K2.7 Code
PulseAugur coverage of K2.7 Code — every cluster mentioning K2.7 Code across labs, papers, and developer communities, ranked by signal.
- 2026-06-13 product_launch Fireworks AI launched the K2.7 Code model, available on their serverless platform and API. 来源
3 天有情绪数据
-
DeepSeek 弃用 V4-Pro 模型，转向更快、更便宜的 V4.1-Flash 变体 · 跟踪 3 个来源
DeepSeek 正在弃用其旗舰模型 DeepSeek V4-Pro，并将所有请求重定向到其 V4.1-Flash 变体。此决定是在内部和外部测试之后做出的，这些测试表明 V4.1-Flash 在能力、成本和速度方面优于 V4-Pro，甚至在 Terminal-Bench 2.1 等基准测试中超越了 Claude Opus 5 和 GPT 5.6 "Sol" 等模型。然而，V4.1-Flash 模型在事实问答方面表现出回归，Simpl…
-
Moonshot推出Kimi K3，拥有2.8万亿参数和100万上下文窗口
Moonshot 推出了其 Kimi K3 模型，这是一个拥有 2.8 万亿参数的混合专家模型，上下文窗口超过 100 万个 token。该模型采用了新的 Kimi Delta Attention 机制，结合了线性注意力和全注意力层以提高效率。虽然 Moonshot 发布了令人印象深刻的演示和供应商运行的基准测试，但文章强调了区分这些与客观可验证的结构事实和独立的第三方信号的重要性。
-
开发者使用 OpenRouter 聚合器导致 Kimi 模型 API 费用激增
一位开发者在构建编码助手时发现，使用 Moonshot AI 的 Kimi 模型聚合器 OpenRouter 导致 API 费用出乎意料地高。虽然通过单个 API 密钥方便地访问 Kimi K2.5、K2.6 和 K2.7 Code 等多个模型，但聚合器掩盖了按 token 计价的成本，这比预期的要昂贵，特别是对于涉及大量输入和输出的代码审查任务。开发者发现，在不同的聚合器平台上，相同的 Kimi 模型定价各不相同，最终构建了一个中间…
-
Fireworks AI 发布 K2.7 Code 模型，实现高效的代理编码
Fireworks AI 推出了其 K2.7 Code 模型，这是其 K2 系列编码模型的又一进展，现已在其 serverless 平台和 API 上可用。该新模型旨在减少长代理循环中的推理 token 使用量，从而加快生成速度并降低每项已完成任务的成本。K2.7 Code 通过产生的推理 token 比其前身 K2.6 少约 30%，同时提高了编码基准测试的性能。
-
Moonshot 的 Kimi K2.7 Code 在 Fireworks 上线，增强了智能体效率
Fireworks AI 将支持 Moonshot 的 Kimi K2.7 Code，这是一款专为智能体任务设计的新型代码模型。该模型拥有 1T 参数架构，每个 token 有 32B 活跃参数，上下文窗口为 256K，与前代模型相比，推理 token 使用量减少了 30%，同时在代码基准测试中取得了更高的分数，显示出更高的效率。该公司强调，这种 token 效率对于智能体工作流至关重要，因为在推理链中重复使用 token 会迅速增加成本。