大家好，欢迎收看本期节目。今天我们来看看 Kimi K2.7 代码版。我不知道你们怎么想，但我真的很喜欢编码模型。我记得 Qwen3-Coder，那款在当年确实很棒，但显然 Kimi 正在接管舞台。在这期视频中，我们将比较它在本地运行、分布式计算中运行、在云端运行的表现，并与 Claude 进行对比以查看其水平。

我们将通过编码框架来运行它，基本上在这个测试中我们做了所有事情。甚至还会将其与 Kimi K2.6 进行对比，这样你们可以亲自看到它在哪里有所改进以及哪里出错。我们不仅会在编码方面进行比较，还会比较逻辑和思考等所有这类东西，以查看你们是否真的可以将其用作通用模型。

我们可以看到这里的评估和基准测试中有一个新的代码基准情况，当你深入查看时其实很疯狂，因为他们设计了这些非常先进的测试来检验它。很棒的是，他们没有显示 Kimi K2.7 代码版比 GPT-5.5 和 Claude Opus 4.8 更好。它略低，但如果你深入查看，他们比较 Kimi K2.7 代码版与 GPT-5.5 和 Claude Opus 时，不仅启用了思考模式，还使用了超高思考模式。

我不知道你们如何，但如果你曾经使用过 Claude 和 ChatGPT 的超高模式，token……你知道吧，就像你感觉它们想直接从你的显示器里飞出来。所以我从不用超高模式。对我来说太危险了，它变得太过疯狂。但没错，他们有了这些新的基准测试来检验这个模型，而且非常先进。所以我们将看到它在我们的情况下的表现。

我们还有那个就在那里。我们上传了最佳版本，我们花了大约 24 小时尝试不同的变体来找出最佳的量化方案，这是我得出的最佳版本。这个需要一台 M512 Mac Studio，我甚至有一个更大的量化版本，我用我的 Mac Studio 和一台 Mac Pro 组合在一起运行。我们将在这三台电脑上运行它。如果你想参与，可以查看那个已上传的模型。如果你没有硬件，可以直接去 kimi.com 自己现在就可以玩它。

这里有一个叫做 Kimi Code 的东西，你可以实际在命令行中获取它，或者像我上面说的，你可以在 Visual Studio 内运行它。所以这里只是一个扩展，你安装 Kimi Code 那个东西。你把它安装到 Visual Studio，然后它就会开始为你编写代码。但让我们直接进入并开始做一些编码来看看我们的表现如何。

这是“在 HTML 中生成一个钢琴，播放《小星星》”。这个简单的提示输入 Kimi K2.6 后，你得到每秒 21 token，并产生 6000 token。这种生成目前是你用 Kimi K2.6 得到的。你可以播放，它有一个小波形图来查看发生了什么。你可以选择不同的合成方式，让它听起来不同。所以目前 Kimi K2.6 开箱即用的生成非常精致。

现在我们要进入 Kimi K2.7 代码版。这是一个大约五比特的通用分析，参数量约为 120B。所以我们将其量化到 3.5 bit，我们巧妙地使用了 INF 技术以获得我们能得到的最大智能。通过这种方式，我们产生了 4600 token 的代码代码，每秒 22 token。这比 Kimi K2.6 稍快一点。所以这里是另一个漂亮的生成，来自 2.7 版。

我们有钢琴在演奏，我们甚至得到了文本提示你如何唱这首歌，“像天空中的钻石一样高”。所以再次强调，两者都有漂亮的生成，但我必须说在这个生成中 2.7 版确实沟通得稍好一些。但让我们直接进入看看 Claude 在云端的表现如何。当我要求它在 HTML 中生成一个钢琴时，它的生成相当基础。这是使用 Claude Sonnet，并且处于低努力模式。

所以让我们切换一下，现在我们进入了高努力模式。它更好了，但仍然不如我们刚才在本地看到的那样令人印象深刻。所以我认为接下来我们要做的是去 Claude Sonnet，实际尝试一下最大思考模式，看看这个生成会发生什么。但我们不会用这个提示来做这件事。我们将使用下一个提示来做到这一点。我认为我喜欢这下一个提示，它太棒了。

我现在要求创建一个照片级真实的实时人脸渲染模型，使用 WebGL 和 Communicate 2.6。Kimi K2.6 实际上把它搞定了，它产生了 4000 token，速度为每秒 21 点几 token。所以我们点击播放，看就在那里。它实际上在屏幕上加载了一个漂亮的 3D 模型。如果你查看代码，它实际上是从互联网上一些 three.js 示例网站加载这个预制模型的。他们确实下载了这个模型，但他们也在上面添加了一些额外的部分。所以这不算太糟糕，而且在提示中我没有说你不能这样做。

从技术上讲这是作弊，因为你知道你并没有实际使用代码创建 3D 模型，只是下载并运行它，但它仍然通过了测试并且看起来确实很美。Kimi K2.6 让我们看看 Kimi K2.7 表现如何。使用 Kimi K2.7，它产生了近 7000 token，确切地说是 6700 token，速度为每秒 21.9 token。我们将点击播放看看那看起来像什么。

一张滑稽的脸，这太搞笑了。看眼睛，它们随着鼠标追踪移动。所以这里有几个功能。自动旋转和表面扫描皮肤平滑度。但这实际上是建模出来的。你可以看到它有椭圆形或许多圆形。眼睛四处跟随移动。这太疯狂了。显然它在头发部分有点卡住。但再次强调，这是量化版本。

让我们让它更困难一些。让我们进入 Claude 看看它做什么。同样，生成一个照片级真实的实时人脸渲染模型。这是低推理模式。我们拥有所有的旋钮和开关，但屏幕上什么都没有显示。所以我去到这里的 Chrome 浏览器中，那里有某种错误。所以我把它增加到高模式看看是否能修复它。同样，它是类似生成但很遗憾在 Claude Sonnet 的高模式下不起作用。

所以我们将现在实时做这件事，因为当你使用 Claude 时你需要等待几个小时甚至半天才能重新生成你的 token。所以我要进入最大模式，我要进入思考模式。砰！启用所有那些东西。我们将点击播放并

希望这样能修复问题，让我们现场测试一下。之前运行时关闭了思考模式，我生成了几个版本并挑选亮点展示：这个效果很棒，眼球会跟随视线移动，像蛋碗一样自然。我还尝试了分布式计算，将 MacBook Pro 与 Mac Studio 结合使用，速度达到每秒约16个token。由于首次运行出错导致头发造型怪异，上下文窗口为2.2万token。

分布式计算设置很简单：在另一台电脑的服务器选项中启用该功能，然后连接两台设备并下载模型。选择 Kimi K2.7 Code 的 Q4_0 量化版本后，系统会在两台电脑上同时加载模型。活动监视器显示内存占用107GB，推理仅用62GB（因同时录屏等任务）。速度稳定在每秒约20-22个token，接近单设备运行水平但保真度更高。

接下来看 Claude 的表现：我在 VS Code 中启用 Kimi code，使用相同提示词但要求保存为 face.html。Kimi K2.7 的思考模式可减少30%推理内容从而提速，这次生成了大量思考过程。首个版本效果出色但缺少瞳孔和头发细节，甚至出现类似“灭绝人类”的诡异角状结构。关闭思考模式后生成深度不足，但第二次启用时产生了惊艳效果：丰满的嘴唇、令人不安的眼部细节和出色的头发造型。

有趣的是，我将 Kimi Code 的推理内容作为提示词输入本地量化模型后，生成了完全相同的图像。这在 LLM 中极为罕见——通常树状随机遍历会导致不同结果，但这次神经元流动路径完全一致。现在测试 Claude 的“超高思考”模式（可能耗尽额度），同时推进下一项挑战：Kimi K2.6 内置视觉编码器，我要求它基于猫图生成3D版本。

Kimi K2.6 以每秒20+ token速度生成约4000token的3D猫模型，随后我要求“动画化”以测试上下文保持能力。它再次生成4000token（20.5 token/秒），实现了微妙的呼吸动画。Kimi K2.7 的动画更生动但整体相似，多次测试中偶尔出现摇尾等变化。最后进行程序化城市景观挑战：Kimi K2.6 生成基础3D城市（含时间滑块），而 Kimi K2.7 Code 版本显著改进——道路有车辆、夜间效果完善，尽管存在少量量化相关bug。

Canvas 动画测试中，Kimi K2.6 以每秒21.8 token速度生成3500token的HTML文件，呈现带车灯的行驶车辆。虽然存在种子和量化导致的轻微错误，但整体效果精美流畅。

这个bug被山给弄没了。用Kimi K2.7再次测试，它依然没有山的错误。所以这个稍微稳定一点，但也许车抬得有点高。因此两者都存在一些量化损失吧，不过它们本身都很漂亮。这个提示词非常棘手。它要求创建一个高保真的交互式网页，生成不同的行星，甚至还有一个功能可以触发小行星发射。K2.6生成了8,600个token，速度为每秒19.3 token。我们播放一下，这是地球的美丽生成效果。有很多混乱和噪音，水位上下波动。让我们看看撞击会发生什么。

砰！有一个漂亮的小行星动画，甚至我不知你能否听到，实际上还有声音。哇，K2.6非常戏剧化且美丽。现在我们进入K2.7，这是地球的精彩演绎。让我们看看地形。看那个，真不错。那是美丽的时刻。我们可以移动云层密度。看看它对撞击小行星做了什么。我们确实有小行星在这里撞击。也许稍微好一点，或者我们运气好选对了种子。

让我们看看它在应用开发方面表现如何。K2.6生成微软Word克隆版。你得到了一个漂亮的Word基础版本。你可以改变字体大小，可以进行居中对齐，所以它是可用的。那是登录按钮在那里。不知道那会做什么。（笑声）也许它只是一个占位符。你有不同的布局，但这是非常基础的Word版本。这是在禁用思考模式的情况下生成的，显然你不需要挑选所有这些东西并改进所有内容，但让我们看看K2.7在应用开发方面做什么。

也许它看起来更漂亮一些。你也有这个选项卡布局视图。所以，是的，伙计们我必须说右边那个K2.7看起来稍微好一点。相比之下，我们用K2.6生成了5,000个token，用K2.7生成了8,500个token。两者都禁用了思考模式，所以这令人印象深刻。我们现在有一个线索更新。它完成了最大思考模式。它仍在努力工作。

它正在做一个完整的WebGL 2光线步进照片级真实感面部，带有PBR皮肤。期待这个结果如何。接下来，我们将进行Minecraft生成测试。K2.6以每秒20.8 token的速度生成了5,800个token。点击播放。哦，我们屏幕上确实有东西了。让我们开始吧。去吧。就是这样。所以控制键是前后颠倒的，但尽管如此它还是能工作。

我们可以破坏方块，在方块上跳跃，并且它在禁用思考模式的情况下通过单次提示就完成了。所以那一次我们运气不错，因为我看到Minecraft失败很多次了，这个很容易犯很多错误。这一次我认为控制键有点问题。所以我不得不给它第二个提示。我说生成后，玩家掉到地上，向侧面偏移，然后从平面上掉下来。

它说：“是的，是的，兄弟我知道问题所在。”它以每秒21.5 token的速度又生成了4,400个token，并修复了问题。所以现在我们这里有另一个Minecraft版本。这是在禁用思考模式下生成的。一切都正常工作。我们可以改变方块类型。做一个钻石的。看那个，真不错。那都工作正常。

我们可以跳跃，这相当好。除了我们在生成中有一个小转折。所以我让它创建三只黑鸟，无论它做了什么，我随后跟进提示说：“你能把它变成飞机吗？”因为我想知道它是否能处理那个上下文窗口，进行外科手术式修改，把鸟变成飞机。所以点击播放K2.6，我们屏幕上确实有一架飞机。

它有点坏了。必须说它有点坏。我们在生成这里运气不好。管道被改变了，所以变得不可玩了。K2.7生成了5,000个token用于这个，我们仍然有一架飞机。它侧飞了，所以需要修复，但这一版肯定是更可信的生成效果。让我们看看我们能否飞过柱子。哦！我们能做到吗？或者，我失败了。

我对自已说非常华丽的图形，显然它面向了错误的方向，但我们可以提示它自我修复。所以那绝对是那里的改进。好吧，让我们回到Claude的世界。（笑声）我需要升级才能获取这个。这就是为什么我不使用最大思考模式。嘿，我们屏幕上确实有东西了。那很好。我们用完了所有积分。这些眼球有点令人毛骨悚然。

但那是相当好的生成效果。让我们看看使用Kimi Code时如何对比。我们生成了这家伙。当我们复制思考过程时，我们复现了它。用Claude产生了非常早期相似的生成效果。像那个人很吓人，这个人同样吓人，而原本的那个也有角。所以这就是这些先进人工智能如何看待我们。

我想是时候在编码上冷静一下，看看逻辑、数学和其他这类东西是否有回归问题。所以我左边有两个调用，右边也有两个调用。x-ray.com是什么？也许我们应该查一下信息，进行两次调用，从网站获取结果并总结它。所以我们生成了300个token，Kimi K2.6和K2.7都是每秒22 token。

再次回到叛逆大师，它答对了。八个橙子用刀平均分给四个孩子。有些AI模型可能会做点奇怪的事，但幸运的是K2.6和K2.7都给出了正确答案，即每个孩子得到两个橙子。这实际上是有人在我频道留言留下的挑战题。我花了一段时间才弄明白，我对这些术语不太熟悉。

K2.6轻松搞定，解开了谜题并明白了笑话所在。K2.7也明白笑话在哪里，但它认为这是其中一首歌。我不知道它是怎么想的，也许只是随手加进去的。让我们实际看看它在里面思考了什么。如果我能的话我会去查，它认为是芭芭拉·史翠桑的歌，然后自我纠正说是The Calling的《Where Have You Been Going》。

开始觉得代码部分可能只是个营销术语，因为我想那才是赚钱的地方。所有程序员都太懒了不愿自己写代码，所以把它留给AI去做。

它完成得非常出色，所以我并不责怪它们。也许如果你认为 Kimi K2.7 不适合你，因为你不是程序员，但它可能仍然具备那种智能。让我们来看看。“外科医生是男孩的父亲”，这是一个逻辑测试。它实际上进行了大量的推理。你可以看到，它表示减少了思考 token 的数量。

之前 Kimi K2.6 为了弄清楚“外科医生是男孩的父亲”，用了整整 1800 个 token 进行推理。而 Kimi K2.7 只用了 120 个 token，并且在禁用思考模式的情况下，两者都得出了正确答案。终极 AGI 测试：10% 运气，20% 技巧，15%，它知道那是 Fort Minor 的《Remember the Name》。Kimi K2.6，Kimi K2.7 也知道那是《Concentrated Power of Will》。最后，这是你们所有人都想知道的测试，也就是洗车测试。

在禁用思考模式的情况下，它们都说步行是更好的选择，Kimi K2.7 也说步行是更好的选择。所以它们都说了步行是最好的选择。总的来说，我们得到了类似的结果。最后一个要测试的是数学。我有两个数学奥林匹克竞赛题目，它们可能都接受过这方面的训练。让我们看看结果如何。

这道题试图找出所有“酷数字”。确定所有的酷数字。在禁用思考模式并消耗 10,000 个 token 后，它实际上得出了正确答案：2 的 K 次方。完美。而这一题是“所有正整数”。我认为实际上这是错误答案，可能是量化导致的，但情况类似。10,000 个 token，9,000 个 token。所以也许那里存在轻微的退步。或者那只是碰运气，或者是种子的问题。

让我们公平一点。我要进入 Claude 界面，直接问它，看看它是会回答我，还是会试图把它变成一场火灾。我会去问 Claude，但我想我今天已经用完 token 了。不过上次我这样做时，它思考了整整 11 分钟，然后告诉我我又没 token 了。这很好。它说：“经过更深入的分析后得出答案，这是一道已知的竞赛题。”

是的，它是被这些数据训练过的。它只是在回忆而不是自己推导出来。我真的不能再把这个当作测试了。但它仍然很酷，因为它有时会出错。这些模型并不是都能做对。在第二次测试中，“确定所有正数……确定所有实数，使得巴拉巴拉。”我们可以看到它在 Claude K2.6 和 Claude K2.7 上也得出了正确答案，即所有偶数。

所以总体而言，是的，那里有所改进。正如你在所有测试中看到的，我们还做了“我爱脸”的测试。我们实际上生成了一些真实的面孔，所以干得漂亮，太棒了。请告诉我你们的看法。你们用 Claude Sonnet 测试过吗？看看对比如何。也许今天你的硬件跑不动它，但明天随着它们进步并找到所有事物的线性回归方法，也许就能跑了。希望你们觉得这个视频有用，并且享受了这期节目。

[音乐]

我们有一些某种正在杀死大量人类的东西。AI 是这样看我们的吗？