6月12日，北京月之暗面科技有限公司（以下簡稱“月之暗面”）發布并開源Kimi K2.7 Code編程模型，參數量達1.1萬億，提供256K上下文窗口。這一模型重點提升了長上下文編程場景的指令遵循能力、長程編程任務的性能表現，并且大幅改善了在長程任務中的過度思考傾向，平均token消耗減少30%。

月之暗面公布的基準測試結果顯示，K2.7 Code在多項編程和智能體（Agent）基準測試中較K2.6實現大幅度提升，提升比例從10%到31.5%不等。

Kimi K2.7 Code的發布，是這家創新企業在通用人工智能（AGI）賽道上的又一次技術迭代。創立3年多來，月之暗面已經發布多款通用人工智能模型及版本，推動人工智能向深度實用化演進。目前，月之暗面已成為北京數智產業極具代表性的企業，也是我國最受關注的通用人工智能企業之一。

專注基礎模型優化

Kimi K2.7 Code編程模型的基礎版，是2025年上線的萬億參數基礎模型Kimi K2。值得注意的是，Kimi K2模型參數總規模雖達萬億級別，但通過工程架構優化，其激活參數僅為320億。這種設計意味著模型能夠在較低的算力成本下，開展更加復雜的計算與推理工作。

低成本與高效率這對看似矛盾的目標是如何同時達成的？月之暗面的答案是“從底層技術找突破點”。

月之暗面總部位于北京市海淀區知春路。2023年4月，在生成式人工智能技術引發全球科技變革的背景下，擁有10年自然語言處理（NLP）研發經驗的楊植麟與團隊成員一同創辦了這家企業。

“公司目前擁有約300人的科研與工程團隊，其中‘90后’員工占據了一大半。”月之暗面人力資源部門負責人告訴記者。

在這個精干的集體中，算法和基礎設施領域研發人員的專業方向涵蓋了自然語言處理、計算機視覺、強化學習、高性能計算等多個交叉學科。團隊成員不僅參與過國際主流深度學習框架的開發，更在超大規模計算集群的運維和性能優化方面積累了豐富的工程經驗。

這群年輕的科研人員普遍奉行“用時間換空間，用積累換突破”的研發哲學。在大模型行業初期熱衷于拼參數規模、急于搶發過渡性案例的風潮中，團隊選擇保持戰略定力，將主要精力傾注于基礎模型的底層架構優化。

這種對底層技術創新的執著，體現在對“無損長文本”技術的攻堅上。2023年10月，Kimi智能助手首發上線，“長文本處理”成為其核心標簽。

月之暗面Kimi研究員杜羽倫將長文本能力形象地比作計算機的“內存”：“內存越大，大模型能同時處理和理解的信息就越多，能做的事情自然就越復雜。”在當時的技術路徑中，團隊拒絕了眾多業內常見的“技術捷徑”，堅持對底層數據進行嚴格的無損壓縮。

市場的客觀數據驗證了這種底層創新的價值。在公司創辦一年后的2024年，Kimi的用戶量便實現了百倍的增長，從最初的幾十萬躍升至幾千萬。用戶群體的迅猛發展，為企業后續推出Kimi開放平臺、瀏覽器助手以及深度研究模型提供了充足的空間。

技術譜系加速迭代

注重底層技術，既是月之暗面的初心，也是企業在發展歷程中做出的動態選擇。回顧Kimi核心基座模型的研發歷程，2025年是企業關鍵的戰略調整期。

2025年，面對大模型行業激烈的流量競爭以及用戶增長放緩的壓力，楊植麟作出決策——縮減大規模市場投流，回歸通用基座模型的研發。

這一決策在研發團隊內部引發了共鳴。“我們并沒有急于將強化學習進行到底，而是選擇回到第一性原理，先把基座模型做好。”杜羽倫介紹，團隊保持定力，拒絕了搶發過渡性模型的誘惑，重點攻克超大規模智算集群的運維與架構優化。

2025年7月，這一布局結出碩果——月之暗面正式開源發布了全新基座模型Kimi K2。該模型采用混合專家（MoE）架構，在工程上實現了能效平衡。Kimi K2發布后，迅速引發了國際開源社區的關注。

此后，K2技術譜系的迭代速度明顯加快。今年1月初，團隊推出并開源了K2.5模型，主打代碼及視覺理解；4月發布的K2.6版本，擴容Agent集群能力，該模型登頂開源模型第一；6月發布的K2.7新版本，強化長代碼工程與多工具Agent能力。

楊植麟表示，團隊將在做好風險控制的前提下持續突破，希望能在未來十年、二十年內，持續推出有競爭力的模型。“如進展順利，K3系列模型可能在今年暑期就會上線。”楊植麟透露。

楊植麟曾將AI研發比作攀登一座“無限的山”。正是這種對底層技術研發的堅持，為多模態演進和長程任務執行積累了核心技術儲備。

營造共享開源生態

與眾多企業致力于針對特定垂直行業開發定制化軟件、培養“超級員工”的思路不同，月之暗面自創立之初，其研發重心就錨定通用泛化能力。

“通用技術更復雜，有更多瓶頸，是一條更難走的路。”楊植麟坦言。

在團隊的構想中，未來的大模型應當具備跨領域的自適應學習能力，即模型在某一特定場景中學會新技能后，能夠將沉淀下來的邏輯與知識自主反哺到其他核心能力上，從而走向真正的全能與通用。

與采取封閉策略的部分技術路線不同，月之暗面選擇將研發成果開源。團隊研發人員表示，此舉旨在降低廣大開發者和中小企業調用高質量AI能力的門檻，讓開源生態中的每一個獨立個體都能享受技術紅利，共同推進應用層面的創新。

這一共享舉措的背后，源自企業對通用人工智能長遠發展圖景的思考。

在楊植麟看來，一個模型最終如何使用不應當僅僅由單一的科技公司來定義，因為每個個體、每個企業都有其獨特的應用偏好與場景需求。“每個人都應該有個性化定制的機會。”

未來，月之暗面將持續尋找將計算能源轉化為高質量通用智能的最優解，致力于實現“把代碼變成人人可用的工具”的愿景。同時，在產品側，企業將更強調“與用戶共創智能”的理念。

讓尖端技術褪去神秘面紗，打破“千人一面”的智能化技術壁壘，讓每一位普通人都能擁有專屬、全能且普惠的通用智能助手。這既是這家誕生于中關村的年輕企業攻堅AI前沿的初心，也是鼓舞其在探索人工智能極限的征途中持續前行的信念。