先给结论：有明显进步，但不巨大！
这次测试 K2.7 最大的感受不是能力增强了多少，而是配额根本就到了没法用的地步。
我就做了几个测试，直接把一周的配额干完了。 注意是一周，不是5小时，也不是一天！
我这几天看到的不是令人震惊的结果，而是满屏的429！还有402，最后还看到了403！ 就差一个404~~！
这TM还能干什么？！
好了，抱怨完了，我们就可以理性地来看一些实际的情况。
虽然难受，基本都在等配额恢复，但是经过不懈的努力，还是跑了几套测试的！
都赶在一起更新，脑子都测麻了！
关了一批，又一批。我都分不清谁是谁了！
我们还是从最近在测试的“超级玛丽”入手，这个很经典，大家都看得懂，而且我在 Fable 挂掉之前做了测试，可以作为对比。
我就直接先上对比吧！
这些都是模型手搓JS完成的，没有网上抄，也没有引用现成的包！
好坏大家应该一眼就能看出来，无论是地图，角色，音乐，都是两个级别的。
唯一让人欣慰的是，这次K2.6能跑完全程，走到最后。
然后我来说一下过程和更多测例子！
1、如何使用
Kimi 这次更新的模型是 K2.7 Code。目前应该还没有全量开放，仅针对 Code 套餐订阅者！
官网地址是：
打开之后就会弹出新模型提示。
值得一提的是，Kimi 是有自己的 Code 工具的。前阵子刚完成了重构并开源。最早是 Python 写的，后来改成了主流的 TypeScript 路线。用它们自家的CLI，会更全面一些。
安装方式如下：
Kimi Code 是支持多平台安装的。Windows 下面，注意这是 irm 命令，要打开 PowerShell 进行安装。
完整命令是：
irm https://code.kimi.com/kimi-code/install.ps1 | iex
安装完成之后重启终端，然后输入 kimi 就可以启动了。启动之后记得 /login 进行登录。
登录的时候大概有三个选项，选第一个 Kimi Code 用户登录。
2、超级玛丽
登录成功之后，就可以开始测试了。
完整的题目是这样的：
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。
这个提示词很简单。
但是最后一句话有点东西，聪明的大模型很容易感受到压力，而会使用更长的时间来进行思考。
Kimi整体来说启动还是很快的：
很快就制定了开发计划。
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
.....
而且做完了知道自己先测试一下：
这个逻辑是对的，而且也是当前的模型+智能体进步的一大体现。
这一个步骤，也在实际场景中发挥了作用：
首轮生成，这里有一个明显的bug，太高了，跳不过去。自我修正的时候修正了这个问题。
但是检查太多，会有一个恶果：
很快就用到 rate_limit 了。这个时候 Kimi 初级套餐的配额问题就暴露无疑了。k2.6就已经捉襟见肘了，现在更是雪上加霜。
为了跑这一个例子，我就得等好几个 5 小时，当然还有一些其他例子。但是一个 5 小时配额是绝对不够的。
一波带走：
而且你们发现这个比例没。
一个 5 小时周期占用了 20% 的周用量。也就是说如果我一天不停跑，最多可以干掉 60%，也就是两天干完。其实几天前我已经干了 63% 的周配额，也就是说这三天，我基本干了 163% 的周配额。
而我只是做了几个页面测试而已，根本没做什么项目开发。
这配额是“又短又快”，不是真男人！
经过几轮的等待，终于验证成功了。
总结报告如下：
整个执行过程还是花费了很多Tokens和时间的，相比k2.6嘛表现也稳了很多。
我可以让你们看一下K2.6的结果：
这是在Claude Code里跑的，完全没法用，连主角都没有。
然后在KimiCode里面跑的结果：
这个有人，可以滑动，但是无法跳跃，所以活不过一屏。详见这一篇《Kimi版超级玛丽效果“惊人”，配额不足5厘米！》
下面就是K2.7的效果：
虽然还有有点抽象，但是至少能玩了！
从这个例子，还是等看出比较明显的进步的。
9个前端例子
大家都说国内 Kimi 的前端是比较强的，而且我也是赞同的。
所以非常有必要来测一波。这 9 个例子，一般有新模型出来，我都会测一测，找找感觉。所有大模型训练数据最丰富的就是前端了，所以这一关必须先过。
为了偷懒，我都是把 9 个例子整理成一个文档，然后直接让它读取文档，依次完成。
我还特别强调了其中一个例子不要做，这一点基本的模型都可以识别出来。
而且我们也可以再次看到它的验证机制：
做完之后，先做了一波验证。
不过这一次的验证整体来说还是比较敷衍的。
可能我想偷懒，它也想偷懒。
当一次性给的问题很多，它就是随便做一下，既没有消耗太多 Tokens，也没有消耗太多时间。
结果嘛，也是参差不齐！
比如让它做个 3D 太阳系，它的结果是这样：
注意我的需求是这样的：
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）
---
它这个结果明显是很离谱，就一个粗糙的橘黄色球和一个圈。如果打分的话只能给个 10 分，百分制。
整体来说还是有点蠢。我明明叫它一次一个，慢慢做。它刷刷刷就糊弄完了。
这样肯定不行的。它犯蠢，就只能我费力了。
所以，无论是人还是模型，不能偷懒，该做的还是得好好做。
我只能一个一个复制粘贴来测试了。
果然，一个一个测试好了很多。但是429又来了。
Kimi 这个小屁孩是真的没长大的秒男。
天知道，我等了多少个轮回，等待是这个世界上最痛苦的事情。我一度想放弃测试了。就为了这 0.1+ 的版本，浪费我一个周末，太不合算了。
但是开弓没有回头箭。时间成本已经进去了，怎么都得硬着头皮往后走。
然后又遇到了 402，哈哈哈哈！
笑死个人啊！
我其实已经退订了，而结束日期刚好在我测试的间隙。如果再晚一天，我就可以测完了，现在只能再花 49 续一个月了。
单独测试之后，效果好多了。
单独测试主要是提高了下限，但是上限并不会因此改变。没有太突出的地方！
就五子棋这个例子，UI + 智商双双在线！好评！
我们最近测过一个例子，Fable 表现惊人。作为对比，也贴一下 Kimi K2.7 的表现。
还是太抽象了，完全看不到具体的细节！
Opus4.8 就能秒了它：
最要命的还是配额，最后把周配额消耗完了，还是没有把这些例子全部跑完。
批量跑偷懒严重，分开跑，消耗巨大！
对了，中途我还让它跑了一个坦克大战，结果有点抽象：
作为对比，我贴一张 Fable 5的效果图：
这TM才叫复刻啊！
所有的测试例子我都放在：topai.jarvisuni.com/
因为我的配额已经耗尽，我就无法深入测试了。最后给大家贴一张基准图吧
基准是不靠谱的，尤其是国产模型的基准图。刷分刷榜是一个很简单的事情。但是从这个图的整体比例，可以看出一些端倪。
首先是 K2.7 相比 K2.6有明显进步，是可以感知的进步。
但是还不够，因为即便是在它自己做的这个最拿得出手的几个基准中，也远不如 GPT 和 Claude！这里面还有好多重要的基准是完全没有贴出来的，为什么不贴，大家可以合理推测一下。
我自己测试的整体感觉也是，相比之前的版本能力上肯定有提升，但是不大，重点是工程能力上的优化。也就是说会更加实用和好用。 这个自我升级，是应该肯定的。但是放眼整个大模型市场，它肯定不是最优秀的存在。国内 GLM5.2 要比它全面和强大不少，国外的 Claude 基本上能秒它。
最要命的是，我用 Claude Pro（最低档）配最变态最贵的 Fable，5 小时配额也能跑 1.5 轮测试，每轮结果非常好。而周配额是 5 小时配额的 10 倍，Kimi 只有 5 倍。现在已经不是比效果了，比配额都比不过了。
如果你们觉得我的描述还不够直观，我给你们看个图表。
这是 Kimi 差不多 1.5 个星期的量：
我要补充一下，为什么最近七天，能到 1.5 个星期的量。
因为它中间重置了一次，我三天前用了 63%，这两天又用了 100%！
算上缓存总共也就 19.5 M 左右。扣掉缓存，输入 + 输出 1 M 都不到，我真的是有点难以想象，怎么会这么少。
再来对比一下 Claude：
刚好 Claude 也重置了一次，我用了也差不多 1.5 周的样子。它的 tokens 有 176 M！
当然最近七天还不算什么：
最近 30 天我用掉了 14 亿！
Claude 套餐其实“性价比”非常高，性能拉满，价格也才一百多一点，最近 30 天用掉了 14 亿，中途还停了两个星期。主要是出的东西好啊，不用反复调整，不犯低级错误！
所以，作为一个正常人类，我有了 Claude、GPT、Gemini、GLM5.2 的订阅，DeepSeek 随用随取的情况下，我没理由选 Kimi 2.7。图它什么，图它能力一般，消耗又快么？
当然，如果你用不上国外模型，GLM 抢不到的情况下，Kimi 2.7 也是一个不错的选择，毕竟在国内真的能有点用处的模型也不是太多。我会比较推荐智谱 GLM、Kimi、DeepSeek 这三家，它们各有各的优点。
