于 Kimi K2.6 构建的编码智能体模型。编码模型，是以理解、生成和修改代码，以及使用软件工具为主要能力的大语言模型；“智能体”则强调它不只回答问题，还要连续执行多个步骤。
官方称，新模型重点改善真实世界中的长流程编码任务，并提高从接单到交付的端到端完成能力。它还减少了约 30% 的“思考 token”用量。token 可以理解为模型处理文字和代码时使用的小片段；思考 token 越少，意味着它在内部推理阶段消耗的生成量更低。不过，材料没有给出相应的时间或成本数据，因此不能把这 30% 直接换算成速度或费用降幅。
官方自测中，Kimi Code Bench v2 从 K2.6 的 50.9 升至 62.0，Program Bench 从 48.3 升至 53.6，MLS Bench Lite 从 26.7 升至 35.1。工具与智能体测试也有提升：MCP Atlas 从 69.4 升至 76.0，MCP Mark Verified 从 72.8 升至 81.1。
这些数字支持“较上一代进步”，却不支持“已经领先”。在同一张官方表格里，Kimi K2.7 Code 的多项成绩仍低于 GPT-5.5 或 Claude Opus 4.8。例如 Kimi Code Bench v2 得分为 62.0，对照模型分别为 69.0 和 67.4；但在 MCP Mark Verified 上，它的 81.1 高于 Claude Opus 4.8 的 76.4，仍低于 GPT-5.5 的 92.9。测试运行方式也并不完全一致：Kimi 使用 Kimi Code CLI，另外两款模型分别运行在 Codex 和 Claude Code 中。
万亿参数，不等于每次都算万亿次
Kimi K2.7 Code 采用 MoE（Mixture of Experts，混合专家）架构。可以把它想成一个很大的专家团队：团队共有许多成员，但每处理一个 token，只叫其中少数人上场。
官方页面列出的总参数量为 1T，即一万亿；每次激活约 32B，即 320 亿。模型共有 384 个专家，每个 token 选择其中 8 个，另有 1 个共享专家。这能减少单次计算量，却不会让其余权重凭空消失。全部专家仍要存放在某处，并在需要时及时搬到计算设备。
模型提供 256K 上下文长度，也就是一次可接收较长的代码和文字。官方页面列出了 Transformers、vLLM、SGLang 和 Docker 等调用或部署入口。页面还出现图文输入示例，并列出 MoonViT 视觉编码器；但现有材料可能包含 Hugging Face 自动模板内容，尚不足以稳妥确认其原生视觉能力，本文不把它称为多模态模型。
单台 DGX Spark 跑起来，关键是搬东西
社区测试使用的不是官方原始发布对象，而是第三方 Kimi-K2.7-Code.i1-IQ_S.gguf 量化文件。量化是用更紧凑的数字格式保存模型，以降低存储和运行负担。该文件约 204GB，帖子将其标为 1T.A32B，但这一标注没有得到官方材料交叉验证。
测试者使用 llama.cpp——一个常用于本地运行量化模型的开源推理工具——把 MoE 专家放在不同存储层之间调度。核心办法是“专家缓存”：把更可能用到的专家权重留在较快的位置，其余放进主机内存或通过磁盘映射读取。像把常用资料摊在桌上，不常用的先留在文件柜里；省下桌面空间的代价，是需要不断取放。
在单台 DGX Spark 的特定方案下，帖子报告 pp512 为 tokens/s，tg128 为 tokens/s。pp 可理解为模型阅读输入的速度，tg 则是逐步生成输出的速度。对照的纯 CPU mmap 方案分别只有 和 tokens/s。结果说明，缓存和卸载策略能显著改变同一设备上的表现，也说明“模型能加载”与“模型跑得实用”是两回事。
为什么值得关注
Kimi K2.7 Code 的看点，不只是又一个更大的编码模型。官方数据表明，它在多项长流程编码与工具测试中超过 K2.6；社区实验则展示了 MoE 的现实价值：虽然全部权重很大，每次真正参与计算的只是其中一部分，因此可以用缓存和数据搬运换取单机运行的可能。
但这也重新定义了“本地可运行”。约 204GB 的量化文件、统一内存、特定 llama.cpp 编译选项、专家卸载规则、批量大小和内存固定方式，都是成绩的一部分。这里的工程成果不是让硬件代价消失，而是更聪明地安排代价出现在哪里。
局限与未知
- 现有材料没有许可证、权重开放范围和训练信息，因此无法确认它是否符合严格意义上的“开源模型”。
- 官方未提供足够信息让读者独立判断各项基准的覆盖范围；其中 Kimi Code Bench v2 是内部基准，成绩应视为官方自报结果。
- DGX Spark 数据来自单一社区用户和特定第三方量化版，展示的是一套配置的可行性，不代表官方速度，也不代表普通电脑能复现。