Kimi Code

TL;DR

来源说明：本文基于 code.kimi.ai 官网、GitHub MoonshotAI/Kimi-K2.7-Code 仓库、月之暗面官方文档与技术报告整理。K2.7 Code 模型仍在快速迭代，参数和价格请以最新官方信息为准。

核心能力

K2.7 Code：万亿参数开源编程模型

Kimi Code 的核心是 K2.7 Code 模型，2026 年 6 月正式开源。关键参数：

• 1.1 万亿参数（1.1T），MoE 架构，激活参数约 60B
• 256K 上下文——能整库塞进单次对话，长程改造不丢前文
• 代码专项优化——在 HumanEval、SWE-Bench、LiveCodeBench 等编程基准上对标 Claude Sonnet 4
• 过度思考问题改善——上代 K2 常被吐槽"想太多、token 烧太快"，K2.7 在保持质量的同时把冗余推理压了下去，单任务 token 消耗降约 30%
• MIT 级开源协议，权重可下载、可自托管、可商用

这套模型既是 Kimi Code CLI 的默认大脑，也能独立部署——你可以拿 K2.7 Code 接 OpenCode、Aider，甚至自建一套完全离线的国产 Agent 栈。这种"模型 + Agent 双开源"的姿态，在国内大厂里是头一份。

长程任务能力：逼近 Claude Code

Kimi Code 主打的卖点是 长程任务（long-horizon task）——那种需要 30 分钟以上、跨多文件、多轮工具调用的复杂改造。256K 上下文 + 改进后的推理节奏，让它能撑住"Claude Code 式"的自主任务：

cd your-project
kimi-code                       # 进入交互模式
> 把这个 Vue2 项目整体升级到 Vue3，保留所有业务逻辑，跑通 e2e 测试

它会自动：梳理依赖 → 列出影响范围 → 分批改写 → 跑测试 → 修回归。实测在中等规模代码库（5-10 万行）上，K2.7 Code 的任务完成率与 Claude Sonnet 4 接近，部分中文注释密集的项目甚至更好——因为理解中文需求描述更准。

不过要注意，超长任务（>1 小时）的稳定性仍弱于 Claude Code。Claude Code 有 /compact 上下文压缩、子代理隔离、checkpoint 回滚一套成熟机制；Kimi Code 这套工具还在补齐，偶发 context 漂移需要手动 /clear 重来。

多模态编程

K2.7 Code 是多模态模型——支持图像输入。这意味着你可以截图一个 UI bug、贴一段报错截图、甚至丢一张架构图，让它"看着改"：

> 这张报错截图里的栈追踪，定位到对应代码并修复
[附图：screenshot.png]

对前端调试、运维排障这类"看图说话"场景，比纯文本模型实用。Claude Code 同样支持多模态，但 K2.7 Code 的中文 OCR + 中文场景理解更贴合国内开发。

一行命令安装，国内零门槛

Kimi Code 的安装刻意做成了"国内友好"——不需要海外手机、不需要海外卡、不需要代理：

# 一行命令安装
curl -fsSL https://code.kimi.ai/install.sh | bash

# 或 npm
npm install -g kimi-code

# 用 Kimi 账号登录（微信扫码即可），或填 Moonshot API key
kimi-code auth login

# 进项目
cd your-project
kimi-code                        # 启动

登录走国内账号体系，API 计费支持支付宝/微信。对一直被 Claude Code"账号+支付+网络"三关劝退的国内开发者，这是质变的体验差。

使用体验

日常体感

实测下来，Kimi Code 的交互范式和 Claude Code 高度相似——终端对话、slash 命令、工具调用审批、diff 预览。从 Claude Code 迁移过来几乎没有学习成本，命令名都接近。

最直观的差异在 中文：让它写中文 commit message、生成中文 API 文档、根据中文 PRD 拆任务，K2.7 Code 的输出明显比 Claude / GPT 更地道，不会有那种"翻译腔"。中文注释密集的老项目维护，体验尤其好。

Token 成本是另一个爽点。同样的编码量，K2.7 Code 的 API 费用大约是 Claude Sonnet 4 的 1/3-1/2（叠加 token 消耗降 30% 的红利），单月重度使用可能只要几十块人民币。对个人开发者，这是"用得起"和"用得好"的平衡点。

短板

• 英文/国际化项目：纯英文代码库的表现略逊 Claude/GPT，偶有英文表达不自然
• 插件生态：第三方工具、LSP 集成、自定义命令还在起步，远不如 Claude Code 的 .claude/commands/ 体系
• MCP 支持：能接，但成熟度和文档完善度不如 Claude Code（MCP 毕竟是 Anthropic 自家协议）
• 开源版自托管门槛：1.1T 参数模型对显卡要求高，个人/小团队自托管不现实，多数人还是走官方 API

价格与运行成本

Kimi Code 工具本体 免费。成本来自 K2.7 Code 模型的 API 调用（BYOK 或官方 API）：

对比 Claude Code：Claude Sonnet 4 输入 $3 / 输出 $15 每百万 token（约 ¥21 / ¥107），K2.7 Code 输入 ¥8 / 输出 ¥32，价格约为其 1/3。叠加 token 消耗降 30%，单任务综合成本能压到 Claude 的 1/4 左右。对每天编码 4+ 小时的重度用户，月度差距可能从几百美元缩到几十块人民币。

适用场景

• 国内开发者：不想折腾海外账号、海外卡、代理，微信扫码即用
• 中文为主的项目：中文注释、中文文档、中文 PRD，K2.7 Code 母语级理解
• 大代码库长程改造：256K 上下文能整库塞进去，跨文件重构不丢前文
• 预算敏感但要不将就：想要接近 Claude Code 的能力，又不想月烧 $100+
• 国产化 / 信创要求：需要国产模型 + 可自托管的 Agent 方案

不适用场景

• 纯英文/国际化项目：英文表现不如 Claude/GPT，commit message 和文档可能不够 native
• 重度插件依赖：生态早期，第三方工具和自定义命令体系不如 Claude Code
• 企业级稳定 SLA：开源版本无承诺，官方 API 也有偶发限流
• IDE 内 inline 补全：CLI Agent 不是补全器，要 Tab 补全去 Copilot/Cursor
• 个人自托管：1.1T 参数模型硬件门槛高，个人玩不动

与同类怎么选

选 Kimi Code 如果你：

• 国内开发者，受够了海外账号和支付
• 项目中文为主，想要母语级编程体验
• 要 256K 长上下文跑大库改造
• 预算敏感但不想将就能力

别选 Kimi Code 如果你：

• 纯英文国际化项目（Claude/GPT 更 native）
• 重度依赖插件和 MCP 生态（生态还在早期）
• 要企业级稳定承诺（开源版无 SLA）

FAQ

Q：Kimi Code 真的免费吗？ A：工具本体免费。K2.7 Code 模型开源可自托管（免费但需硬件）。走官方 API 按 token 计费，但价格远低于 Claude/GPT，且支持微信支付。

Q：和 Claude Code 比，K2.7 Code 差多少？ A：编程基准接近，中文场景甚至更好；长程任务稳定性、上下文管理工具（/compact 等）、插件生态仍落后。简单说：能力够用，工具链和成熟度在追赶。

Q：能自托管吗？硬件要求？ A：能，模型权重开源。但 1.1T 参数 MoE，推理需要多卡高端 GPU（A100/H100 级），个人不现实，主要面向企业和研究机构。

Q：和 MiMo Code 怎么选？ A：都是国产开源 CLI Agent。Kimi Code 胜在模型成熟度（K2.7 已迭代多代）和中文长上下文；MiMo Code 胜在 SWE-Bench 基准分数和 MIT 协议彻底开源，但仅 V0.1。要稳选 Kimi，要尝鲜选 MiMo。

Q：能接其他模型吗？ A：Kimi Code CLI 主要为 K2.7 Code 优化，但也兼容 OpenAI 接口格式，可接其他模型。不过最佳体验还是配 K2.7 Code。

Q：支持 MCP 吗？ A：支持，能接 MCP server 调数据库、浏览器等工具。但文档和成熟度不如 Claude Code，配置需要一定动手能力。

相关阅读

• 同类对比：Claude Code / OpenCode / MiMo Code / Qwen Code
• 概念：AI Agent / MCP / Long Context / MoE 架构
• 模型：Kimi K2.7 Code / Claude Sonnet 4 / DeepSeek-V3
• 进阶：Vibe Coding / 国产大模型编程

来源

• 官网：https://code.kimi.ai
• 开源仓库：https://github.com/MoonshotAI/Kimi-K2.7-Code
• 月之暗面平台：https://platform.moonshot.cn/docs
• 定价：https://platform.moonshot.cn/pricing

本卡片由 AIHO 编辑部根据官方公开资料与第三方评测整理。所有事实点均标注来源；如发现价格 / 命令 / 功能与最新官方信息不一致，请通过 /submit 反馈。