Greutățile sunt deschise și pot rula Kimi K2.7 Code local?

Da, greutățile sunt publice pe Hugging Face la moonshotai/Kimi-K2.7-Code. Cu 1 trilion de parametri vei avea nevoie de hardware substanțial; vezi un ghid de VRAM înainte de descărcare.

Cât costă Kimi K2.7 Code și cât de lung este contextul său?

Prin API costă 0,67 USD per milion de tokeni de intrare și 3,35 USD per milion de tokeni de ieșire, cu o fereastră de context de 262.144 tokeni.

Cum diferă K2.7 Code de K2.6?

K2.7 Code este construit pe baza K2.6, cu focus pe sarcini reale de codare pe termen lung și eficiență îmbunătățită a tokenilor, reducând consumul de tokeni de gândire cu aproximativ 30% față de K2.6.

Kimi K2.7 Code

5848°

#llm #moonshotai #viziune #raționament #programare #agenți

Rulează modelul

Oferte / Reclame

OpenRouter Terminal / API

Plătește pe token

Conversează cu acest model în browser sau apelează-l din codul tău cu o singură cheie API.

MoonshotAI | context de 262.144 tokeni | $0.67/M input, $3.35/M output. MoonshotAI: Kimi K2.7 Code este un model axat pe programare din familia Kimi K2 de la Moonshot AI, construit pentru a finaliza sarcini de programare end-to-end în mod fiabil pe contexte lungi. Folosește o arhitectură nativă multimodală de tip mixture-of-experts care acceptă input text și imagine și funcționează întotdeauna în modul de gândire, păstrând conținutul complet al raționamentului pe parcursul conversațiilor multi-turn. Cu o fereastră de context de 256K tokeni, este destinat codării pe termen lung, decompoziției agentice a sarcinilor și dialogului multi-turn. Modelul activează 32B parametri din aproximativ 1T total.

Ghiduri pentru acest model

Cel mai bun LLM local după caz de utilizare (octombrie 2026): modelul open potrivit pentru fiecare job

De câțiva GB de VRAM am nevoie cu adevărat pentru AI local?

Ce este un fișier GGUF? Modele cuantificate explicate (Q4, Q8, fp8, NF4)

Toate ghidurile

Notele căpitanului

Scris de Captain, editorul casei

Note din 2026-10-13

Kimi K2.7 Code este modelul specialist în codare al Moonshot AI, construit pe o arhitectură mixture-of-experts cu 1 trilion de parametri care activează 32B parametri per token. Rulează întotdeauna în modul de gândire, păstrând raționamentul pe conversații multi-turn, și vizează sarcini de inginerie software pe termen lung cu o fereastră de context de 256K tokeni. Greutățile sunt deschise și este multimodal, potrivit pentru dezvoltatorii care au nevoie de un model agentic capabil pe care să-l poată rula singuri.

Cunoscut pentru

Codare agentică end-to-end în fluxuri de lucru software complexe, în mai mulți pași
Mod de gândire mereu activ cu raționament complet păstrat pe sesiuni multi-turn
Fereastră de context de 256K tokeni potrivită pentru baze de cod mari și sarcini lungi
Aproximativ 30% mai puțini tokeni de gândire decât predecesorul său K2.6
Acceptă input de imagine printr-un encoder vizual MoonViT nativ

Atenție la

Cu 1 trilion de parametri, auto-găzduirea cere hardware serios; verifică cerințele de VRAM înainte de a te angaja.
Benchmark-urile afișate sunt evaluări interne Moonshot AI alături de unele terțe; ia-le în considerare corespunzător.
Prețul de ieșire de 3,35 USD/M tokeni se adună rapid la răspunsuri lungi în modul de gândire.

Cel mai bun pentru

Programare

Agenți și utilizare unelte

Raționament

Context lung

Rulează local

Sugestii de încercat

Refactorizează un serviciu vechi

Am un serviciu Python Flask care gestionează autentificarea utilizatorilor folosind interogări SQL brute și stochează sesiunile într-un dicționar global. Refactorizează-l să folosească SQLAlchemy ORM, un magazin de sesiuni adecvat și adaugă validare de input. Explică-ți raționamentul înainte de a scrie codul, apoi produce fișierele refactorizate complete.

Depanează dintr-un binar

Am un instrument CLI compilat care parsează fișiere CSV și generează un raport sumar. Nu am codul sursă. Pe baza acestui fragment de documentație care descrie flag-urile și formatul de ieșire, scrie o reimplementare Python care să se comporte la fel, inclusiv cazurile limită pentru fișiere goale și rânduri malformate.

Plan de construcție agentic

Planifică și implementează un API REST minimal în Go care expune endpoint-uri CRUD pentru o listă de sarcini, stochează date în SQLite, include autentificare JWT de bază și are un Dockerfile. Împarte munca în pași, raționează fiecare decizie de design, apoi scrie toate fișierele necesare pentru rulare.

Compară cu

Kimi Latest
Model doar API
context de 1,048,576 tokeni · $0.29/M intrare, $24.00/M ieșire
Kimi K3
Model cu greutăți deschise
context de 1,048,576 tokeni · $0.30/M intrare, $11.94/M ieșire
Kimi K2 Thinking
Model cu greutăți deschise
context de 262,144 tokeni · $0.60/M intrare, $2.50/M ieșire
Kimi K2.5
Model cu greutăți deschise
context de 262,144 tokeni · $0.50/M intrare, $2.50/M ieșire

Mai multe modele text de la moonshotai

Întrebări frecvente

Greutățile sunt deschise și pot rula Kimi K2.7 Code local?: Da, greutățile sunt publice pe Hugging Face la moonshotai/Kimi-K2.7-Code. Cu 1 trilion de parametri vei avea nevoie de hardware substanțial; vezi un ghid de VRAM înainte de descărcare.
Cât costă Kimi K2.7 Code și cât de lung este contextul său?: Prin API costă 0,67 USD per milion de tokeni de intrare și 3,35 USD per milion de tokeni de ieșire, cu o fereastră de context de 262.144 tokeni.
Cum diferă K2.7 Code de K2.6?: K2.7 Code este construit pe baza K2.6, cu focus pe sarcini reale de codare pe termen lung și eficiență îmbunătățită a tokenilor, reducând consumul de tokeni de gândire cu aproximativ 30% față de K2.6.

Verdictul căpitanului
Un agent de codare serios cu greutăți deschise, context lung și raționament mereu activ — merită costul hardware dacă ingineria software agentică este sarcina ta reală.

Fișa modelului pe Hugging Face

Căpitanul scrie aceste note pe baza descrierii modelului și a fișei modelului. Prețurile și dimensiunile contextului sunt cele ale furnizorului la momentul scrierii și pot varia.

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

Cum se adună acest scor

Acest model nu are încă date de popularitate de la nicio sursă, așa că are un număr provizoriu sub 7,000° care menține listele complete. Nu va fi niciodată clasat mai sus decât un model cu date. Descompunerea apare aici imediat ce o sursă o raportează.

Glosar: termenii folosiți aici

Scor de căldură: Un număr care arată cât de mult este folosit și dorit un model acum, de la 0° la 9.999°. Fiecare listă de pe site care spune „cele mai călduroase” este sortată după acest scor și nimic altceva.
Prag: 7.000° este punctul de start pentru orice model cu date reale. Scara merge de la 0° la 9.999°; partea de sub prag este rezervată pentru înlocuitori (modele fără date), ca să fie sigur că un model cu date e mereu mai sus decât unul fără. Pragul e același pentru toți și nu decide nimic; gradele de deasupra lui sunt măsurătoarea.
Echivalente descărcări: Tot ce scorul tratează ca o descărcare, adunat: descărcările în sine, fiecare seeder de torrent ca 1.000, fiecare imagine AI Horde și fiecare rulare pe un site de generare ca una.
Scară logaritmică: Se numără la zeci, nu la unități: trecerea de la 1.000 la 10.000 descărcări adaugă aceleași grade ca trecerea de la 10.000 la 100.000. Astfel, modelele mari nu acoperă tot ce e mic.
Aprecieri: Like-uri și aprecieri de oriunde, fiecare valorează jumătate dintr-o descărcare pe scara logaritmică.
Rata de adoptare: Câte descărcări pe zi primește un model acum, calculat din diferența dintre două citiri ale unei surse. Are un sfert din greutatea termenului de descărcare.
Măsurat și estimat: Măsurat înseamnă că există două citiri ale unei surse și diferența este reală. Estimat înseamnă că se știe doar totalul de azi, iar trecutul este împărțit pe durata vieții modelului; site-ul spune care dintre ele este afișat.
Seeder: Cineva care păstrează o copie a greutăților online pentru ca alții să le descarce prin torrent, sau o oglindă găzduită care face același lucru. Fiecare contează ca 1.000 de descărcări.
AI Horde: O rețea de voluntari care generează imagini gratuit pe calculatoare donate. Numărul de imagini create cu un model este public și fiecare contează ca o descărcare.
Site-uri de generare: Site-uri care găzduiesc propriile copii ale unui model și permit oamenilor să genereze cu el, cum ar fi PixAI, SeaArt și Yodayo. Descărcările lor contează ca cele de pe Civitai, iar fiecare rulare de generare ca o descărcare.
Tokeni OpenRouter: Un model de text servit printr-un API, cum ar fi Claude sau GPT, nu are greutăți de descărcat, deci utilizarea sa se măsoară în tokeni: bucățile de text citite și scrise prin OpenRouter, un gateway folosit de multe aplicații, în ultimele 30 de zile. Fiecare 10,000,000 tokeni contează ca un download. Sursa: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Model complet (checkpoint): Greutățile în sine, fișierul care generează singur. Primește un bonus pentru că depind de el add-on-urile.
LoRA și embedding: Fișiere mici add-on care direcționează greutățile altcuiva spre un stil, un personaj sau un concept. Nu pot rula singure.
Familie și greutăți: Baza pe care este construit un model, cum ar fi SD 1.5, SDXL, Flux sau Wan. Fiecare model moștenește data lansării greutăților familiei sale.
Vârstă: Grade scăzute în funcție de cât timp a trecut de când au apărut greutățile familiei: 150° pe an, până la 750°. Păstrează descărcările vechi care au avut ani să se acumuleze, blocând topul listei.
Boost de familie: Un mic impuls limitat pentru LoRA-urile unei familii pe care site-ul o promovează acum, întotdeauna listat în detaliu.
Scor de rezervă: Un număr stabil sub prag, dat unui model despre care nicio sursă nu raportează încă, ca listele să rămână complete. Nu se clasează niciodată peste un model cu date.
Nou! (perioadă de grație): Un model mai nou de 7 zile afișează Nou! în loc de scor și nu ocupă loc în clasamente. Scorul său este calculat de la prima zi, dar un model de o zi crește mai rapid decât orice altceva, deci fără această așteptare, modelul #1 al săptămânii ar fi întotdeauna cel apărut ieri, nu cel care a rezistat o săptămână.
Tendință: Cum se compară creșterea unui model într-o perioadă cu creșterea tipică a unui model în aceeași perioadă. Mai rapid decât tipicul înseamnă creștere, mai lent scădere.
Model tipic: Mijlocul catalogului: jumătate dintre modele cu o cifră au crescut mai repede în perioada respectivă, jumătate mai încet.

Modele similare

Llama 3.2 3B Instruct

Modele AI pentru generare de imagini, video și text

Kimi K2.7 Code este un model de text pentru familia Text / LLM, listat pe ModelTrends.ai, un catalog doar pentru citire al modelelor AI open source pentru imagini, video și text. Compară-l cu alte modele Text / LLM și verifică-i scorul de căldură pentru a vedea cât este de popular.

Mai multe modele Text / LLM llm moonshotai viziune raționament programare agenți context lung local

Răsfoiește după familia de modele