Kimi K2.7 Code 的權重是開放的嗎？我可以本地運行嗎？

MoonshotAI | 262,144 代幣上下文 | $0.67/M 輸入，$3.35/M 輸出。MoonshotAI: Kimi K2.7 Code 是 Moonshot AI Kimi K2 系列中專注程式碼的模型，旨在長上下文中可靠完成端到端程式設計任務。它採用原生多模態專家混合架構，接受文字與圖像輸入，並始終處於思考模式，保留多回合對話中的完整推理內容。擁有 256K 代幣上下文視窗，目標為長期程式碼編寫、代理任務分解及多回合對話。模型啟用約 1T 總參數中的 320 億參數。

本模型的指南

2026年10月最佳本地大型語言模型（LLM）按使用情境分類：每個工作都適合的開放模型

我到底需要多少 VRAM 才能在本地跑 AI？

什麼是 GGUF 檔案？量化模型解說（Q4、Q8、fp8、NF4）

全部指南

船長筆記

由 Captain 撰寫，內部編輯

2026-10-13 的筆記

Kimi K2.7 Code 是 Moonshot AI 的編碼專用模型，基於一兆參數的專家混合架構，每個代幣啟用 320 億參數。它始終運行思考模式，跨多輪對話保留推理，並以 256K 代幣上下文窗口針對長期軟體工程任務。開放權重且支援多模態，適合需要強大自主編碼模型且能自行部署的開發者。

以...聞名

跨複雜多步軟體工程工作流程的端到端自主編碼
始終開啟思考模式，跨多輪會話完整保留推理
256K 代幣上下文窗口，適合大型程式碼庫與長期任務
相較前代 K2.6，思考代幣使用量減少約 30%
透過原生 MoonViT 視覺編碼器接受影像輸入

注意

總參數量達 1 兆，自我部署需強大硬體，部署前請先確認 VRAM 需求。
基準測試包含 Moonshot AI 自家內部評估與第三方測試，請適度評估。
輸出代幣費用為每百萬 3.35 美元，長時間思考模式回應成本快速累積。

最適合

可嘗試的提示詞

重構舊服務

我有一個用 Python Flask 寫的服務，使用原生 SQL 查詢處理用戶認證，並將會話存於全域字典。請重構為使用 SQLAlchemy ORM、適當的會話存儲，並加入輸入驗證。請先說明你的推理，再產出完整重構後的檔案。

從二進位檔除錯

我有一個編譯好的 CLI 工具，可解析 CSV 檔並輸出摘要報告，但沒有原始碼。根據這段描述其旗標與輸出格式的文件，請用 Python 重寫相同行為，包含空檔案與格式錯誤列的邊界案例。

自主建置計畫

規劃並實作一個最簡 REST API（用 Go 寫），提供任務清單的 CRUD 端點，資料存 SQLite，含基本 JWT 認證，並附 Dockerfile。將工作拆成步驟，推敲每個設計決策，然後寫出所有執行所需檔案。

比較

Kimi Latest
僅限 API 模型
1,048,576 代幣上下文 · $0.29/M 輸入，$24.00/M 輸出
Kimi K3
開放權重模型
1,048,576 代幣上下文 · $0.30/M 輸入，$11.94/M 輸出
Kimi K2 Thinking
開放權重模型
262,144 代幣上下文 · $0.60/M 輸入，$2.50/M 輸出
Kimi K2.5
開放權重模型
262,144 代幣上下文 · $0.50/M 輸入，$2.50/M 輸出

更多來自 moonshotai 的文字模型

常見問題

Kimi K2.7 Code 的權重是開放的嗎？我可以本地運行嗎？: 是的，權重公開於 Hugging Face 的 moonshotai/Kimi-K2.7-Code。由於參數量達一兆，需強大硬體，下載前請參考 VRAM 指南。
Kimi K2.7 Code 的費用與上下文長度是多少？: API 價格為每百萬輸入代幣 0.67 美元，輸出代幣 3.35 美元，上下文窗口為 262,144 代幣。
K2.7 Code 與 K2.6 有何不同？: K2.7 Code 建基於 K2.6，專注於真實世界長期編碼任務與提升代幣效率，思考代幣使用量較 K2.6 約減少 30%。

船長評語
一款嚴肅的開放權重編碼代理，擁有長上下文與始終開啟推理，若你的工作是自主軟體工程，硬體成本值得。

Hugging Face 上的模型卡

船長根據模型自身描述與模型卡撰寫這些筆記。價格與上下文大小為撰寫時提供者資料，可能會變動。

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

這個分數是怎麼累積的

這個模型目前還沒有任何來源的流行度數據，所以它會有一個低於 7,000° 的替代數字，讓列表保持完整。它永遠不會排在有數據的模型前面。一旦有來源報告數據，細項就會顯示在這裡。

詞彙表：這裡使用的術語

熱度分數: 一個數字，表示模型目前的使用和需求程度，範圍從 0° 到 9,999°。本網站所有標示「最熱門」的排行榜都是依此排序，沒有其他排序依據。
底線: 每個有實際數據的模型起始於 7,000°。分數範圍是 0° 到 9,999°；底線以下保留給沒有數據的模型，確保有數據的模型總是排名較前。底線對所有人相同，不影響排名；超過底線的度數才是評分依據。
下載等值: 分數中視為下載的所有項目加總：下載本身、每個種子節點算 1,000、每張 AI Horde 圖像和每次生成網站的執行算一。
對數刻度: 以十為單位計數，不是以一為單位：從 1,000 到 10,000 下載增加的度數，和從 10,000 到 100,000 增加的度數相同。這樣能防止巨頭壓過其他模型。
喜歡數: 來自各來源的讚和喜歡，每個在對數刻度上算半個下載量。
採用率: 模型目前每天的下載次數，根據兩次來源讀取的差異計算。權重是下載量的四分之一。
實測與估算: 實測表示有兩個來源的讀數，且差異是真實的。估算表示只知道今天的總數，過去的數據則分散在模型的整個生命週期；網站會說明顯示的是哪一種。
種子節點: 指在線上保留權重檔案供他人透過種子下載的人，或是提供相同服務的鏡像站。每一個種子節點算作1,000次下載。
AI Horde: 一個志願者網絡，利用捐贈的電腦免費生成圖片。它用某模型生成的圖片數量是公開的，每張圖片算作一次下載。
生成網站: 自己托管模型並讓人使用它生成圖片的網站，例如PixAI、SeaArt和Yodayo。它們的下載量和Civitai一樣，每次生成算一次下載。
OpenRouter 代幣: 透過 API 提供的文字模型，如 Claude 或 GPT，沒有權重可下載，因此使用量以代幣計算：過去30天內透過 OpenRouter（許多應用使用的閘道）讀取和生成的文字片段。每 10,000,000 代幣算作一次下載。來源：OpenRouter (openrouter.ai/rankings)，CC BY 4.0。
完整模型（檢查點）: 權重本身，是能獨立生成的檔案。它會有額外加分，因為其他附加檔案都依賴它。
LoRA和嵌入: 小型附加檔案，用來引導別人的權重走向某種風格、角色或概念。它們無法獨立運行。
家族與權重: 模型所建立的基礎，例如SD 1.5、SDXL、Flux或Wan。每個模型都繼承其家族權重的發布日期。
年齡: 根據家族權重發布時間距今多久，扣除的度數：每年150°，最多750°。它會保留那些有多年累積下載的舊模型，防止它們從排行榜頂端消失。
家族加成: 針對本站目前推廣的某個家族的LoRA給予的小幅度限制加成，會在分解中顯示。
替代分數: 給尚無來源報告的模型一個穩定的最低分，讓列表保持完整。它永遠不會高於有數據的模型。
全新！(寬限期): 不到 7 天的新模型會顯示「全新！」而非分數，且不列入排名。分數從第一天開始計算，但一天大的模型成長最快，若不等待，週榜首將永遠是昨天剛出的模型，而非持續一週的。
趨勢: 模型在某段時間內的成長與典型模型同期成長的比較。比典型快表示上升，比典型慢表示下降。
典型模型: 目錄中的中間值：一半模型在該期間成長較快，一半較慢。

相似模型