橙子AI科技 Logo 橙子AI科技 需求咨询
菜单
模型

Kimi-K2.7-Code

moonshotai/Kimi-K2.7-Code

查看上游原文 ↗
上游访问：公开 本站服务：可咨询 内容检查：AI 辅助整理并检查 许可证：modified-mit 上游版本：74797c9c6237

中文简介

moonshotai/Kimi-K2.7-Code 是 moonshotai 在 Hugging Face 发布的模型仓库，当前卡片主要关联图文理解与多模态生成、文本生成与推理。本站固定记录上游版本 74797c9c6237，同步到 87 个文件，文件元数据合计 554.33 GB；访问状态为“公开”，许可证字段为“modified-mit”。

UPSTREAM README

上游模型卡 / 数据集卡

在 Hugging Face 查看原文 ↗

【README 卡片中文译介】

以下内容依据上游仓库 moonshotai/Kimi-K2.7-Code 的固定版本 README、卡片字段和文件元数据进行中文结构化整理。它保留便于选型的关键信息，完整技术细节、代码示例和许可文本请同时查看上游原文。

【资源概览】
moonshotai/Kimi-K2.7-Code 是 moonshotai 在 Hugging Face 发布的模型仓库，当前卡片主要关联图文理解与多模态生成、文本生成与推理。本站固定记录上游版本 74797c9c6237，同步到 87 个文件，文件元数据合计 554.33 GB；访问状态为“公开”，许可证字段为“modified-mit”。

【适用方向】
适合评估代码生成、仓库级理解、软件工程智能体和开发辅助流程。 建议先用小规模样本验证推理框架、输入输出格式和任务指标，再决定是否进入完整权重获取、量化或部署评估。

【版本与规格】
固定版本：74797c9c6237。 任务标签：图文理解与多模态生成、文本生成与推理。 架构：KimiK25ForConditionalGeneration。 上游 Safetensors 元数据显示参数量约 1058.59 B。 库标记：transformers。 模型类型字段：kimi_k25。 上游页面记录的最近更新时间：2026-06-15。

【文件信息】
上游 API 返回 87 个文件，文件元数据合计 554.33 GB。 已保存文件清单中的主要扩展名：.safetensors 64 个、.py 9 个、.json 5 个、.md 3 个、无扩展名 2 个、.jinja 1 个。 当前较大的文件包括：model-00011-of-000064.safetensors（9.14 GB）；model-00012-of-000064.safetensors（9.14 GB）；model-00013-of-000064.safetensors（9.14 GB）。

【运行或处理环境】
仓库文件元数据合计 554.33 GB。 按每参数 2 字节只计算 BF16 权重，理论下限约 1.93 TB；这不包含 KV Cache、激活值、框架开销或并发余量。 实际显存与内存由精度、量化方式、上下文长度、批量、并发、MoE 专家加载方式和推理框架共同决定，不能只凭参数名或仓库大小作部署承诺；应在目标格式和目标硬件上实测。

【使用边界】
许可证显示为“modified-mit”，具体用途限制、附加政策和归属要求仍以上游原文为准。 模型输出、工具调用和生成内容可能出现错误、偏见或安全风险，面向业务前应建立任务级评测、权限隔离和人工确认。

已有简体中文译文 · Codex 基于固定版本 README 与上游元数据生成中文结构化译介 · 2026-07-24 01:09

1. Model Introduction Kimi K2.7 Code is a coding-focused agentic model built upon Kimi K2.6. With substantial improvements on real-world long-horizon coding tasks, it strengthens end-to-end task completion across complex software engineering workflows while improving token efficiency, reducing thinking-token usage by approximately 30% compared with Kimi K2.6. 2. Model Summary | | | |:---:|:---:| | **Architecture** | Mixture-of-Experts (MoE) | | **Total Parameters** | 1T | | **Activated Parameters** | 32B | | **Number of Layers** (Dense layer included) | 61 | | **Number of Dense Layers** | 1 | | **Attention Hidden Dimension** | 7168 | | **MoE Hidden Dimension** (per Expert) | 2048 | | **Number of Attention Heads** | 64 | | **Number of Experts** | 384 | | **Selected Experts per Token** | 8 | | **Number of Shared Experts** | 1 | | **Vocabulary Size** | 160K | | **Context Length** | 256K | | **Attention Mechanism** | MLA | | **Activation Function** | SwiGLU | | **Vision Encoder** | MoonViT | | **Parameters of Vision Encoder** | 400M | 3. Evaluation Results Benchmark Kimi K2.6 Kimi K2.7 Code GPT-5.5 Claude Opus 4.8 Coding Kimi Code Bench v2 50.9 62.0 69.0 67.4 Program Bench 48.3 53.6 69.1 63.8 MLS Bench Lite 26.7 35.1 35.5 42.8 Agentic Kimi Claw 24/7 Bench 42.9 46.9 52.8 50.4 MCP Atlas 69.4 76.0 79.4 81.3 MCP Mark Verified 72.8 81.1 92.9 76.4 Footnotes 1. **General Testing Details** Unless stated otherwise, Kimi K2.7 Code and K2.6 were tested with thinking mode enabled via Kimi Code CLI at temperature = 1.0, top-p = 0.95, and a 262,144-token context length; GPT-5.5 ran in Codex with xhigh mode, and Opus 4.8 in Claude Code with xhigh mode. Aside from these differences, all benchmarks were evaluated under the same conditions. 2. **Coding Benchmarks** Kimi Code Bench V2 is our in-house benchmark designed to evaluate coding agents on realistic tasks. It has diversed software engineering tasks across 10+ mainstream programming languages and a full production tech stack coveri

公开页仅展示原文摘录；完整模型卡或数据集卡请前往上游仓库查看。

适用场景

适合评估代码生成、仓库级理解、软件工程智能体和开发辅助流程。 建议先用小规模样本验证推理框架、输入输出格式和任务指标，再决定是否进入完整权重获取、量化或部署评估。

模型参数

固定版本：74797c9c6237。 任务标签：图文理解与多模态生成、文本生成与推理。 架构：KimiK25ForConditionalGeneration。 上游 Safetensors 元数据显示参数量约 1058.59 B。 库标记：transformers。 模型类型字段：kimi_k25。 上游页面记录的最近更新时间：2026-06-15。

文件说明

上游 API 返回 87 个文件，文件元数据合计 554.33 GB。 已保存文件清单中的主要扩展名：.safetensors 64 个、.py 9 个、.json 5 个、.md 3 个、无扩展名 2 个、.jinja 1 个。 当前较大的文件包括：model-00011-of-000064.safetensors（9.14 GB）；model-00012-of-000064.safetensors（9.14 GB）；model-00013-of-000064.safetensors（9.14 GB）。

上游文件元数据

以下仅为 Hugging Face 官方 API 返回的文件名与大小元数据，官网没有下载或托管这些文件。

  • .gitattributes1.60 KB
  • chat_template.jinja2.33 KB
  • config.json5.29 KB
  • configuration_deepseek.py10.37 KB
  • configuration_kimi_k25.py5.31 KB
  • docs/deploy_guidance.md3.60 KB
  • figures/demo_video.mp4263.77 KB
  • figures/kimi-logo.png85.93 KB
  • generation_config.json91 B
  • kimi_k25_processor.py6.74 KB
  • kimi_k25_vision_processing.py9.78 KB
  • LICENSE1.44 KB

硬件建议

仓库文件元数据合计 554.33 GB。 按每参数 2 字节只计算 BF16 权重，理论下限约 1.93 TB；这不包含 KV Cache、激活值、框架开销或并发余量。 实际显存与内存由精度、量化方式、上下文长度、批量、并发、MoE 专家加载方式和推理框架共同决定，不能只凭参数名或仓库大小作部署承诺；应在目标格式和目标硬件上实测。

注意事项

许可证显示为“modified-mit”，具体用途限制、附加政策和归属要求仍以上游原文为准。 模型输出、工具调用和生成内容可能出现错误、偏见或安全风险，面向业务前应建立任务级评测、权限隔离和人工确认。

获取、校验与交付

咨询此资源时只需发送本页链接或资源准确全称。橙子AI科技会继续核对版本、文件与类型、README资料卡、许可证和访问条件，并在合法访问权限、许可证及平台规则允许的前提下，协助海内外下载、完整性校验及网盘或硬盘交付；本官网本身不托管或下载资源文件。

第三方资源声明

本页面为橙子AI科技基于固定版本上游卡片整理的中文信息与服务说明，不代表资源作者或平台官方页面。实际许可、访问和使用条件以上游原文为准。