更多动态
其实我不爱用kimi模型，第一次骂娘就是用的kimi-2.6，它总是喜欢自作聪明，不遵循指令。 今天的k2.7 code貌似在这方面有所改善。在kimi code bench v2（企业内部专用的基准测试集）跑分上k2.7 code接近gpt 5.5 xhigh，但仍有差距。
其核心不是手动一轮轮地给 agent 下指令，而是设计一个能自己运行的循环系统。这个系统会自动发现任务、分配给子 agent、检查结果、记录状态，并决定下一步该做什么。你从“亲自驾驶 AI”转变为“设计让 AI 自己跑的流程”。 它通常包含六个部分：自动触发、工作树隔离、技能沉淀、外部连接器、subagent 审查，以及持久化记忆。前四者负责让系统持续工作，后两者负责让系统不失控、不错漏。尤其是 memory 和 skills，能减少上下文丢失和“自信猜测”。 本质上，Loop Engineering 是一种角色升级，人不再只是写代码和发 prompt，而是负责设计系统、约束流程、定义目标，让 AI 在规则内持续产出。
1.6T 总参、激活约 48B，原生多模态，主推长程智能体，全程国产算力训练。 图像量化成多级离散 token，Visual Coding 与 3D 受益。 大规模长程 RL，把失败轨迹转成可验证训练任务。 W4A4 推理，prefill 吞吐提升 43%。 官方自测介于 Claude-Opus-4.8 与 Opus-5 之间。
它不堆参数，堆"层数"。32 层解码器，中间 4–27 层同权重跑两遍 → 前向 56 层计算，只存 9B。 自测 BIRD-Dev 71.38、AutomationBench 13.72，超 Qwen3.5-27B；Terminal Bench依旧落后。
