GPT
הוספת כלי
K

Kimi-K2.7-Code

קוד פתוח

moonshotaiother2026-06-11

  • transformers
  • safetensors
  • kimi_k25
  • feature-extraction
  • compressed-tensors

זה מודל קוד וסוכנים ענק שמשלב ראייה, ומיועד להריץ משימות פיתוח מורכבות תוך חיסכון של כשלושים אחוז בטוקנים של חשיבה מול הגרסה הקודמת.

  • 1027Bפרמטרים
  • 262,144טוקנים בהקשר
  • 554 GBמשקל הקבצים
  • 207,403הורדות בחודש

מה זה

מדובר במודל שפותח כדי להתמודד עם תהליכי הנדסת תוכנה מקצה לקצה. הארכיטקטורה שלו מבוססת על תערובת מומחים עם טריליון פרמטרים בסך הכול, אבל רק 32 מיליארד מופעלים בכל טוקן, לצד אנקודר ראייה ייעודי של 400 מיליון פרמטרים שמאפשר לו לקרוא גם תמונות ווידאו.

במבחני ביצועים הוא עוקף בעקביות את הדור הקודם שלו, K2.6, אבל מול השחקנים המובילים בשוק התמונה מורכבת. במבחן Program Bench שדורש שחזור בינארי שלם הוא מגיע לציון 53.6 לעומת 69.1 של מתחרים, וב־Kimi Code Bench v2 הוא משיג 62 מול 69. נקודת החוזק הבולטת שלו היא בשימוש בכלים דרך פרוטוקול MCP, שם קיבל 81.1 במבחן MCPMark המאומת ועקף את קלוד אופוס.

מתאים ל

  • אוטומציה מבוססת MCP

    חיבור כלי פיתוח למסדי נתונים, גיטהאב ומערכות קבצים, בזכות ציון גבוה במיוחד במבחני שימוש בכלים.

  • סוכן לפיתוח פרויקטים

    ביצוע משימות קוד ארוכות ורב שלביות שדורשות שמירה רציפה של תהליך החשיבה בין פקודות.

  • ניתוח תקלות מתמונות

    פתרון בעיות תוכנה שכוללות צילומי מסך או ארכיטקטורה ויזואלית בזכות רכיב הראייה המובנה.

איפה זה נופל

הוא לא תומך במצב מענה מהיר. מנגנון החשיבה המעמיקה כפוי כברירת מחדל ואי אפשר לכבות אותו, מה שמייצר זמני תגובה ארוכים. המודל שומר את כל תוכן המחשבה שלו בין אינטראקציות ואי אפשר לבטל זאת, מה שמעמיס על זיכרון השיחה. בנוסף, יכולת ניתוח הווידאו מוגדרת ניסיונית וזמינה רק דרך ה־API הרשמי.

שאלות
נפוצות

האם אפשר לכבות את מנגנון ה־Thinking כדי לחסוך זמן תגובה?

לא. הכרטיס מבהיר במפורש שהמודל כופה את מצב החשיבה ואינו תומך במצב מיידי. הוא מתוכנן לייצר תהליך חשיבה פנימי מפורט לפני כל מענה.

כמה זיכרון דרוש כדי לטעון אותו לוקאלית?

קבצי המודל שוקלים 554 גיגה בייט. גם עם כימות מסוג int4 תצטרכו שרת ייעודי עם מאות גיגה בייט של זיכרון כרטיסי מסך כדי להחזיק את המודל ואת חלון ההקשר.

איך מריצים

המשקלים דורשים הורדה של 554 גיגה בייט ב־87 קבצים. כדי להרים דבר כזה באופן עצמאי תצטרכו שרת עם מערך מרובה כרטיסי GPU חזקים מאוד, כאשר המפרסמים ממליצים על מנועי הרצה כמו vLLM, SGLang או KTransformers, וכן על כימות מובנה מסוג int4.

אם אין לכם תשתית כבדה בארגון, אין היגיון טכני או כלכלי לנסות לארח אותו לבד. עדיף בהרבה להשתמש ב־API הרשמי של החברה, שתומך בממשקים תואמים ל־OpenAI ול־Anthropic, ומאפשר גם שימוש בניתוח וידאו שכרגע לא עובד בסביבות צד שלישי.

from transformers import pipeline

pipe = pipeline("image-text-to-text", model="moonshotai/Kimi-K2.7-Code")
print(pipe("שלום"))

הקבצים

87 קבצים במאגר, 554 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

הרישיון

המודל והקוד מפורסמים תחת רישיון Modified MIT. השם מעיד על שינויים שנוספו לרישיון MIT המקורי, ולכן חובה לקרוא את קובץ התנאים המדויק במאגר לפני שמפיצים אותו או משלבים אותו במוצר מסחרי.

הרישיון המלא בעמוד המודל ↗