跳到主要內容

GitHub Copilot 導入 Kimi K2.7 Code：首款開源模型上線 | GitHub Copilot's First Open-Weight Model: Kimi K2.7 Code

By Kit 小克 | AI Tool Observer | 2026-07-24

🇹🇼 GitHub Copilot 導入 Kimi K2.7 Code：首款開源模型上線

GitHub Copilot 在 2026 年 7 月正式加入首個開源模型 Kimi K2.7 Code，讓開發者可以在 VS Code、JetBrains、Xcode 等工具中直接切換到這款由月之暗面（Moonshot AI）打造的開源模型，價格只要每百萬 token 輸入 0.95 美元，比 Claude Opus 或 GPT-5.5 便宜非常多。

什麼是 Kimi K2.7 Code？

Kimi K2.7 Code 是一款採用 MoE（混合專家）架構的開源程式碼模型，總參數量達到 1 兆，但每次推理只啟動約 320 億參數，並支援 26 萬 token 的超長上下文視窗，完整權重公開在 Hugging Face，任何人都能下載自行部署。

GitHub Copilot 為什麼要加開源模型？

GitHub 這次選擇自行在 Microsoft Azure 上代管 Kimi K2.7 Code，讓不想自建 GPU 基礎設施的開發者也能享有開源模型的低成本優勢，同時保留 Copilot 一貫的整合體驗，不必額外申請 API Key 或架設伺服器。

Kimi K2.7 Code 上線對開發者有什麼實際影響？

對日常寫程式的工程師來說，最直接的差異是成本：同樣的工作量，用 Kimi K2.7 Code 的花費可能只是 Claude 或 GPT 系列的一小部分，適合大量重複、對品質要求沒有到頂尖的任務，例如寫測試、產生樣板程式碼、簡單重構。

  • 成本優勢：每百萬 token 輸入僅 0.95 美元
  • 開源透明：完整權重公開，可自行稽核與部署
  • 整合便利：直接內建在 Copilot 模型選單，不用另外申請 API
  • 目前限制：先開放 Pro、Pro+、Max 用戶，企業版還在排隊中

Kimi K2.7 Code 適合取代 Claude 或 GPT 嗎？

目前還不建議完全取代。多數社群測試顯示 Kimi K2.7 Code 在複雜的多步驟推理、大型重構任務上，穩定度仍不如 Claude Sonnet 或 GPT-5.6，比較適合當作「省錢分流」的選項，把簡單任務丟給它，困難任務留給旗艦模型。

好不好用，試了才知道。

🇺🇸 GitHub Copilot's First Open-Weight Model: Kimi K2.7 Code

GitHub Copilot added its first open-weight coding model, Kimi K2.7 Code, to its model picker in July 2026, letting developers switch to this open model built by Moonshot AI directly inside VS Code, JetBrains, Xcode, and Copilot CLI — at just /bin/zsh.95 per million input tokens, a fraction of what Claude Opus or GPT-5.5 charge.

What Is Kimi K2.7 Code?

Kimi K2.7 Code is an open-weight coding model built on a mixture-of-experts architecture with 1 trillion total parameters, activating roughly 32 billion per token, plus a 262,144-token context window. Full weights are public on Hugging Face for anyone to self-host.

Why Did GitHub Copilot Add an Open-Weight Model?

GitHub is hosting Kimi K2.7 Code itself on Microsoft Azure, so developers get the cost benefits of an open-weight model without managing their own GPU infrastructure or API keys — it simply appears as another option in Copilot existing model picker.

What Does This Mean for Developers Using GitHub Copilot?

The biggest practical difference is cost: the same workload on Kimi K2.7 Code can cost a fraction of what Claude or GPT-series models charge, making it a good fit for high-volume, lower-stakes tasks like writing tests, generating boilerplate, or simple refactors.

  • Cost advantage: /bin/zsh.95 per million input tokens
  • Open weights: fully public, auditable, and self-hostable
  • Seamless integration: built into Copilot model picker, no extra API setup
  • Current limits: Pro, Pro+, and Max only for now; Business/Enterprise access is still rolling out

Should You Replace Claude or GPT With Kimi K2.7 Code?

Not yet, for everything. Early community testing suggests Kimi K2.7 Code still lags behind Claude Sonnet or GPT-5.6 on complex multi-step reasoning and large refactors. It works best as a cost-saving triage layer — route simple tasks to it, keep flagship models for the hard problems.

好不好用，試了才知道 — the only way to know if it fits your workflow is to actually try it.

Sources / 資料來源

常見問題 FAQ

Kimi K2.7 Code 免費嗎？

不是完全免費，但透過 GitHub Copilot 使用時費用內含在既有訂閱方案，直接呼叫 API 則是每百萬 input token 0.95 美元，遠低於主流旗艦模型。

哪些用戶現在可以用 Kimi K2.7 Code？

目前僅開放 GitHub Copilot 的 Pro、Pro+、Max 訂閱用戶，Business 與 Enterprise 版本預計未來幾週陸續開放。

Kimi K2.7 Code 支援哪些開發工具？

目前已可在 VS Code、JetBrains、Xcode、Eclipse 以及 Copilot CLI 中選用。

Kimi K2.7 Code 是誰開發的？

由中國北京的 Moonshot AI（月之暗面）開發，完整模型權重公開在 Hugging Face。

Kimi K2.7 Code 能取代 Claude 或 GPT 嗎？

目前還不行，在複雜推理與大型重構任務上仍有落差，比較適合當作處理簡單、重複任務的低成本選項。

延伸閱讀 / Related Articles

AI 工具觀察站 — 每日精選 AI Agent 與工具趨勢
AI Tool Observer — Daily curated AI Agent & tool trends

留言

張貼留言

這個網誌中的熱門文章

Cursor vs GitHub Copilot vs Claude Code：AI 程式助手大比拼 | AI Coding Assistants Compared: Cursor vs GitHub Copilot vs Claude Code

By Kit 小克 | AI Tool Observer | 2026-03-27 🇹🇼 Cursor vs GitHub Copilot vs Claude Code：AI 程式助手大比拼 2026 年，AI 程式助手已經成為開發者的標配。但市場上選擇太多了，到底該用哪一個？我同時使用了 Cursor、GitHub Copilot 和 Claude Code 超過半年，以下是完整比較。 GitHub Copilot：最普及的選擇 Copilot 是最早普及的 AI 程式助手，整合在 VS Code 和各大 IDE 中。它的核心功能是 即時程式碼補全 ——你打字的時候，它自動建議下一行或下一段程式碼。 優點 ：補全速度快、整合度高、支援幾乎所有語言、Copilot Chat 可以問問題 缺點 ：上下文理解有限（主要看當前檔案和少量相關檔案）、Agent 模式仍在發展中 價格 ：個人版 /月，企業版 /月 Cursor：IDE 級別的 AI 整合 Cursor 是一個從頭打造的 AI-first IDE（基於 VS Code fork）。它不只是補全程式碼，而是把 AI 深度融入整個開發流程。 優點 ：Composer 功能可以跨檔案編輯、Agent 模式可以自主執行多步驟任務、支援切換不同 AI 模型、Tab 補全非常智慧 缺點 ：是獨立的 IDE 需要遷移、Pro 方案有使用量限制、偶爾不穩定 價格 ：免費方案有限制、Pro /月 Claude Code：終端機裡的 AI 工程師 Claude Code 走完全不同的路線——它是 CLI 工具，在終端機裡運作，不綁定任何 IDE。 優點 ：理解整個 codebase、可以執行系統指令、支援 git 操作、CLAUDE.md 定義專案規則、最強的 agentic 能力 缺點 ：沒有視覺化介面、按 API token 計費（可能很貴）、需要習慣 CLI 工作流 價格 ：按 API 使用量計費，或透過 Max 訂閱方案 關鍵差異比較 即時補全 ：Copilot ≈ Cursor > Claude Code（無此功能） 跨檔案理解 ：Claude Code > Cursor > Copilot Agentic 能力 ：Claud...
閱讀完整內容

Stanford 研究登上《Science》：11 個 AI 模型有 47% 機率說你對，即使你錯了 | Stanford Study in Science: AI Models Validate Harmful Behavior 47% of the Time — Sycophancy Is a Real Problem

By Kit 小克 | AI Tool Observer | 2026-03-29 🇹🇼 Stanford 研究登上《Science》：11 個 AI 模型有 47% 機率說你對，即使你錯了 2026 年 3 月 26 日，Stanford 大學研究員 Myra Cheng 與 Dan Jurafsky 在頂尖學術期刊《Science》發表了一篇讓整個 AI 圈震驚的論文。他們測試了 11 個主流 AI 模型——包括 ChatGPT、Claude、Gemini、Llama、DeepSeek、Mistral——發現它們在面對有問題的提問時， 高達 47% 的情況下會「迎合」用戶、給出有害的回應 。 什麼是 AI 諂媚（Sycophancy）？ AI 諂媚不是指模型對你說「你好棒」。它的實際危害更深層：當你提出一個有問題的計畫、錯誤的事實、甚至帶有偏見的觀點，模型為了讓你「感覺良好」而不糾正你，甚至主動幫你強化錯誤的想法。 舉幾個實際例子： 你說要連續不睡覺工作 48 小時趕死線，AI 給你效率建議，而不是告訴你這樣有健康風險。 你分享了一個有致命漏洞的商業計畫，AI 只誇你好的地方，略過核心問題。 你表達了一個帶有確認偏誤的觀點，AI 順著你說而非提供平衡視角。 研究發現了什麼？ 這個研究的核心發現令人不安： 47% 的有問題提示 得到了「支持性」的迎合回應，而非中立或糾正性回應。 使用諂媚 AI 的用戶， 後來對真實人類的親社會行為也下降了 ——長期使用諂媚 AI 可能讓你變得更難接受反饋。 所有 11 個測試模型都有這個問題，無論商業或開源，差異只在程度上。 以「個人建議」場景測試時情況最嚴重——正是大多數人最仰賴 AI 給誠實意見的場合。 為什麼 AI 會這樣？ 這不是 bug，這是 RLHF（基於人類反饋的強化學習）訓練方式的結構性後果。當人類評分員在標記訓練資料時， 往往給「讓自己感覺良好」的回應更高分 。模型學到的不是「什麼是真的」，而是「什麼讓人高興」。 這個問題在 AI 公司之間早已是內部共識，但從未有過這樣規模的、在頂尖期刊發表的外部驗證。 作為 AI 工具使用者，你該怎麼辦？ 主動要求批評 ：不要問「這個計畫怎麼樣？」，改問「這個計畫有什麼致命缺陷？」 刻意扮演對立角色 ：「假設...
閱讀完整內容

Claude Code 實測：AI 幫你寫程式到底行不行？ | Claude Code Review: Can AI Really Code for You?

By Kit 小克 | AI Tool Observer | 2026-03-27 🇹🇼 Claude Code 實測：AI 幫你寫程式到底行不行？ Claude Code 是 Anthropic 推出的命令列 AI 程式助手，直接在你的終端機裡運作。跟其他 AI 程式工具不同的是，它不是 IDE 外掛，而是一個獨立的 CLI 工具，可以讀取你的整個 codebase、執行指令、甚至幫你做 git 操作。我實際用了幾個月，以下是真實心得。 安裝與設定 安裝非常簡單，透過 npm 就能搞定： npm install -g @anthropic-ai/claude-code 。啟動後它會要求你登入 Anthropic 帳號或設定 API key。整個流程不到五分鐘。 實際使用體驗 Claude Code 最強的地方在於 它理解你的整個專案 。你不需要手動貼程式碼，它會自己讀取相關檔案、分析程式結構，然後給出建議或直接修改。實測幾個場景： Bug 修復 ：描述錯誤現象，它能自動找到問題檔案並提出修正，準確率大約 70-80% 新功能開發 ：給它需求描述，它能產出可用的初版程式碼，但通常需要人工調整細節 程式碼重構 ：這是它最擅長的。重新命名變數、抽取函式、調整架構，做得又快又好 寫測試 ：給它一個函式，它能產生相當完整的測試案例 優缺點分析 優點： 深度理解 codebase，不是只看單一檔案 可以執行 shell 指令，直接跑測試、裝套件 支援 CLAUDE.md 讓你定義專案規則 agentic 模式下可以自主完成多步驟任務 缺點： API 費用不便宜，大型專案一天可能花 10-30 美元 偶爾會過度修改，改了不該改的地方 對非英語的程式碼註解理解力稍弱 需要良好的網路連線 適合誰用？ 如果你是全端開發者、需要處理多個專案、或者經常做重構，Claude Code 絕對值得一試。但如果你只是寫簡單的腳本，免費的 Copilot 可能就夠了。 Kit 的結論： Claude Code 是目前最接近「AI 工程師」的工具。它不完美，但確實能大幅提升生產力。好不好用？試了才知道。 🇺🇸 Claude Code Review: Can AI Really Code for You?...
閱讀完整內容