Kimi Work Update is INSANE (FREE!)

Kimi K2.7 Code 模型发布与背景

Kimi 是由月之暗面（Moonshot AI）开发的 AI 工具，近期发布了全新的编程模型 Kimi K2.7 Code。该模型于 2026年6月12日 正式发布，其核心亮点在于 完全开源，权重公开，任何用户均可获取使用。这款模型专为复杂的编程任务设计，特别是那些需要多步骤规划、编写代码、运行测试、查找错误并修复的长周期工作流。模型参数量达到 1万亿（1T），但采用了稀疏激活技术，每次仅激活部分参数，从而在保证性能的同时维持高效运行。月之暗面声称，相比上一代模型，该模型在自有测试中得分更高，且 推理成本降低了约 30%。

"It's a 1T parameter model, but only a small slice fires on each step, so it stays efficient."

需要注意的是，上述性能提升数据主要来源于月之暗面内部的测试结果，并非来自独立的第三方基准测试，因此读者应将其视为参考起点而非绝对真理。这一发布的时机尤为关键，因为美国政府在 2026年6月12日 发布了出口管制指令，导致 Anthropic 旗下的两款强力模型 Claude Fable 5 和 Mythos 5 被禁用。在此背景下，Kimi K2.7 Code 作为强大的开源替代方案，为开发者提供了重要的备份选择。

实测案例：构建虚拟世界

为了验证 Kimi K2.7 Code 的实际能力，博主在 Agent OS 环境中进行了多项测试。第一个测试是要求 Kimi 构建一个类似《上古卷轴》（Skyrim）风格的 3D 虚拟世界，命名为 Dragon Realm。令人惊讶的是，Kimi 在没有额外特殊指令的情况下，直接生成了一个完整的 3D 空间。用户可以在其中自由移动、探索，并体验内置的小型游戏。这一成果展示了模型在 长程复杂任务规划 方面的潜力，能够从零开始搭建复杂的交互环境。

"I called it the Dragon Realm and when I opened it up, I could actually move through this virtual world, walk around it, play little games inside it."

尽管这是一个初步尝试，但生成的内容已经相当丰富，包括一个 龙赛车游戏、一个 合成波风格（Synthwave）的横幅 以及一个带有 轨道行星的星系。博主指出，如果为模型提供更专业的游戏构建技能包，其表现可能会更加出色。这一案例证明了 Kimi K2.7 Code 在处理 创造性编程 和 多模块整合 方面的强大能力，远超简单的代码片段生成。

核心更新：Goal Mode 机制解析

视频重点介绍了 Kimi 的新功能 Goal Mode（目标模式）。与传统提示词要求 AI 执行下一步不同，Goal Mode 允许用户设定一个 最终目标，让 AI 自主规划并执行直到目标达成。用户只需输入 /goal 并描述目标，例如“修复所有失败的结账测试并运行套件直到通过”。AI 会在每一步后自我检查：目标是否完成？是否卡住？是否仍在进行中？ 直到得出肯定答案才停止。

"A normal prompt tells the agent what to do next. A goal tells the agent what must become true."

博主强调，设计高效目标的关键在于明确 终点（Finish Line） 和 验证标准（Proof）。例如，与其模糊地说“找出所有错误”，不如说“修复所有标记为结账的错误，为每个修复添加测试，并运行测试套件”。此外，用户可以在任务运行期间通过命令 暂停、恢复、取消 或 切换目标。使用 /goal next 还可以 排队后续目标，实现任务的自动化流转。这种机制特别适合处理 可验证、可检查 的长期任务，如文件处理、测试运行和报告生成。

应用场景与局限性

月之暗面对 Goal Mode 的局限性持诚实态度。该功能最适合处理 结果可明确验证 的工作，例如代码测试、文件操作和命令输出检查。它并不适合 一次性的小编辑 或 模糊不清的宏大任务。如果目标过于庞大且缺乏明确标准，AI 可能会运行很长时间，最终交付的结果可能出乎意料。因此，博主建议用户将目标指向 清晰、可检查 的工作流。

"Goal mode is great for work you can actually check. Files, tests, command output, a clear report."

为了展示这一功能在实际工作流中的应用，博主介绍了其内部的 30天路线图。这是一个分步骤的计划，从安装到运行长程任务，每天的任务都建立在前一天的基础上，确保用户不会迷失方向。这种结构化的学习路径与 Goal Mode 的自主执行特性相辅相成，帮助用户逐步掌握 AI 代理的高级用法。

性能测试与多模型对比

在性能测试方面，博主使用 Hermes 工具对比了 Kimi K2.7 Code 与其他模型。Hermes 允许为不同模型设置独立配置文件，从而并行聊天并保留各自的历史记录。博主测试了 Kimi 的响应速度，当询问“你在吗？”时，Kimi 在 约 7 秒 内返回了结果。虽然并非即时响应，但对于如此强大的模型而言，7 秒的延迟在 实际工作场景中完全可接受。

此外，博主还将 Kimi 与 ChatGPT 图像模型 集成，通过 API 调用，使 Kimi 能够生成图像。这一组合不仅构建了游戏，还生成了 基于 Web 的鼓组工作室 等创意项目。这表明 Kimi 在处理 多模态任务（代码+图像）时具有极高的灵活性，能够作为 Claude 的有力替代品。

工作流优化与社区资源

为了确保持续的工作效率，博主建议在 Agent OS 中设置 记忆库（Memory Vault），使用 Obsidian 保存所有项目。这样，用户可以随时回顾之前的构建内容，并无缝接续工作，避免信息丢失。对于初学者，博主提供了四条关键建议：从小处着手（如修复一组测试）、明确终点、善用暂停/状态命令 以及 保存工作到记忆库。

"The agent does its best work when it knows exactly what done looks like."

博主还推广了其付费社区 AI Profit Boardroom，提供完整的 Agent OS 安装包（ZIP文件）、Kimi 插件、记忆库设置以及 实时辅导课程。用户可以在社区中解决如“Goal Mode 阻塞”等具体问题。此外，AI Success Lab 提供了超过 100 个 AI 用例和 SOP，适合希望系统化学习 AI 应用的群体。博主坦诚指出，用户在初次使用 Goal Mode 时可能会遇到目标模糊或权限设置问题，这是正常现象，而社区资源旨在帮助用户快速跨越这些障碍。