Kimi K2.7 Код
5848°
Запустити модель
Пропозиції / Реклама
MoonshotAI | 262,144 токени контексту | $0.67/М вхід, $3.35/М вихід. MoonshotAI: Kimi K2.7 Код — це модель, орієнтована на кодування, у сімействі Moonshot AI Kimi K2, створена для надійного виконання програмних завдань від початку до кінця на довгих контекстах. Вона використовує рідну мультимодальну архітектуру mixture-of-experts, що приймає текстовий та зображувальний вхід, і завжди працює в режимі мислення, зберігаючи повний зміст логіки в багатокрокових діалогах. З контекстним вікном у 256К токенів, вона орієнтована на довготривале кодування, агентське розбиття завдань і багатокроковий діалог. Модель активує 32B параметрів із приблизно 1T загальних.
Посібники до цієї моделі
Найкращі локальні LLM за випадками використання (жовтень 2026): правильна відкрита модель для кожного завдання
Скільки VRAM мені справді потрібно для локального ШІ?
Що таке файл GGUF? Пояснення квантизованих моделей (Q4, Q8, fp8, NF4)
Нотатки капітана
Нотатки від 2026-10-13
Kimi K2.7 Code — це спеціалізована модель для кодування від Moonshot AI, побудована на архітектурі mixture-of-experts з 1 трильйоном параметрів, що активує 32 млрд параметрів на токен. Вона завжди працює в режимі мислення, зберігаючи міркування між багатокроковими сесіями, і орієнтована на довготривалі завдання інженерії програмного забезпечення з контекстом 256К токенів. Відкриті ваги та мультимодальна підтримка роблять її придатною для розробників, які хочуть потужну агентну модель кодування для самостійного запуску.
Відомий за
- Повноцінне агентне кодування складних багатокрокових робочих процесів розробки ПЗ
- Завжди увімкнений режим мислення з повним збереженням міркувань між сесіями
- Контекстне вікно 256К токенів для великих кодових баз і довгих завдань
- Приблизно на 30% менше токенів мислення порівняно з попередником K2.6
- Підтримка введення зображень через рідний візуальний енкодер MoonViT
Зверніть увагу на
- Загалом 1 трлн параметрів — для самостійного розгортання потрібне серйозне обладнання; перед завантаженням перевірте вимоги до VRAM.
- Показані бенчмарки — це власні внутрішні оцінки Moonshot AI поряд із сторонніми; оцінюйте відповідно.
- Вартість вихідних токенів $3.35 за мільйон швидко накопичується при довгих відповідях у режимі мислення.
Підказки для спроби
Рефакторинг застарілого сервісу
У мене є сервіс Python Flask, що обробляє аутентифікацію користувачів за допомогою сирих SQL-запитів і зберігає сесії у глобальному словнику. Переробіть його на використання ORM SQLAlchemy, належного сховища сесій і додайте валідацію введення. Спочатку поясніть свій підхід, а потім напишіть повні перероблені файли.
Відлагодження за бінарником
У мене є скомпільований CLI-інструмент, що парсить CSV-файли і виводить звіт. Джерельного коду немає. На основі цього фрагмента документації про прапорці та формат виводу напишіть Python-реалізацію, що відповідає поведінці, включно з крайніми випадками для порожніх файлів і пошкоджених рядків.
План агентного створення
Сплануйте і реалізуйте мінімальний REST API на Go з CRUD-ендпоінтами для списку завдань, зберіганням у SQLite, базовою JWT-аутентифікацією та Dockerfile. Розбийте роботу на кроки, обґрунтуйте кожне проектне рішення, а потім напишіть усі файли для запуску.
Порівняти з
- Kimi LatestМодель тільки з APIконтекст 1,048,576 токенів · $0.29/M вхід, $24.00/M вихід
- Kimi K3Модель з відкритими вагамиконтекст 1,048,576 токенів · $0.30/M вхід, $11.94/M вихід
- Kimi K2 ThinkingМодель з відкритими вагамиконтекст 262,144 токенів · $0.60/M вхід, $2.50/M вихід
- Kimi K2.5Модель з відкритими вагамиконтекст 262,144 токенів · $0.50/M вхід, $2.50/M вихід
Більше текстових моделей від moonshotai
Питання, які задають люди
- Чи відкриті ваги Kimi K2.7 Code і чи можна запускати її локально?
- Так, ваги публічно доступні на Hugging Face за адресою moonshotai/Kimi-K2.7-Code. Через 1 трлн параметрів потрібне потужне обладнання; перед завантаженням ознайомтеся з гідом по VRAM.
- Скільки коштує Kimi K2.7 Code і яка довжина контексту?
- Через API ціна $0.67 за мільйон вхідних токенів і $3.35 за мільйон вихідних, з контекстним вікном 262 144 токени.
- Чим K2.7 Code відрізняється від K2.6?
- K2.7 Code побудована на базі K2.6 з акцентом на реальні довготривалі завдання кодування та покращену ефективність токенів, зменшуючи використання токенів мислення приблизно на 30% порівняно з K2.6.
Вердикт капітанаСерйозний агент для кодування з відкритими вагами, довгим контекстом і завжди увімкненим міркуванням — вартий витрат на обладнання, якщо ваша робота — агентне програмування.
Картка моделі на Hugging Face
Капітан пише ці нотатки на основі опису моделі та картки моделі. Ціни та розміри контексту вказані на момент написання і можуть змінюватися.
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.
Як цей бал складається
Ця модель поки що не має даних про популярність з жодного джерела, тому вона має замінне число нижче за 7,000°, щоб списки залишалися повними. Вона ніколи не буде вище за модель з даними. Розподіл з’явиться тут, щойно джерело його надасть.
Глосарій: терміни, що тут використовуються
- Оцінка популярності
- Одне число, що показує, наскільки модель зараз використовується і потрібна, від 0° до 9,999°. Кожен список на цьому сайті, який називається найгарячішим, відсортований саме за цим числом.
- Початкова оцінка
- 7,000° — це стартова оцінка для кожної моделі з реальними даними. Шкала від 0° до 9,999°; частина нижче початкової оцінки відведена для моделей без даних, щоб модель з даними завжди була вище. Початкова оцінка однакова для всіх і нічого не вирішує; градуси вище неї — це власне вимірювання.
- Еквіваленти завантажень
- Все, що оцінка рахує як завантаження, підсумовано: самі завантаження, кожен торрент-сідер як 1,000, кожне зображення AI Horde і кожен запуск на сайті генерації як один.
- Логарифмічна шкала
- Рахунок по десятках, а не по одиницях: перехід від 1,000 до 10,000 завантажень додає ті ж градуси, що й від 10,000 до 100,000. Це не дає гігантам витіснити все інше.
- Лайки
- Вподобання і лайки з усіх джерел, вартістю половини завантаження на логарифмічній шкалі.
- Швидкість прийняття
- Скільки завантажень на день модель отримує зараз, за різницею між двома замірами джерела. Чверть ваги від терміну завантажень.
- Виміряно та оцінено
- Виміряно означає, що є два показники джерела, і різниця справжня. Оцінено означає, що відомий лише загальний показник за сьогодні, а минуле розподілено на весь час існування моделі; сайт показує, який саме варіант відображається.
- Сідер
- Хтось, хто тримає копію вагів онлайн, щоб інші могли завантажувати через торрент, або хостинг-дзеркало, що робить те саме. Кожен такий рахується як 1000 завантажень.
- AI Horde
- Добровільна мережа, яка безкоштовно генерує зображення на пожертвуваних комп’ютерах. Кількість зображень, створених з моделлю, публічна, і кожне рахується як одне завантаження.
- Сайти генерації
- Сайти, які розміщують власні копії моделі і дозволяють людям генерувати з нею, наприклад PixAI, SeaArt і Yodayo. Їхні завантаження рахується так само, як у Civitai, а кожен запуск генерації — як одне завантаження.
- Токени OpenRouter
- Текстова модель, що обслуговується через API, як Claude або GPT, не має ваг для завантаження, тому її використання вимірюється токенами: частинами тексту, які вона прочитала і написала через OpenRouter, шлюз, який використовують багато додатків, за останні 30 днів. Кожні 10,000,000 токенів рахується як одне завантаження. Джерело: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- Повна модель (чекпойнт)
- Самі ваги, файл, який генерує самостійно. Має бонус, бо від нього залежать додатки.
- LoRA та embedding
- Малі додаткові файли, які направляють чужі ваги в певний стиль, персонажа чи концепцію. Вони не можуть працювати самі по собі.
- Сімейство та ваги
- База, на якій побудована модель, наприклад SD 1.5, SDXL, Flux або Wan. Кожна модель успадковує дату виходу вагів свого сімейства.
- Вік
- Віднімається градус за те, як давно вийшли ваги сімейства: 150° за рік, максимум 750°. Це зберігає старі завантаження, які мали роки, щоб накопичитись, заморожуючи їх на верху списку.
- Підсилення сімейства
- Невеликий, обмежений поштовх для LoRA сімейства, яке цей сайт зараз просуває, завжди вказується в розподілі.
- Оцінка заміщення
- Стабільне число нижче мінімуму, яке дають моделі, про яку ще немає даних, щоб списки були повними. Воно ніколи не вище за модель з даними.
- Новинка! (період очікування)
- Модель віком менше 7 днів показує Новинка! замість оцінки і не займає місце в рейтингах. Її оцінка обчислюється з першого дня, але модель віком один день росте швидше за все, тому без очікування #1 тижня завжди була б та, що вийшла вчора, а не та, що трималась тиждень.
- Тренд
- Як зростання моделі за період порівнюється зі звичайним зростанням моделей за той самий період. Швидше за звичайне — це підйом, повільніше — спад.
- Типова модель
- Середина каталогу: половина моделей з показником зросла швидше за цей період, половина повільніше.
Kimi K2.7 Код — це текстова модель для сімейства Text / LLM, представлена на ModelTrends.ai, каталозі лише для читання відкритих моделей ШІ для зображень, відео та тексту. Порівняйте її з іншими моделями Text / LLM і перевірте бал популярності, щоб побачити тренд.
Більше моделей Text / LLMБільше Text / LLM Текст / LLMllmmoonshotaiбаченнялогікакодуванняагентидовгий контекстлокально
Перегляд за сімейством моделей
Моделі Text / LLM
434
Моделі Anima
528
Моделі Chroma
19
Моделі Fibo
2
Моделі Flux
1,496
Моделі Flux 2 / Klein
1,239
Моделі Flux 3
3
Моделі Moss
3
Моделі Iris
1
Моделі MiniMax H3
364
Моделі Hunyuan
204
Моделі Ideogram
20
Моделі Krea2
717
Моделі Qwen
20
Моделі Qwen2
47
Моделі Ltx2
153