Kimi K2.7 Code 实测：修 Bug、写 3D 游戏、重构老项目，2000 行代码砍掉 55%
月之暗面发布面向长上下文与 Agent 工作流的编程模型 Kimi K2.7 Code。实测涵盖三个工程任务：在 1032 行 MiniDB 项目中定位并修复 3 个隐蔽 Bug；生成单 HTML 文件的 3D 滚球闯关游戏（对比 DeepSeek V4 Pro，Kimi 版本物理交互更稳定）；将 2374 行 Flask 遗留项目重构至 1064 行（减少 55%）。基准测试显示其在 Agent 类任务上接近 Opus 4.8，但 Coding 类基准仍落后于 GPT-5.5 和 Opus 4.8。测评指出大模型在真实工程交付中面临更大挑战。
事件概述
月之暗面发布了面向长上下文、复杂编码任务和 Agent 工作流的编程模型 Kimi K2.7 Code。官方基准显示 K2.7 Code 相比 K2.6 在所有任务上均有提升，长程任务平均 token 消耗减少约 30%。在三个 Coding 类基准（Kimi Code Bench v2、Program Bench、MLS Bench Lite）上，K2.7 Code 仍落后于 GPT-5.5 和 Opus 4.8；但在三个 Agent 类基准上接近 Opus 4.8，甚至在 MCP Mark Verified 上以 81.1 分反超 Opus 4.8（76.4 分）。这表明团队将 Agent 工作流作为追赶头部模型的焦点。
核心测试结果
本次测评通过 Claude Code 作为 Agent 执行环境接入 Kimi K2.7 Code，围绕三个工程任务展开：
1. 修复隐蔽 Bug（1032 行 MiniDB 项目）
模型成功定位并修复了三个不导致崩溃、仅影响查询结果的隐蔽 Bug。关键表现：
- Bug 2 涉及跨模块的因果关系（空方法
is_visible()与_exec_select()的绕过逻辑），模型完整识别并修复。 - Bug 1 和 Bug 3 依赖对 SQL 规范的语义理解（NULL 与 0 不应混排、
!=遇到 NULL 不应返回 True），而非仅靠语法分析。 - 修复方案一次通过，未出现反复试错。
2. 生成 3D 滚球闯关游戏（单 HTML 文件）
基于相同提示词，Kimi K2.7 Code 生成的版本可正常运行三个关卡，实现平台倾斜控制、物理滚动、障碍碰撞、HUD 显示（关卡/计时/尝试次数）及通关判定。DeepSeek V4 Pro 生成的版本画面更精致但物理反馈异常（小球仅小幅摆动，不符合重力与摩擦力逻辑）。两者均存在穿模问题（几何边界与渲染重叠），这是大模型单次生成 3D 场景的共性缺陷。结论：在本次测试条件下，Kimi 的物理交互与功能闭环更完整。
3. Flask 遗留项目重构（2374 行 → 1064 行，减少 55%）
项目为小型电商后台，存在路由重复、数据库调用散乱、模板无结构等问题。模型在保留所有 URL、视觉效果和不引入新依赖的约束下完成重构：
- 跨文件识别重复模式（10 个分类路由收敛为带参数路由，5 套数据库写法统一，13 个模板公共结构迁移至基础模板）。
- 正确判断抽象边界，避免误合并语义不同的代码（如保留路由参数、业务状态、统计逻辑）。
- 在不破坏功能的前提下完成结构性整理。
值得关注
三个测评任务分别对应代码理解与缺陷定位、端到端应用生成、遗留系统重构，覆盖了编码闭环的核心环节。但真实工程场景还需要面对数百万行历史代码、多人协作、版本管理、线上故障等复杂挑战。行业竞争焦点正从底层模型能力向工具层和工作流层（IDE 插件、命令行 Agent、任务执行、文件系统等）转移。Kimi K2.7 Code 在受控任务中展现了协作潜力，但距离稳定交付仍有距离。