NiceKate AI：Kimi K2.7 Code 實測 — 國產開源模型能追上 GPT 5.5 和 Fable 5 嗎？

開場閒聊

凱捷一開場就笑說，Kimi K2.7 Code 發布的時間非常「友好」，大家剛下班它就來了。

他提到 K2.7 相對於 K2.6 在指令遵循和長程編程能力上都有明顯提升。

不過他也坦言：「對比 GPT 5.5 和 OpenAI 4.8 還是有些差距的。」

但他也強調，K2.7 的 Token 效率更高，可以用更少的 Token 消耗達到更好的性能。

整個測試都是透過 Kimi Code 來進行的，而 Kimi Code 支援影片輸入，讓他覺得非常方便。

懶人包速覽

核心痛點	解決方案 / 關鍵觀點
國產開源模型與國外閉源模型差距多大？	K2.7 在多數複雜前端任務上落後 GPT 5.5 和 Fable 5，但在圖片復刻和博物館 3D 場景表現亮眼
Kimi Code 的迭代能力有何優勢？	圖片復刻任務中自動截圖迭代七八次，最終結果與原圖高度相似
價格 vs 品質怎麼選？	Fable 5 一個任務花掉 92% 額度，K2.7 價格便宜很多，CP 值明顯更高
Kimi K2.7 適合拿來做什麼？	網頁渲染質感好、審美在線，適合前端代碼生成，但複雜互動模擬仍有限

看完這集測試，我最大的感受是：國產開源模型的進步速度比我想像中快很多。

凱捷一口氣跑了十多個不同的前端場景，從萬花筒到博物館 3D 場景，範圍非常全面。

這篇文章我幫大家整理出測試中的幾個關鍵發現，並補充一些我對開源模型生態的看法。

靜態渲染 vs 互動模擬：差距在哪？

在靜態頁面渲染上，K2.7 的表現其實相當不錯。

耳機網站的質感、體素藝術的配色、歷史書畫美術館的水墨風格，都展現了 Kimi 團隊在美學上的用心。

但一到需要複雜互動邏輯的場景，差距就出來了。

咖啡館排隊熱力劇場的模擬不夠真實，十字路口的車輛轉彎只是直角拐彎。

這說明 K2.7 在「理解物理世界的動態行為」上，仍然不如 GPT 5.5 和 Fable 5。

圖片復刻：Kimi Code 的最大亮點

這次測試中最令我驚豔的，是圖片復刻任務。

凱捷給 K2.7 一張古洛可生成的圖片，要求百分之百復刻。

K2.7 透過 Kimi Code 自動截圖七八次、不斷迭代比較，最終結果與原圖高度相似。

過程中它把所有截圖都刪掉，只留下最終的 HTML 檔案。

凱捷對此評價：「K2.7 搭配 Kimi Code 在這一點上表現非常好。」

這種「堅持不懈迭代改進」的能力，是國產開源模型中少見的優勢。

即使單次生成表現不如國外閉源，但透過多次迭代，差距被明顯縮小了。

Fable 5 的震撼與代價

凱捷也在影片中展示了 Fable 5 生成的音樂播放器頁面。

液體流動的播放器進度條、合成的背景音樂、夢幻的粒子效果——每一個細節都令人驚豔。

但代價也非常現實：「這樣的一個頁面花掉了我 Fable 5 92% 的使用額度。」

以 $200/月的訂閱來算，一個任務就將近 $184。

這凸顯了一個核心問題：頂尖模型的效果確實無可挑剔，但對個人開發者和小型團隊來說，成本實在太高了。

QA 精選

Q1：Kimi K2.7 Code 和 Fable 5 的差距具體有多大？

在動態字體海報排版機任務中，Fable 5 的表現是「非常好」。

K2.7 雖然「差很多」，但整個頁面排版仍然比較舒服。

在耳機網站渲染上，K2.7 的質感極佳，耳機結構卻有問題（左右不對稱）。

而 Fable 5 在這類 3D 渲染任務上幾乎完美。

真正拉開差距的是複雜互動模擬。咖啡館排隊模擬中 K2.7 的表現「不是特別真實」。

十字路口車流模擬則只是「非常簡單」的直線運動，車輛拐彎都是直角轉。

Fable 5 和 GPT 5.5 在這類場景中明顯更勝一籌。

Q2：Kimi Code 的價格是多少？值得訂閱嗎？

凱捷在影片最後提到，如果你用月費 99 人民幣的方案，「沒多少量」。

「一般來說得 199 以上才 OK。」

以 199 人民幣（約台幣 850 元）的月費來說，對比 Fable 5 單一任務 $184 的成本，Kimi 的 CP 值高出非常多。

對於個人開發者或小型團隊來說，如果主要需求是前端原型開發和 UI 設計，K2.7 的性價比非常突出。

唯一的取捨就是需要在互動邏輯的複雜度上有所妥協。

Q3：蘇州博物館 3D 場景是怎麼做出來的？效果如何？

凱捷讓 K2.7 生成蘇州博物館 3D 場景。

Kimi Code 迭代了十幾分鐘，中間多次截圖修正。

最終生成的場景包含白色牆面、黑色屋頂、盆景、水域、橋樑和竹子，視覺上「非常像蘇州博物館」。

他甚至可以用 WASD 鍵在場景中移動，從不同角度欣賞建築佈局。

雖然整個頁面只有一千多行程式碼，但透過多次迭代，效果遠超單次生成的品質。

凱捷評價：「Kimi Code 在這一點完成得非常好。」

Q4：K2.7 在前端開發上的實戰建議是什麼？

從測試結果來看，K2.7 最適合的場景是靜態網站和 UI 設計。

圖片復刻與迭代優化也是它的強項。

博物館或展廳類 3D 場景也值得嘗試（需要多次迭代）。

不太適合的場景則有：需要精確物理模擬的互動介面。

多人協作或即時數據更新的應用也要謹慎。

需要高精度 3D 渲染的產品展示建議用更成熟的方案。

凱捷特別推薦用它來做快速原型開發，因為生成的頁面「質感不錯、審美在線」。

但他強調大型專案仍建議搭配更成熟的閉源模型或人工開發。

主編隨筆

這集測試讓我思考一個更深層的問題：開源模型的「夠不夠好」，其實取決於你的使用場景。

凱捷展示了十多個測試案例，結論很清楚——K2.7 在靜態渲染和圖片復刻上表現亮眼，但在複雜互動上仍有明顯差距。

但這不代表它沒有價值，而是它適用的範圍需要更精準地定義。

我自己在選擇 AI 工具時，比較傾向「分層策略」：簡單的原型和 UI 設計交給 Kimi K2.7 這類平價方案，每天大量使用也不心疼。

只有在需要高品質互動模擬或精緻動畫時，才動用 Fable 5 或 GPT 5.5 這類頂級模型。

這樣既控制了成本，又不會在關鍵任務上妥協品質。

國產開源模型的進步是真實的。K2.7 到 GPT 5.5 的差距在縮小，而且縮小的速度在加快。

如果 Kimi 團隊能維持這個迭代節奏，我認為在半年到一年內，某些特定領域的差距可能會變得幾乎不可察覺。

結語

凱捷這次的實測涵蓋了從萬花筒、耳機網站到博物館 3D 場景的十多個任務，是一次相當全面的橫向對比。

Kimi K2.7 Code 雖然在多數任務上輸給 GPT 5.5 和 Fable 5，但在圖片復刻和靜態頁面渲染上展現了令人驚豔的實力。

對於個人開發者和小型團隊來說，K2.7 的價格優勢和 Kimi Code 的迭代能力，使它成為一個非常值得考慮的日常開發助手。

正如凱捷所說：「希望以上我的視頻對你有幫助，我們下期再見。」