Clipping
·
7 分钟
MiniMax M3 & Kimi K2.7-Code: 两款中国开源前沿编程模型深度调研
MiniMax M3 & Kimi K2.7-Code: 两款中国开源前沿编程模型深度调研
2026 年 6 月第一周至第二周，MiniMax 和 Moonshot AI 先后发布了各自最新的编码/Agent 模型。两者均以开源（Open-Weight）形式发布，在编程和 Agent 能力上对标 GPT-5.5、Claude Opus 4.x 等闭源前沿模型，同时在价格上具有压倒性优势。
一、模型概览对比
| 维度 | MiniMax M3 | Kimi K2.7-Code |
|---|---|---|
| 发布方 | MiniMax（上海） | Moonshot AI（月之暗面，北京） |
| 发布日期 | 2026-06-01 | 2026-06-11 |
| 定位 | 通用前沿 + 编程/Agent | 编程专用 Agent 模型 |
| 架构 | MoE（Mixture of Experts） | MoE（Mixture of Experts） |
| 总参数量 | ~428B | 1T |
| 激活参数量 | ~23B | 32B |
| 上下文长度 | 1M tokens | 256K tokens |
| 注意力机制 | MSA（MiniMax Sparse Attention） | MLA（Multi-head Latent Attention） |
| 多模态 | ✅ 原生（图像/视频/桌面操控） | ✅ 原生（图像/视频，via MoonViT） |
| 视觉编码器 | 内置（原生多模态） | MoonViT（400M 参数） |
| License | open-weight（许可待确认） | Modified MIT License |
| 推理框架 | vLLM, SGLang, Transformers | vLLM, SGLang, KTransformers |
| API 定价 (input/output) | $0.30 / $1.20 per 1M tokens（首发折扣） $0.60 / $2.40（标准价） |
通过 Kimi Code 会员（$19/月起） |
| 对标模型 | GPT-5.5, Claude Opus 4.7/4.8, Gemini 3.1 Pro | GPT-5.5, Claude Opus 4.8 |
二、MiniMax M3 深度解析
2.1 核心创新：MiniMax Sparse Attention (MSA)
M3 最核心的技术突破是 MiniMax Sparse Attention (MSA)，论文已发布在 arXiv:2606.13392。
MSA 工作原理：
- 基于 Grouped Query Attention (GQA) 构建 分块稀疏注意力
- 轻量级 Index Branch 对 KV 块打分，为每个 GQA group 独立选择 Top-k 子集
- Main Branch 仅在选中的块上执行精确的分块稀疏注意力
- 使用 exp-free Top-k 选择和 KV-outer 稀疏注意力来提升张量核心利用率
性能收益（1M context vs M2）：
| 指标 | 提升倍数 |
|---|---|
| 每 token 注意力计算量 | 降低至 1/20 |
| Prefill 速度 | 9× 加速 |
| Decode 速度 | 15× 加速 |
MSA 论文基于 109B 参数模型验证，在大多数能力上与完整注意力机制持平。推理内核已开源：github.com/MiniMax-AI/MSA
2.2 Benchmark 表现
⚠️ 以下为厂商自报数据，部分评测使用内部基础设施和 Claude Code scaffolding。
编程 & Agent 能力：
| Benchmark | MiniMax M3 | 对标说明 |
|---|---|---|
| SWE-Bench Pro | 59.0% | 超过 GPT-5.5 & Gemini 3.1 Pro，接近 Opus 4.7 |
| Terminal-Bench 2.1 | 66.0% | — |
| SWE-fficiency | 34.8% | — |
| KernelBench Hard | 28.8% | NVIDIA Blackwell GPU (sm_120) 评测 |
| MCP Atlas（工具调用） | 74.2% | — |
| BrowseComp（自主浏览） | 83.5 | 超过 Claude Opus 4.7 (79.3) |
| OSWorld-Verified（桌面操控） | 70.06% | 361 样本，Max Steps=200 |
| Claw-Eval | 最高分 | 161 任务，通用任务组 |
| SVG-Bench | — | 超过 Opus 4.7 |
综合智能：
| Benchmark | MiniMax M3 | 对标说明 |
|---|---|---|
| Artificial Analysis Intelligence Index | 55 | 高于 Kimi K2.6 (54)、MiMo-V2.5-Pro (54) |
| HLE (Humanity's Last Exam) | 28% → 37% | 较 M2.7 提升 +9 分 |
| GPQA Diamond | 87% → 93% | 较 M2.7 提升 +6 分 |
| GDPval-AA | ~1670 | 接近 Claude Sonnet 4.6 (1676)，低于 GPT-5.5 (1769) |
| MMMU-Pro（多模态理解） | ~80% | 与 GPT-5.5 (79.9%) 持平 |
| OmniDocBench | — | 超过 Gemini 3.1 Pro |
| VideoMMMU | — | 支持 512 帧，1 FPS |
2.3 亮点案例
MiniMax 公布了三个让 M3 自主完成的长时任务：
- 复现 ICLR 2025 杰出论文：M3 连续运行 ~12 小时，自主产出 18 个 commit 和 23 张实验图表，成功复现核心实验
- 优化 FP8 GEMM 内核：M3 在 H800 上 ~24 小时内完成 147 次 benchmark 提交和 1,959 次工具调用，将 GPU 峰值利用率从 7.6% 提升至 71.3%（9.4× 加速）
- 自主训练数学推理模型：给 M3 四个预训练基座模型，12 小时内自主完成数据合成、训练、评估和迭代全流程，得分 37.1，排第三（仅次于 Opus 4.7 和 GPT-5.5）
2.4 定价与可用性
| 方案 | 价格 |
|---|---|
| API（首发折扣，≤512K context） | $0.30 / $1.20 per 1M input/output tokens |
| API（标准价，≤512K context） | $0.60 / $2.40 per 1M input/output tokens |
| API（512K–1M context） | 标准价翻倍 |
| Token Plan 月费 | $20/月起（约 1.7B M3 tokens） |
对比：Claude Opus 4.7 输入 $5.00/1M tokens，输出 $25.00/1M tokens → M3 便宜 15 倍以上。
- 可用渠道：MiniMax API、MiniMax Code、SiliconFlow、GMI、Novita
- 权重已在 HuggingFace 发布（MiniMaxAI/MiniMax-M3）
三、Kimi K2.7-Code 深度解析
3.1 模型定位与演进
Kimi K2.7-Code 是 Moonshot AI K2 家族的第五次重大发布（2025.07 K2 → 2025.11 K2 Thinking → 2026.01 K2.5 → 2026.04 K2.6 → 2026.06 K2.7-Code），定位为编码专用 Agent 模型，专注于：
- 长时域软件工程任务（long-horizon coding）
- 端到端任务完成（规划 → 编辑 → 工具调用 → 调试）
- Token 效率优化（减少"过度思考"）
3.2 架构详情
| 参数 | 值 |
|---|---|
| 架构 | Mixture-of-Experts (MoE) |
| 总参数量 | 1T |
| 激活参数量 | 32B |
| 层数 | 61（含 1 层 Dense） |
| Attention Hidden Dimension | 7168 |
| MoE Hidden Dimension (per Expert) | 2048 |
| Attention Heads | 64 |
| Expert 数量 | 384 |
| 每 token 选择 Expert 数 | 8 |
| 共享 Expert 数 | 1 |
| 词表大小 | 160K |
| 上下文长度 | 256K |
| 注意力机制 | MLA (Multi-head Latent Attention) |
| 激活函数 | SwiGLU |
| 视觉编码器 | MoonViT（400M 参数） |
| 量化 | 原生 INT4 量化 |
3.3 Benchmark 表现
⚠️ 以下均为厂商自报数据，使用 Kimi Code CLI 评测，尚未有独立第三方验证。
编码能力（vs K2.6 / GPT-5.5 / Opus 4.8）：
| Benchmark | K2.6 | K2.7-Code | GPT-5.5 | Opus 4.8 | K2.7 提升 |
|---|---|---|---|---|---|
| Kimi Code Bench v2 | 50.9 | 62.0 | 69.0 | 67.4 | +21.8% |
| Program Bench | 48.3 | 53.6 | 69.1 | 63.8 | +11.0% |
| MLS Bench Lite | 26.7 | 35.1 | 35.5 | 42.8 | +31.5% |
Agent 能力：
| Benchmark | K2.6 | K2.7-Code | GPT-5.5 | Opus 4.8 | K2.7 提升 |
|---|---|---|---|---|---|
| Kimi Claw 24/7 Bench | 42.9 | 46.9 | 52.8 | 50.4 | +9.3% |
| MCP Atlas（工具调用） | 69.4 | 76.0 | 79.4 | 81.3 | +9.5% |
| MCP Mark Verified | 72.8 | 81.1 | 92.9 | 76.4 | +11.4% |
亮点：K2.7-Code 在 MCP Mark Verified 上 超过 Claude Opus 4.8（81.1 vs 76.4），在 MLS Bench Lite 上接近 GPT-5.5（35.1 vs 35.5）。
3.4 Token 效率优化
K2.7-Code 的核心卖点之一是减少 ~30% 的 reasoning token 使用量（相比 K2.6）。Moonshot AI 将此称为减少"过度思考"（overthinking）。这对实际推理成本有直接影响，尤其在 Agent 工作流中。
3.5 关键特性
- 强制 Thinking 模式：K2.7-Code 默认启用
preserve_thinking，在多轮交互中保留完整推理链 - 交叉思考与多步工具调用：继承 K2 Thinking 的 Interleaved Thinking 设计
- 原生 INT4 量化：与 K2 Thinking 采用相同的原生 INT4 量化方法
- OpenAI/Anthropic 兼容 API：可直接替换 K2.6 接入现有网关
- 推荐参数：temperature=1.0, top_p=0.95
- 配套平台：Kimi Code CLI（https://www.kimi.com/code）
3.6 定价与可用性
- HuggingFace：moonshotai/Kimi-K2.7-Code
- License：Modified MIT License（代码仓库 + 模型权重）
- API：通过 platform.moonshot.ai 访问
- Kimi Code 会员：$19/月起
- 独立 API 定价：发布时尚未公开
- 6x 高速模式：Coming Soon，无具体日期
四、对比分析
4.1 架构哲学差异
| 维度 | MiniMax M3 | Kimi K2.7-Code |
|---|---|---|
| 参数效率 | 428B 总 / 23B 激活（更小更高效） | 1T 总 / 32B 激活（更大容量） |
| 上下文策略 | 1M MSA 稀疏注意力（核心创新） | 256K MLA（成熟架构） |
| 定位 | 通用前沿 + 编程/Agent | 编码专用优化 |
| Token 效率 | MSA 降低长上下文计算成本 | 30% fewer reasoning tokens |
4.2 能力对比
| 能力领域 | 优势方 | 说明 |
|---|---|---|
| 上下文长度 | M3 (1M vs 256K) | 5:1 优势 |
| 编程通用性 | 各有侧重 | M3 更广（SWE-Bench Pro），K2.7 更专 |
| MCP 工具调用 | K2.7-Code | MCP Mark Verified 81.1 > M3 无此项 |
| 浏览器自主操作 | M3 | BrowseComp 83.5，K2.7 未测 |
| 桌面操控 | M3 | OSWorld-Verified 70.06%，K2.7 不支持 |
| 多模态理解 | M3 | 原生多模态训练，VideoMMMU/Video-MME |
| Token 效率 | K2.7-Code | -30% reasoning tokens |
| 性价比 | M3 | $0.30/$1.20 per 1M tokens |
4.3 Benchmark 头对头
两个模型评测的 Benchmark 不完全重叠，仅有 MCP Atlas 可直接对比：
| Benchmark | MiniMax M3 | Kimi K2.7-Code |
|---|---|---|
| MCP Atlas | 74.2% | 76.0% |
注意：M3 的 SWE-Bench Pro (59.0%) 与 K2.6 的 SWE-Bench Pro (58.6%) 接近，但 K2.7-Code 未公布此项。两者使用不同的评测框架和 agent scaffolding，直接对比需谨慎。
4.4 社区与独立验证状态
| 维度 | MiniMax M3 | Kimi K2.7-Code |
|---|---|---|
| 独立验证 | Artificial Analysis 智能指数 55；Design Arena 前 5-11% | 尚无独立基准验证 |
| 社区反馈 | 308 HF likes | 369 HF likes |
| 关注焦点 | 权重是否完全开放、许可证细节 | Benchmark 选择是否偏向内部测试 |
五、关键观察与思考
5.1 中国 AI 开源趋势
- 两款模型均采用 Open-Weight + 低价 API 策略对抗美国闭源模型
- M3 定价仅为 Claude Opus 的 1/15，K2.7-Code 通过会员制大幅降低门槛
- MoE 架构已成为标配（激活参数远小于总参数）
5.2 Agent 能力成为新战场
- 两者都将 Agentic Coding 作为核心竞争力
- MCP（Model Context Protocol）工具调用能力成为标准评测项
- M3 甚至展示了桌面操控（OSWorld）和浏览器自主操作（BrowseComp）能力
5.3 需要关注的风险
- Benchmark 均为厂商自报，独立第三方验证尚不充分
- M3 的 SWE-Bench Pro (59.0%) 虽超过 GPT-5.5，但仍落后于 Opus 4.8 (69.2%)
- K2.7-Code 选择性公布了对比 Benchmark，未提交 DeepSWE 等独立基准
- M3 的 "open-weight" 承诺在发布时（6月1日）权重尚未就绪，已引发社区质疑
5.4 适用场景建议
| 场景 | 推荐模型 |
|---|---|
| 超长上下文（>256K tokens） | MiniMax M3 |
| 多模态任务（图像/视频理解） | MiniMax M3 |
| 日常编码 Agent（已有 K2.6 基础设施） | Kimi K2.7-Code（API 兼容，零迁移成本） |
| MCP 工具调用密集型工作流 | Kimi K2.7-Code |
| 预算敏感的前沿编程 | MiniMax M3 |
| 桌面/浏览器自动化 | MiniMax M3 |