Kimi K2.7 Code calculadora TPS
Cada tarjeta a continuación se evalúa con respecto a este modelo en la longitud de contexto y calidad mínima que elijas. La velocidad es una estimación para una solicitud única, calculada a partir del ancho de banda de memoria de la tarjeta y el tamaño del modelo una vez comprimido..
Calculado para este modelo
¿Qué GPUs pueden ejecutar? Kimi K2.7 Code?
Configura las entradas, lee la respuesta.
Una conversación más larga necesita más memoria, lo que puede hacer que este modelo no quepa en tarjetas más pequeñas..
Oculta las tarjetas que solo encajarían en el modelo comprimiéndolo por debajo de este punto..
0 las tarjetas coinciden
Calculando| necesidades | Cuantización | Ajustado | |||||
|---|---|---|---|---|---|---|---|
|
Ninguna tarjeta en nuestro catálogo puede ejecutar este modelo con estas configuraciones. |
|||||||
Las velocidades son estimaciones para una sola solicitud — una conversación a la vez — calculadas a partir del ancho de banda de memoria, el tamaño del modelo y la cuantización. El rendimiento real varía con el tiempo de ejecución de la inferencia y su versión. Las cifras publicadas por los proveedores de hardware miden muchas solicitudes simultáneas y son mucho más altas..
En registro
Especificación completa
Todo lo registrado para este modelo. La mayor parte describe cómo fue entrenado más que cómo se ejecuta, un contexto útil para juzgar cuánto trabajo se invirtió en él y cómo se compara con modelos construidos a una escala diferente..
Origen
¿Quién construyó este modelo, dónde y cuándo se publicó?
- Organización
- Moonshot
- Tipo de organización
- Industry
- País
- China
- Publicado
- 12 June 2026
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Language, Multimodal, Vision
- Tarea
- Language modeling/generation, Code generation
- Modelo base
- Kimi K2.6
Tamaño
Qué tan grande es el modelo y cuánta data fue entrenada. Los parámetros son la cifra que decide si se ajusta a una GPU dada.
- Parámetros
- 1T
- Espacio entrenado
- tokens
Disponibilidad
Si puedes obtener el modelo y ejecutarlo en tu propio hardware, lo que decide si alguna de las cifras de la tarjeta gráfica en esta página se aplica.
- Pesos
- Open — downloadable
- Acceso al modelo
- Open weights (unrestricted)
- Hugging Face
- moonshotai
Cómo está clasificado
Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán seguro está de la entrada.
- Modelo/modelos siempre significa modelos de IA. Ejecutar/ejecutando significa ejecutar un modelo de IA. Si solo obtienes la palabra ejecutar, es probable que provenga de una frase dividida, como qué modelo de IA puede ejecutar la GPU. no cabe/no encajará significa que el modelo de IA no cabe en la VRAM de la GPU. apretado = apenas ejecutable, cómodo = se ejecuta fácilmente con margen.
- Confident
Fuentes
Dónde proviene este registro y cuándo se verificó por última vez.
- Referencia
- Kimi K2.7 Code
- Última actualización
- 8 July 2026
Qué significan los números
El lado del hardware
At 1T parameters, Kimi K2.7 Code is beyond what any single graphics card holds. Running it means either splitting it across several cards or renting hardware built for the job — 0 of the cards we track can hold it on their own, and all of them are datacentre parts.
Acerca de este modelo
Kimi K2.7 Code was published by Moonshot, in China, in June 2026. industry is the category the publisher falls under.
It works in Language, Multimodal, Vision, and is recorded as doing language modeling/generation, Code generation.
It builds on Kimi K2.6, which is why it shares that model's general shape and size.
The weights being open is what puts this page in the calculator rather than only in the catalogue: it is a model you can actually hold. It is published under the moonshotai organisation on Hugging Face.
Paso a paso
Cómo elegir una GPU para Kimi K2.7 Code
La tabla anterior ya ha evaluado cada tarjeta cuya especificación tenemos contra este modelo. Llegar a tu respuesta lleva seis pasos..
-
01
Modelo/modelos no cabe / no encajará en la VRAM de la GPU. Se ejecuta / corriendo cómodamente con margen.
Every card here has been checked against Kimi K2.7 Code. Capacity is the gate — a card either holds it or it does not.
-
02
Decide cuánto tiempo duran tus conversaciones
Set the context to what you will actually use. The cache grows with the conversation, and it is the usual reason Kimi K2.7 Code stops fitting a card that seemed fine.
-
03
Elige cuánto lo comprimirás
Compression is what makes Kimi K2.7 Code fit smaller cards, at some cost in accuracy. A minimum quality removes the ones that go too far.
-
04
Clasifica por rendimiento en lugar de especificaciones.
Ranking by tokens per second for Kimi K2.7 Code follows memory bandwidth, not core counts.
-
05
Read the fit column last
Tight means Kimi K2.7 Code loads and works, with no room to raise the context later. Comfortable means you can. The difference matters more than a few tokens per second.
-
06
Verifica la tarjeta del otro lado
Each card page repeats this sweep for every model we hold. It answers what else the hardware is good for, beyond Kimi K2.7 Code.
Respuestas
Kimi K2.7 Code — Preguntas comunes
Would two GPUs run Kimi K2.7 Code faster?
Two cards buy memory rather than speed. That matters for Kimi K2.7 Code only if one card cannot hold it — 0 can, so a second adds little.
Why does the quantisation differ between cards for Kimi K2.7 Code?
Because capacity varies, so does how hard Kimi K2.7 Code has to be squeezed — 1 distinct levels appear in the table above. Set a minimum quality to compare at one.
How accurate are these Kimi K2.7 Code speed estimates?
Se calculan a partir de especificaciones en lugar de ser medidas, y cada uno lleva un rango - el rango debajo de cada cifra, por ejemplo. El mismo modelo y tarjeta varían entre treinta y cincuenta por ciento dependiendo del software de inferencia y su versión.
Is Kimi K2.7 Code open source?
Its weights are published, so Kimi K2.7 Code can be downloaded and run on your own hardware. Note that open weights is not the same as open source in the full sense — it says nothing about the training data, the training code, or the commercial terms attached.
How many parameters does Kimi K2.7 Code have?
Kimi K2.7 Code has 1T parameters. That figure is the total, and it is what decides how much memory the model needs — roughly half a gigabyte per billion at the compression most people use.
Who created Kimi K2.7 Code?
Kimi K2.7 Code was published by Moonshot, based in China, categorised as industry.
When was Kimi K2.7 Code released?
Kimi K2.7 Code was published in June 2026.
What is Kimi K2.7 Code used for?
Kimi K2.7 Code works in Language, Multimodal, Vision, and is recorded as handling language modeling/generation, Code generation. These are the areas it was designed around; they describe intent rather than a hard boundary.
Where can I download Kimi K2.7 Code?
Sus pesos están publicados bajo la organización moonshotai en Hugging Face. No alojamos archivos de modelo; este sitio calcula qué hardware se necesita para ejecutarlos.
Can I run Kimi K2.7 Code if it does not fit in my GPU?
Only by offloading, which is usually a false economy: the part in system memory drags the whole thing down — the nearest miss we calculate is short by 370.7 GB. Our figures for Kimi K2.7 Code assume it is fully resident.
El otro camino
¿Viéndolo desde el otro lado?
Esta página comienza desde el modelo. Si ya tienes una tarjeta y quieres saber todo lo que puede ejecutar., iniciar desde el hardware.