Czy wagi są otwarte i czy mogę uruchomić Kimi K2.7 Code lokalnie?

Tak, wagi są publicznie dostępne na Hugging Face pod moonshotai/Kimi-K2.7-Code. Przy 1 bilionie parametrów potrzebujesz znacznego sprzętu; przed pobraniem sprawdź przewodnik VRAM.

Ile kosztuje Kimi K2.7 Code i jak długi jest jego kontekst?

W API kosztuje 0,67 USD za milion tokenów wejściowych i 3,35 USD za milion tokenów wyjściowych, z oknem kontekstu 262 144 tokenów.

Czym K2.7 Code różni się od K2.6?

K2.7 Code jest zbudowany na bazie K2.6 z naciskiem na rzeczywiste, długoterminowe zadania kodowania i poprawioną efektywność tokenów, zmniejszając zużycie tokenów myślenia o około 30% w porównaniu do K2.6.

Kimi K2.7 Code

5848°

#llm #moonshotai #wizja #rozumowanie #kodowanie #agenci

Uruchom model

Oferty / Reklamy

OpenRouter Terminal / API

Płać za token

Rozmawiaj z tym modelem w przeglądarce lub wywołuj go z kodu za pomocą jednego klucza API.

MoonshotAI | 262,144 token context | $0.67/M input, $3.35/M output. MoonshotAI: Kimi K2.7 Code to model skoncentrowany na kodowaniu z rodziny Moonshot AI Kimi K2, zaprojektowany do niezawodnego wykonywania kompleksowych zadań programistycznych na długich kontekstach. Wykorzystuje natywną multimodalną architekturę mixture-of-experts, która przyjmuje tekst i obrazy jako wejście, i zawsze działa w trybie myślenia, zachowując pełną zawartość rozumowania podczas wieloetapowych rozmów. Z oknem kontekstowym o rozmiarze 256K tokenów, jest przeznaczony do długoterminowego kodowania, dekompozycji zadań agentowych i dialogów wieloetapowych. Model aktywuje 32B parametrów z około 1T łącznie.

Poradniki do tego modelu

Najlepsze lokalne LLM według zastosowania (październik 2026): odpowiedni otwarty model do każdego zadania

Ile VRAM naprawdę potrzebuję do lokalnej AI?

Co to jest plik GGUF? Wyjaśnienie modeli kwantyzowanych (Q4, Q8, fp8, NF4)

Wszystkie poradniki

Notatki kapitana

Napisane przez Captain, redaktora domu

Notatki z 2026-10-13

Kimi K2.7 Code to model specjalizujący się w kodowaniu Moonshot AI, oparty na architekturze mixture-of-experts z 1 bilionem parametrów, aktywującej 32 miliardy parametrów na token. Zawsze działa w trybie myślenia, zachowując rozumowanie w wieloetapowych rozmowach, i jest przeznaczony do długoterminowych zadań inżynierii oprogramowania z kontekstem 256K tokenów. Otwarte wagi i multimodalny, nadaje się dla deweloperów potrzebujących zdolnego modelu agentowego, który mogą uruchomić sami.

Znany z

Kompleksowe agentowe kodowanie w złożonych, wieloetapowych przepływach pracy inżynierii oprogramowania
Zawsze włączony tryb myślenia z pełnym zachowaniem rozumowania w sesjach wieloetapowych
Okno kontekstu 256K tokenów odpowiednie dla dużych baz kodu i długich zadań
O około 30% mniej tokenów myślenia niż poprzednik K2.6
Akceptuje wejście obrazowe przez natywny enkoder wizji MoonViT

Uważaj na

Przy 1 bilionie parametrów samodzielne hostowanie wymaga poważnego sprzętu; sprawdź wymagania VRAM przed pobraniem.
Benchmarki to zarówno własne testy Moonshot AI, jak i zewnętrzne; oceniaj je odpowiednio.
Cena za tokeny wyjściowe 3,35 USD za milion szybko się sumuje przy długich odpowiedziach w trybie myślenia.

Najlepszy do

Kodowanie

Agenci i użycie narzędzi

Rozumowanie

Długi kontekst

Działa lokalnie

Podpowiedzi do wypróbowania

Refaktoryzacja starego serwisu

Mam serwis Python Flask obsługujący uwierzytelnianie użytkowników za pomocą surowych zapytań SQL i przechowujący sesje w globalnym słowniku. Przepisz go, aby używał SQLAlchemy ORM, właściwego magazynu sesji i dodał walidację danych wejściowych. Opisz swoje rozumowanie przed napisaniem kodu, a następnie wygeneruj pełne przepisane pliki.

Debugowanie na podstawie binarki

Mam skompilowane narzędzie CLI, które analizuje pliki CSV i generuje raport podsumowujący. Nie mam kodu źródłowego. Na podstawie fragmentu dokumentacji opisującego flagi i format wyjścia napisz implementację w Pythonie, która odzwierciedla jego zachowanie, w tym przypadki brzegowe dla pustych plików i błędnych wierszy.

Agentowy plan budowy

Zaplanuj i zaimplementuj minimalne REST API w Go, które udostępnia endpointy CRUD dla listy zadań, przechowuje dane w SQLite, zawiera podstawową autoryzację JWT i ma Dockerfile. Podziel pracę na kroki, rozważ każdą decyzję projektową, a następnie napisz wszystkie pliki potrzebne do uruchomienia.

Porównaj z

Kimi Latest
Model tylko z API
Kontekst 1,048,576 tokenów · $0.29/M wejście, $24.00/M wyjście
Kimi K3
Model z otwartymi wagami
Kontekst 1,048,576 tokenów · $0.30/M wejście, $11.94/M wyjście
Kimi K2 Thinking
Model z otwartymi wagami
Kontekst 262,144 tokenów · $0.60/M wejście, $2.50/M wyjście
Kimi K2.5
Model z otwartymi wagami
Kontekst 262,144 tokenów · $0.50/M wejście, $2.50/M wyjście

Więcej modeli tekstowych od moonshotai

Pytania, które ludzie zadają

Czy wagi są otwarte i czy mogę uruchomić Kimi K2.7 Code lokalnie?: Tak, wagi są publicznie dostępne na Hugging Face pod moonshotai/Kimi-K2.7-Code. Przy 1 bilionie parametrów potrzebujesz znacznego sprzętu; przed pobraniem sprawdź przewodnik VRAM.
Ile kosztuje Kimi K2.7 Code i jak długi jest jego kontekst?: W API kosztuje 0,67 USD za milion tokenów wejściowych i 3,35 USD za milion tokenów wyjściowych, z oknem kontekstu 262 144 tokenów.
Czym K2.7 Code różni się od K2.6?: K2.7 Code jest zbudowany na bazie K2.6 z naciskiem na rzeczywiste, długoterminowe zadania kodowania i poprawioną efektywność tokenów, zmniejszając zużycie tokenów myślenia o około 30% w porównaniu do K2.6.

Wyrok kapitana
Poważny agent kodujący z otwartymi wagami, długim kontekstem i zawsze włączonym rozumowaniem — wart kosztów sprzętowych, jeśli agentowe inżynieria oprogramowania to twoja rzeczywista praca.

Karta modelu na Hugging Face

Kapitan pisze te notatki na podstawie opisu modelu i karty modelu. Ceny i rozmiary kontekstu pochodzą od dostawcy w momencie pisania i mogą się zmieniać.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Not this creator?

Get your own badge

Jak ten wynik się sumuje

Ten model nie ma jeszcze danych o popularności z żadnego źródła, więc ma zastępczą wartość poniżej 7,000°, która pozwala utrzymać kompletność list. Nigdy nie zajmuje wyższej pozycji niż model z danymi. Szczegóły pojawią się tutaj, gdy tylko jakieś źródło je zgłosi.

Słowniczek: używane tu terminy

Wynik heat: Jedna liczba pokazująca, jak bardzo model jest używany i pożądany teraz, od 0° do 9,999°. Każda lista na tej stronie z napisem hottest jest sortowana według tego i niczego innego.
Podstawa: 7,000° to punkt startowy dla każdego modelu z prawdziwymi danymi. Skala idzie od 0° do 9,999°; część poniżej podstawy jest zarezerwowana dla zastępczych modeli (bez danych), żeby model z danymi zawsze był wyżej. Podstawa jest taka sama dla wszystkich i nic nie decyduje; stopnie powyżej niej to właściwy pomiar.
Równoważniki pobrań: Wszystko, co wynik traktuje jak pobranie, zsumowane: same pobrania, każdy seeder torrenta jako 1,000, każde AI Horde zdjęcie i każde uruchomienie na stronie generującej jako jedno.
Skala logarytmiczna: Liczenie co dziesięć, nie co jeden: przejście z 1,000 do 10,000 pobrań dodaje tyle samo stopni, co z 10,000 do 100,000. Zapobiega to dominacji gigantów nad resztą.
Polubienia: Kciuki w górę i polubienia ze wszystkich źródeł, warte połowę pobrania na skali logarytmicznej.
Tempo adopcji: Ile pobrań dziennie model ma teraz, na podstawie różnicy między dwoma odczytami źródła. Ćwierć wagi terminu pobrania.
Zmierzony i szacowany: Zmierzony oznacza, że istnieją dwa odczyty źródła i różnica jest rzeczywista. Szacowany oznacza, że znana jest tylko dzisiejsza suma, a przeszłość jest rozłożona na czas życia modelu; strona mówi, który z nich pokazuje.
Seeder: Ktoś, kto trzyma kopię wag online, aby inni mogli je pobrać przez torrent, albo hostowany mirror robiący to samo. Każdy taki liczy się jako 1 000 pobrań.
AI Horde: Sieć wolontariuszy, która generuje obrazy za darmo na komputerach darczyńców. Liczba obrazów wygenerowanych z modelem jest publiczna i każde liczy się jako jedno pobranie.
Strony generujące: Strony, które mają własne kopie modelu i pozwalają ludziom generować z nim obrazy, takie jak PixAI, SeaArt i Yodayo. Ich pobrania liczą się jak na Civitai, a każde uruchomienie generowania to jedno pobranie.
Tokeny OpenRouter: Model tekstowy obsługiwany przez API, taki jak Claude czy GPT, nie ma wag do pobrania, więc jego użycie mierzy się tokenami: fragmentami tekstu, które przeczytał i napisał przez OpenRouter, bramkę używaną przez wiele aplikacji, w ciągu ostatnich 30 dni. Każde 10,000,000 tokenów liczy się jako jedno pobranie. Źródło: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Pełny model (checkpoint): Same wagi, plik, który generuje samodzielnie. Dostaje bonus, bo dodatki od niego zależą.
LoRA i embedding: Małe pliki dodatków, które kierują czyjeś wagi w stronę stylu, postaci lub koncepcji. Nie mogą działać samodzielnie.
Rodzina i wagi: Podstawa, na której zbudowano model, np. SD 1.5, SDXL, Flux lub Wan. Każdy model dziedziczy datę wydania wag swojej rodziny.
Wiek: Stopnie odejmowane za to, jak dawno wyszły wagi rodziny: 150° za rok, do 750°. Zachowuje stare pobrania, które miały lata na narastanie, zamrażając szczyt listy.
Wzmocnienie rodziny: Małe, ograniczone wsparcie dla LoRA z rodziny, którą ta strona teraz promuje, zawsze podane w rozbiciu.
Wynik zastępczy: Stabilna liczba poniżej minimum, przyznawana modelowi, o którym jeszcze nie ma danych źródłowych, żeby listy były kompletne. Nigdy nie jest wyżej niż model z danymi.
Nowy! (okres karencji): Model młodszy niż 7 dni pokazuje Nowy! zamiast wyniku i nie zajmuje miejsca w rankingu. Jego wynik jest liczony od pierwszego dnia, ale model jednodniowy rośnie najszybciej, więc bez oczekiwania #1 tygodnia byłby zawsze tym, który pojawił się wczoraj, a nie tym, który utrzymał się przez tydzień.
Trend: Jak wzrost modelu w danym okresie wypada na tle typowego wzrostu modelu w tym samym czasie. Szybszy niż zwykle to wzrost, wolniejszy to spadek.
Typowy model: Środek katalogu: połowa modeli z danymi rosła szybciej w tym okresie, połowa wolniej.

Podobne modele

Modele AI do generowania obrazów, wideo i tekstu

Kimi K2.7 Code to model tekstowy z rodziny Text / LLM wymieniony na ModelTrends.ai, katalogu tylko do odczytu otwartych modeli AI do obrazów, wideo i tekstu. Porównaj go z innymi modelami Text / LLM i sprawdź wynik popularności, aby zobaczyć trend.

Więcej modeli Text / LLM Więcej Text / LLM Tekst / LLM llm moonshotai wizja rozumowanie kodowanie agenci długi kontekst lokalny

Przeglądaj według rodziny modeli