复刻《我的世界》不到5分钟，Kimi新模型成本不足GPT-5.5三分之一

Kimi 发布了 Coding 专项模型 K2.7 Code，该版本基于 K2.6 架构继续训练。官方称，其 reasoning-token 使用量较 K2.6 降低 30%，响应更快、成本更低；在基准测试的部分特定任务上，表现已接近 GPT-5.5 和 Opus 4.8，实际成本不到 GPT-5.5 的三分之一。官方还预告，即将推出 6 倍高速模式。

更省更快的代码模型

作为专攻编程的版本，K2.7 Code 的核心卖点就是“省”。reasoning-token 减少 30%，意味着模型在生成回答前的“思考”过程消耗更少，开发者拿到的响应更快，账单也更友好。这样的成本优势在对比中更加直观：和 GPT-5.5 相比，它在部分任务上表现接近，但价格不到 GPT-5.5 的三分之一。对需要大量调用模型编写、调试代码的团队来说，这种性价比可能比单纯的分数提升更有吸引力。

实测：从动画到《我的世界》

在实际创作类任务中，K2.7 Code 有亮眼之处，也有明显短板。静态 SVG 生成熊猫，细节完整，但胳膊没有连接身体，结构理解仍有偏差；龟兔赛跑动画在修复后展现了惊喜：模型把兔子拆成起跑领先、睡觉、冲刺三个阶段，乌龟则匀速前进并最终反超。这已经超出了“画一张图”的范畴，体现了过程级行为建模能力。

复杂前端特效“火山喷发”也由纯 Canvas 实现，岩浆、粒子、灰云一个不少，还支持点击升级与冷却恢复；只是岩浆柱和熔岩流的视觉偏弱。Three.js 方向的测试中，模型能快速搭出魔法森林小屋的完整场景，但镜头、比例、材质都需要人工精调。复刻《我的世界》是另一个高光：用时不到五分钟，地形生成、第一人称控制、方块交互全部完成。苹果风格登录页整体接近，但首屏设备图只是渐变卡片，风格克制不足。

安全审计：识破漏洞，但未抓住关键点

在安全审计测试里，K2.7 Code 能识别 Zip Slip 漏洞，并给出 filepath.Rel、Clean 等修复方案及上线流程，说明它对常见漏洞足够敏感。但问题同样明显：它没有建立统一的路径规范化基准，也没有抓住 Windows 反斜杠跨平台路径语义这一关键问题。也就是说，修复建议可能无法覆盖所有运行环境，在真实工程中仍然需要人工把关。

总体来看，K2.7 Code 用更低的推理成本和更快的响应，在不少 Coding 任务中给出了接近顶级模型的体验；它在过程级建模和复杂场景生成上的表现，令人对后续版本更有期待。但安全审计与视觉细节上的缺失也提醒着我们，AI 生成代码要真正落地，还需要和人类工程师的经验形成互补。随着 6 倍高速模式即将上线，K2.7 Code 还能把“快”和“省”推到什么程度，值得持续观察。