Kimi K2.7 Code — VRAM, szybkość i lokalna konfiguracja
Autor: Jakub Rusinowski · Ostatnia aktualizacja:
Moonshot's coding-specialised build, layered directly on top of K2.6: 1 trillion total parameters with 32B active per token across 384 experts (8 selected plus 1 shared), 61 layers, MLA attention, and a 400M-parameter MoonViT encoder for image and video input. Reported ~30% fewer reasoning tokens than K2.6 at higher coding scores. Weights ship in native INT4 via quantization-aware training. 256K context. At ~340 GB even in INT4 this is a datacenter deployment, not a desktop one — most people reach it through the API.
Kimi K2.7 Code potrzebuje około 605 GB VRAM przy INT4 (native) — skwantyzowane wagi plus narzut frameworka, bez pamięci podręcznej KV. Na Apple Silicon ta wartość pochodzi z pamięci zunifikowanej.
VRAM i szybkość według kwantyzacji
Liczone dla NVIDIA RTX 4090 (24 GB). Tylko wagi i narzut: architektura tego modelu nie jest opublikowana, więc nie doliczamy pamięci KV.
| Kwant. | Pamięć | VRAM | Szybkość (szac.) | Dopasowanie |
|---|---|---|---|---|
| Q2_K 2.63 bpw | 329.6 GB | — | Za duży | |
| Q3_K_M 3.41 bpw | 427.1 GB | — | Za duży | |
| Q4_K_M 4.83 bpw | 604.6 GB | — | Za duży | |
| Q5_K_M 5.67 bpw | 709.6 GB | — | Za duży | |
| Q6_K 6.56 bpw | 820.8 GB | — | Za duży | |
| Q8_0 8.50 bpw | 1063.3 GB | — | Za duży | |
| F16 16.00 bpw | 2000.8 GB | — | Za duży |
Czarny znacznik = dostępna pamięć na NVIDIA RTX 4090 (24 GB). Szacunki z modelu przepustowości pamięci opisanego na stronie metodologii. Kalkulator VRAM dla Kimi K2.7 Code →
Uruchom Kimi K2.7 Code
Kimi K2.7 Code is not practical on a single consumer GPU: it needs about 604.6 GB at Q4_K_M, more than any single device in our catalogue holds with headroom. How multi-GPU inference works, or rent a multi-GPU server by the hour:
Jako partner Amazon zarabiamy na kwalifikujących się zakupach. Linki do chmurowych GPU są linkami polecającymi — możemy otrzymać prowizję bez dodatkowych kosztów dla Ciebie.
Jak uruchomić Kimi K2.7 Code
Zainstaluj Ollama, a potem uruchom:
ollama run kimi-k2Specyfikacja
Preview — The model is released, but these specs are thin or rest on a single source. Individual fields may be wrong.
Preview — The model is released, but these specs are thin or rest on a single source. Individual fields may be wrong.
- Parametry
- 1 Trillion (32B active)
- Okno kontekstu
- 262,144
- Architektura
- MoE (384 experts, MLA) + MoonViT vision
- Dostawca
- Moonshot AI
- Licencja
- Modified MIT (attribution above ~100M MAU / ~$20M monthly revenue)
- Practical deployment
- Private cloud / datacenter cluster
- Określono przy
- INT4 (native)
- RAM systemowy
- 768 GB
- Rekord zaktualizowany
- 2026-08-15
Commercial use permitted. No usage restrictions beyond attribution.
Jakość i zastosowania
Wyniki opublikowane przez autorów modelu lub niezależnego oceniającego — jakość, nie przepustowość, i nie mierzone przez nas.
Inne rozmiary Kimi K2.5 / K2.6 / K2.7
Kimi K2.7 Code — najczęściej zadawane pytania
How much VRAM does Kimi K2.7 Code need?
About 605 GB at INT4 (native) — quantized weights plus framework overhead, before any KV cache. The cache grows with context length and is added on top; the table above folds it in. Apple Silicon counts unified memory toward the same figure.
Does Kimi K2.7 Code run on an RTX 4090 (24 GB)?
No. Kimi K2.7 Code needs about 605 GB at INT4 (native), more than a single RTX 4090's 24 GB. It needs a larger card, several GPUs, or Apple Silicon with enough unified memory — or it runs with part of the weights offloaded to system RAM, which is much slower.
How do I run Kimi K2.7 Code locally?
Install Ollama and run `ollama run kimi-k2`. That pulls the weights and starts a local OpenAI-compatible endpoint; after the download nothing leaves the machine.
What other sizes does Kimi K2.5 / K2.6 / K2.7 come in?
Kimi K2.5 (605 GB), Kimi K2.6 (605 GB), Kimi K2.5 1T (32B Active) (605 GB), Kimi K2.7 Code (605 GB). Every size shares the family's training and licence; the larger ones score higher and need proportionally more memory.