Kimi K2.7深度体验：能力小幅进步，配额崩塌让我毅然退订
先上结论：确实有进步，但谈不上革命性突破。
这轮测试 K2.7，最大的感受不是它的代码能力飙升了多少，而是配额根本撑不起哪怕几轮简单的验证。
**只是随手做了几个页面级测试，就一口气耗光了一整周的额度。**注意是一整周，不是 5 小时，更不是一天。
这几天映入眼帘的不是令人惊艳的生成结果，而是满屏刺眼的 429！紧接着 402 也来凑热闹，最后连 403 都闪了出来。 就差一个 404 就把 HTTP 错误码凑齐~~！
这还怎么玩？!
抱怨先打住，我们来冷静地看一些实际的情况。
虽然过程中绝大部分时间都在苦等配额恢复，但在有限的窗口里还是拼出了几套完整的测试。
各家模型扎堆更新，脑子都快被跑测试跑麻了。
关掉一批，又新开一批，快分不清谁是谁了。
还是先从大家都很熟悉的“超级玛丽”切入。这个场景足够经典，任何人都能一眼判断品质，并且我在 Fable 下线前也做过同样的对比测试，刚好拿来对账。
直接上对比。
（此处视频播放器相关内容已略去）
这些都是模型手搓 JS 完成的，没有从网上直接复制，也没有调用现成库。
好坏一眼就能辨别。无论是地图设计、角色表现，还是背景音乐，都不在一个层级。
唯一让人欣慰的是，这次 K2.7 至少能让角色一路跑到关底，而不会像之前那样在第一屏就卡死。
接下来详细拆解过程，并展示更多测试用例。
一、模型入口与使用方式
Kimi 本次更新的模型代号是 K2.7 Code，目前还未全量开放，仅向 Code 套餐用户推送。
官网地址：
打开后就会弹出新模型提示。
值得留意的是，Kimi 自己有一套 Code 工具，前不久刚刚完成重构并开源。最早是 Python 写的，后来切换到了更主流的 TypeScript 路线。配合自家 CLI，体验会更完整。
安装方式如下：
Kimi Code 支持多平台安装。在 Windows 下注意要用 irm 命令，打开 PowerShell 执行。
完整命令是：
irm https://code.kimi.com/kimi-code/install.ps1 | iex
安装后重启终端，输入 kimi 即可启动。启动后记得执行 /login 登录。
登录时大概有三个选项，选第一个“Kimi Code 用户登录”。
二、超级玛丽实战
登录成功后，立刻开测。
完整题目如下：
帮我写一个网页版的超级玛丽吧！玩法和界面可以参考经典版！ 要能够玩通第一关，没有明显 bug。如果你不理解这个游戏规则，可以先检索一下。如果你已经知道了，就直接开干。
你只有一次机会。希望你能好好把握。
提示词本身很直白，但最后那句“只有一次机会”会给聪明的模型带去一点压迫感，让它更愿意投入更长的思考时间。
Kimi 整体启动速度还不错：
很快就推出了开发计划：
创建项目基础文件（HTML/CSS/JS）
实现游戏核心引擎（物理、碰撞、相机）
设计并实现第一关地图
实现马里奥、敌人、道具、方块交互
实现通关判定和 UI
.....
而且，它做完后还知道先自己跑一遍验证：
这个逻辑是对的，也是当前模型+智能体进步的明显标志之一。
这一步在实际场景中确实起了作用：
首轮生成有个非常明显的 bug，某个平台太高，角色根本跳不过去。自我修正阶段就把这个问题改掉了。
但验证太多也会带来一个直接恶果：
很快就触发了 rate_limit。这时 Kimi 初级套餐的配额短板就完全暴露了。K2.6 时代已经非常吃紧，现在更是雪上加霜。
只是为了跑通这一个例子，就不得不等待好几个 5 小时周期，中间还夹杂着其他测试。但即使这样，一个 5 小时周期的配额也远远不够。
一次对话就带走大量额度：
注意这个占比：一个 5 小时周期直接干掉了 20% 的周配额。换句话说，如果一天持续不停地跑，最多就能吃掉 60%，也就是两天就能把一周的量全部烧干净。而实际上，几天前我的周配额已经用了 63%，这意味着这三天里，相当于消耗了 163% 的周配额。
我仅仅做了几个页面测试，根本没有进行任何实际项目开发。
这配额简直又短又快，完全撑不起高强度使用。
经过好几轮等待，验证总算成功。
总结报告如下：
整个执行过程确实烧掉了很多 Tokens 和时间，但相比 K2.6，稳定性明显提升了一截。
来看看 K2.6 的表现：
这是在 Claude Code 里跑的，完全没法用，连主角都没有出现。
接着在 KimiCode 里跑的结果：
这次有角色，能左右移动，但完全不能跳跃，所以一屏都活不过去。详情可以看这篇《Kimi版超级玛丽效果“惊人”，配额不足5厘米！》。
最后是 K2.7 的成品：
虽然画面还有些抽象，但好歹能完整地玩了。
从这个例子能明显看出，相比 K2.6，K2.7 的确有了可感知的进步。
三、9 个前端用例的考验
大家都说 Kimi 在国内的前端能力算第一梯队，这一点我基本认同。
所以这 9 个经典前端例子，每次有新模型我都会拉出来跑一遍。前端是所有大模型训练数据最密集的领域，所以这一关必须过。
为了省点事，我把 9 个需求整理成一个文档，让它读文档依次完成。
我还特别强调其中一个例子跳过，这种基础指令大部分模型都能识别。
并且再次看到了它的验证动作：
生成完之后，它很快做了一轮验证，但整体非常敷衍。
我想偷懒，它也想偷懒。
一次性塞给它大量任务时，它只是随便应付一下，既没消耗太多 Token，也没花多少思考时间。
结果自然参差不齐。
比如让做一个 3D 太阳系，成品如下：
而我的需求是这样的：
用一个 HTML 文件实现一个交互式 3D 太阳系模型（可用 Three.js 或纯 CSS 3D），
要求：
- 包含太阳 + 八大行星 + 月球，按真实比例缩放轨道（大小可艺术化处理）
- 每颗行星有真实的自转和公转，速度比例接近真实
- 太阳发光（glow 效果），行星有各自的颜色/纹理
- 土星要有光环！
- 鼠标可以拖拽旋转视角，滚轮缩放
- 点击任意行星弹出信息卡片（名称、直径、距太阳距离、有趣冷知识）
- 背景是星空粒子
**关键技术点：**
- 3D 渲染能力（Three.js 或 CSS 3D transforms）
- 天文物理知识（轨道比例、公转自转速度）
- 鼠标/触摸交互（拖拽旋转、缩放）
- UI 信息卡片设计
- 粒子系统（星空背景）
---
它交出来的东西完全离谱，只有一个粗糙的橘黄色球体和一个圈。如果按百分制，最多给 10 分。
整体上还是不够聪明。我明明告诉它一个一个慢慢做，它却刷刷刷糊弄完了。
这样肯定不行。它耍小聪明，就只能我来费时费力。
果然，逐条粘贴、单独跑一遍，效果好了很多。但 429 立刻又来了。
Kimi 这配额管理就像没长大的秒男，完全扛不住稍微认真一点的测试。
我已经记不清到底等了几个轮回，等待真的是这个世界上最折磨人的事。有一瞬间真的想直接放弃——为了这 0.1+ 的版本升级，耗掉一整个周末，实在太不值。
但开弓没有回头箭，时间成本已经扔进去了，只能硬扛着继续。
然后又撞上了 402，哈哈哈！
真是又哭又笑。我其实已经退订了，而结束日期刚好卡在测试间隙。如果再晚一天，就能全部测完，现在只能再付 49 块续一个月。
逐条单独测试后，效果明显好转。
单独测试主要提高了下限，但模型的能力上限并未因此改变。没有哪个点特别惊艳。
不过五子棋这个例子，UI 和棋力双双在线，值得好评！
我们之前测过一个复刻老游戏的任务，Fable 表现极其亮眼。作为对比，贴一下 Kimi K2.7 的产出。
模型输出非常抽象，完全看不出任何细节。
而 Opus 4.8 可以轻松碾压它：
最致命的还是配额。最终周配额全部耗尽，这些例子依旧没有全部跑完。
批量跑敷衍了事，分开跑配额瞬间见底。两头堵。
另外，中途我还让它生成一个坦克大战，结果同样非常抽象：
作为对比，贴上 Fable 5 的还原效果：
这才叫真正意义上的复刻！
所有测试例子我都已经发布到：
http://topai.jarvisuni.com/
但我的配额已彻底耗尽，无法再做深入测试。137 小时后才能“复活”。
最后再贴一张基准图：
基准数据向来不能尽信，尤其是国产模型的榜单。刷分刷榜不是什么难事，但从这张图的相对比例中，还是能看出一些端倪。
首先，K2.7 对比 K2.6 确实有进步，而且是能感知到的进步。
但这点进步还远远不够。因为即使是在它最拿得出手的几个基准里，仍然远不如 GPT 和 Claude。更别提还有很多核心基准根本没贴出来，为什么不贴，大家完全可以合理推测。
我自己的综合感受也比较一致：能力相比之前肯定提升了，但幅度不大，**更多是工程层面的优化，也就是变得更实用、更顺手了。**这个自我升级值得肯定，但放眼整个大模型市场，它显然不是最顶尖的那一个。国内 GLM5.2 比它更全面也更强大，国外的 Claude 则几乎能全面碾压它。
更要命的是，我用的是 Claude Pro（最低档位），配上最昂贵最凶狠的 Fable，一个 5 小时配额也可以跑完 1.5 轮测试，且每次结果质量都很高。而周配额是 5 小时配额的 10 倍，Kimi 只有 5 倍。现在已经不是在比效果了，连配额都比不过。
如果觉得我的描述还不够直观，直接看图表。
这是 Kimi 大概 1.5 周的用量：
我需要补充一下，为什么最近七天能消耗到 1.5 周的量。
因为中间重置过一次配额。三天前用了 63%，这两天又用掉了 100%。
算上缓存在内，总共也才 19.5M 左右。扣掉缓存，真正的输入+输出还不到 1M。我实在难以想象，这个用量怎么会这么少。
再对比 Claude：
刚好 Claude 也重置了一次，我同样用了差不多 1.5 周的量。但它的 tokens 达到了 176M。
当然，最近七天还不算什么：
最近 30 天，我已经用掉了 14 亿 tokens！
Claude 的套餐其实“性价比”非常高，性能拉满，价格也才一百出头，最近 30 天用掉 14 亿，中途还停了两个星期。关键是出的东西质量高，几乎不用反复调整，几乎不犯低级错误。
所以，作为一个正常用户，同时订阅着 Claude、GPT、Gemini、GLM5.2，DeepSeek 随用随取，我完全找不到理由选择 Kimi 2.7。图它什么呢？图它能力平平，消耗飞快么？
当然，如果暂时用不了国外模型，GLM 又抢不到的时候，Kimi 2.7 依然是一个值得考虑的选项，毕竟在国内真正能起作用的模型也并不多。我个人会比较推荐智谱 GLM、Kimi、DeepSeek 这三家，它们各有各的长处。