Kimi K2.7 Code ağırlıkları açık mı ve yerel çalıştırabilir miyim?

Evet, ağırlıklar moonshotai/Kimi-K2.7-Code adresinde Hugging Face üzerinde halka açıktır. 1 trilyon parametre ile ciddi donanım gereklidir; indirmeden önce VRAM rehberine bakın.

Kimi K2.7 Code maliyeti nedir ve bağlam uzunluğu ne kadardır?

API üzerinden milyon giriş tokenı başına $0.67, milyon çıkış tokenı başına $3.35 ücretlendirilir, bağlam penceresi 262.144 tokendir.

K2.7 Code, K2.6'dan nasıl farklıdır?

K2.7 Code, K2.6 üzerine inşa edilmiştir ve gerçek dünya uzun vadeli kodlama görevlerine odaklanır; token verimliliği artırılmış ve düşünme token kullanımı yaklaşık %30 azaltılmıştır.

Kimi K2.7 Kod

5848°

#llm #moonshotai #görüş #akıl yürütme #kodlama #ajanlar

Modeli çalıştır

Teklifler / Reklamlar

OpenRouter Terminal / API

Token başına ödeme

Bu modelle tarayıcıda sohbet edin veya tek bir API anahtarıyla kodunuzdan çağırın.

MoonshotAI | 262,144 token bağlam | $0.67/M giriş, $3.35/M çıkış. MoonshotAI: Kimi K2.7 Kod, Moonshot AI'nin Kimi K2 ailesinde kodlamaya odaklı bir modeldir ve uzun bağlamlarda uçtan uca programlama görevlerini güvenilir şekilde tamamlamak için tasarlanmıştır. Metin ve görüntü girişi kabul eden yerel çok modlu uzman karışımı mimarisi kullanır ve her zaman düşünme modunda çalışır, çok turlu konuşmalarda tam muhakeme içeriğini korur. 256K token bağlam penceresi ile uzun vadeli kodlama, ajan görev ayrıştırması ve çok turlu diyalog hedefler. Model, yaklaşık 1T toplam parametreden 32B parametreyi etkinleştirir.

Bu model için rehberler

Kullanım Amacına Göre En İyi Yerel LLM (Ekim 2026): Her İş İçin Doğru Açık Model

Yerel AI için aslında ne kadar VRAM gerekiyor?

GGUF dosyası nedir? Kuantize modellerin açıklaması (Q4, Q8, fp8, NF4)

Tüm rehberler

Kaptanın notları

Captain tarafından yazıldı, ev editörü

2026-10-13 tarihli notlar

Kimi K2.7 Code, Moonshot AI'nın kodlama uzmanı modeli olup, 1 trilyon parametreli uzman karışımı mimarisiyle token başına 32 milyar parametreyi aktive eder. Her zaman düşünme modunda çalışır, çok turlu konuşmalarda muhakemeyi korur ve 256K token bağlam penceresiyle uzun vadeli yazılım mühendisliği görevlerine odaklanır. Açık ağırlıklı ve çok modlu olup, kendi kendine barındırılabilir yetenekli ajan tabanlı kodlama modeli arayan geliştiricilere uygundur.

İle tanınır

Karmaşık, çok adımlı yazılım mühendisliği iş akışlarında uçtan uca ajan tabanlı kodlama
Her zaman açık düşünme modu ile çok turlu oturumlarda tam muhakeme koruması
Büyük kod tabanları ve uzun görevler için uygun 256K token bağlam penceresi
Önceki K2.6 modeline göre yaklaşık %30 daha az düşünme tokenı kullanımı
Yerel MoonViT görsel kodlayıcı ile görüntü girişi kabul eder

Dikkat et

1 trilyon toplam parametre ile kendi kendine barındırma ciddi donanım gerektirir; indirmeden önce VRAM gereksinimlerini kontrol edin.
Gösterilen kıyaslamalar Moonshot AI'nın kendi iç değerlendirmeleri ile üçüncü taraflarınkini içerir; buna göre değerlendirin.
Çıktı token fiyatı $3.35/M olup, uzun düşünme modlu yanıtlar hızlıca maliyet oluşturur.

En iyi

Kodlama

Ajanlar ve araç kullanımı

Muhakeme

Uzun bağlam

Yerel çalışır

Denenecek istemler

Eski bir servisi yeniden düzenle

Kullanıcı kimlik doğrulamasını ham SQL sorguları ile yapan ve oturumları global bir sözlükte saklayan bir Python Flask servisim var. Bunu SQLAlchemy ORM, uygun bir oturum deposu kullanacak şekilde yeniden düzenle ve giriş doğrulaması ekle. Kodu yazmadan önce mantığını açıkla, sonra tam yeniden düzenlenmiş dosyaları üret.

Bir ikili dosyadan hata ayıkla

CSV dosyalarını ayrıştıran ve özet rapor üreten derlenmiş bir CLI aracım var. Kaynak kodu yok. Bayrakları ve çıktı formatını tanımlayan bu doküman parçasına dayanarak, boş dosyalar ve bozuk satırlar için uç durumları da kapsayan Python ile yeniden uygulama yaz.

Ajan tabanlı inşa planı

Go dilinde minimal bir REST API planla ve uygula: görev listesi için CRUD uç noktaları sunacak, verileri SQLite'ta saklayacak, temel JWT kimlik doğrulaması içerecek ve bir Dockerfile olacak. İşleri adımlara böl, her tasarım kararını mantıkla açıkla, sonra çalıştırmak için gereken tüm dosyaları yaz.

İle karşılaştır

Kimi Latest
Sadece API modeli
1,048,576 token bağlam · $0.29/M girdi, $24.00/M çıktı
Kimi K3
Açık ağırlıklı model
1,048,576 token bağlam · $0.30/M girdi, $11.94/M çıktı
Kimi K2 Thinking
Açık ağırlıklı model
262,144 token bağlam · $0.60/M girdi, $2.50/M çıktı
Kimi K2.5
Açık ağırlıklı model
262,144 token bağlam · $0.50/M girdi, $2.50/M çıktı

moonshotai tarafından daha fazla metin modeli

İnsanların sorduğu sorular

Kimi K2.7 Code ağırlıkları açık mı ve yerel çalıştırabilir miyim?: Evet, ağırlıklar moonshotai/Kimi-K2.7-Code adresinde Hugging Face üzerinde halka açıktır. 1 trilyon parametre ile ciddi donanım gereklidir; indirmeden önce VRAM rehberine bakın.
Kimi K2.7 Code maliyeti nedir ve bağlam uzunluğu ne kadardır?: API üzerinden milyon giriş tokenı başına $0.67, milyon çıkış tokenı başına $3.35 ücretlendirilir, bağlam penceresi 262.144 tokendir.
K2.7 Code, K2.6'dan nasıl farklıdır?: K2.7 Code, K2.6 üzerine inşa edilmiştir ve gerçek dünya uzun vadeli kodlama görevlerine odaklanır; token verimliliği artırılmış ve düşünme token kullanımı yaklaşık %30 azaltılmıştır.

Kaptanın kararı
Uzun bağlam ve her zaman açık muhakeme sunan ciddi bir açık ağırlıklı kodlama ajanı — ajan tabanlı yazılım mühendisliği iş yükünüz varsa donanım maliyetine değer.

Hugging Face'de model kartı

Kaptan bu notları modelin kendi açıklaması ve model kartından yazıyor. Fiyatlar ve bağlam boyutları yazım anındaki sağlayıcıya aittir ve değişebilir.

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

Bu skor nasıl hesaplanıyor

Bu modelin henüz herhangi bir kaynaktan popülerlik verisi yok, bu yüzden listelerin tamamlanması için 7,000° altında bir geçici sayı taşıyor. Verisi olan bir modelin önünde asla sıralanmaz. Bir kaynak rapor verdiğinde burada detaylar görünür.

Terimler: burada kullanılan ifadeler

Isı puanı: Bir modelin şu anda ne kadar kullanıldığı ve istendiğini gösteren tek sayı, 0° ile 9.999° arasında. Bu sitedeki en sıcak modeller listeleri buna göre sıralanır, başka hiçbir şeyle değil.
Taban: Gerçek verisi olan her modelin başladığı 7.000°. Ölçek 0° ile 9.999° arasında; tabanın altı veri olmayan modeller için ayrılmıştır, böylece veri olan model her zaman veri olmayanın üstünde yer alır. Taban herkes için aynıdır ve karar vermez; üzerindeki derece ölçümdür.
İndirme eşdeğerleri: Puanın indirme olarak saydığı her şeyin toplamı: indirmeler, her torrent seed'ı 1.000 olarak, her AI Horde resmi ve her jenerasyon sitesindeki çalışma bir olarak sayılır.
Logaritmik ölçek: Onluk sayma, bire bir değil: 1.000'den 10.000'e çıkmak, 10.000'den 100.000'e çıkmakla aynı dereceyi ekler. Devlerin diğerlerini gölgelemesini engeller.
Beğeniler: Her kaynaktan gelen beğeni ve onaylar, logaritmik ölçekte bir indirmenin yarısı değerinde.
Benimsenme oranı: Bir modelin şu anda günde kaç indirme aldığı, bir kaynağın iki ölçümü arasındaki farktan hesaplanır. İndirme teriminin dörtte biri ağırlığında.
Ölçülen ve tahmin edilen: Ölçülen, bir kaynaktan iki okuma olduğu ve farkın gerçek olduğu anlamına gelir. Tahmin edilen ise sadece bugünün toplamının bilindiği ve geçmişin modelin ömrü boyunca dağıtıldığı anlamına gelir; site hangisini gösterdiğini belirtir.
Seeder: Ağırlıkların bir kopyasını torrent üzerinden başkalarının indirebilmesi için çevrimiçi tutan biri veya aynı işi yapan barındırılan bir ayna. Her biri 1.000 indirme olarak sayılır.
AI Horde: Bağışlanan bilgisayarlarda ücretsiz olarak görüntü üreten gönüllü bir ağ. Bir modelle yaptığı görüntü sayısı açıktır ve her biri bir indirme olarak sayılır.
Üretim siteleri: Kendi modellerinin kopyalarını barındıran ve insanların bunlarla üretim yapmasına izin veren siteler, örneğin PixAI, SeaArt ve Yodayo. İndirmeleri Civitai gibi sayılır ve her üretim bir indirme olarak kabul edilir.
OpenRouter tokenları: Claude veya GPT gibi API üzerinden sunulan bir metin modelinin indirilecek ağırlıkları yoktur, bu yüzden kullanımı tokenlarla ölçülür: son 30 günde OpenRouter üzerinden okuduğu ve yazdığı metin parçaları. Her 10,000,000 token bir indirme sayılır. Kaynak: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Tam model (checkpoint): Ağırlıkların kendisi, kendi başına üretim yapan dosya. Eklentilerin buna bağlı olması nedeniyle ekstra puan alır.
LoRA ve embedding: Başkasının ağırlıklarını belirli bir stile, karaktere veya konsepte yönlendiren küçük eklenti dosyaları. Tek başlarına çalışamazlar.
Aile ve ağırlıklar: Bir modelin üzerine kurulduğu temel, örneğin SD 1.5, SDXL, Flux veya Wan. Her model ailesinin ağırlıklarının yayın tarihini miras alır.
Yaş: Ailenin ağırlıklarının ne kadar önce çıktığına göre çıkarılan derece: yılda 150°, maksimum 750°. Yıllar içinde biriken eski indirmeleri listenin en üstünde tutar.
Aile desteği: Bu sitenin şu anda desteklediği bir ailenin LoRA'ları için küçük, sınırlı bir destek, her zaman detaylarda listelenir.
Yer tutucu puan: Henüz hiçbir kaynaktan rapor almamış bir modele verilen tabanın altındaki sabit bir sayı, böylece listeler eksiksiz kalır. Hiçbir zaman veri olan bir modelin üstünde sıralanmaz.
Yeni! (hoşgörü süresi): 7 günden daha yeni modeller puan yerine Yeni! gösterir ve sıralamada yer almaz. Puanları ilk günden hesaplanır, ancak bir günlük model her şeyden hızlı büyür, bu yüzden beklemeden haftanın #1'i her zaman dün çıkan model olurdu, haftalarca dayanmış olan değil.
Trend: Bir modelin belli bir dönemdeki büyümesinin, aynı dönemdeki tipik model büyümesiyle karşılaştırılması. Tipikten hızlıysa yükseliş, yavaşsa düşüş olarak okunur.
Tipik model: Kataloğun ortası: rakamı olan modellerin yarısı dönemde daha hızlı büyüdü, yarısı daha yavaş.

Benzer Modeller

Görsel, Video ve Metin Üretimi için Yapay Zeka Modelleri

Kimi K2.7 Kod, açık kaynak yapay zeka görsel, video ve metin modellerinin salt okunur kataloğu ModelTrends.ai'de listelenen Text / LLM ailesine ait bir metin modeli modelidir. Diğer Text / LLM modelleriyle karşılaştırın ve trendini görmek için popülerlik puanına bakın.

Daha fazla Text / LLM modeli Daha fazla Text / LLM Metin / LLM llm moonshotai görüş akıl yürütme kodlama ajanlar uzun bağlam yerel

Model Ailesine Göre Göz At