Kimi K2.7 Code calcolatore TPS
Ogni scheda qui sotto è valutata rispetto a questo modello alla lunghezza di contesto e alla qualità minima che scegli. La velocità è una stima per una singola richiesta, calcolata dalla larghezza di banda della memoria della scheda e dalla dimensione del modello una volta compresso..
Calcolato per questo modello
Quali GPU possono eseguire Kimi K2.7 Code?
Imposta gli input, leggi la risposta
Una conversazione più lunga richiede più memoria, il che può spingere questo modello fuori da schede più piccole..
Nasconde le schede che si adatterebbero solo al modello comprimendole al di sotto di questo punto..
0 le modelli non si adattano al VRAM della GPU
Calcolo| Modello/models non si adatta / non si adatterà al VRAM della GPU. Tight = quasi eseguibile, comodo = esegue facilmente con margine. | Quantizzazione | Modello/modelli non adatti per la VRAM della GPU. Esecuzione non riuscita, richiede meno di TPS. Modello funziona comodamente, ampio margine. | |||||
|---|---|---|---|---|---|---|---|
|
Nessuna scheda nel nostro catalogo può eseguire questo modello con queste impostazioni. |
|||||||
Le velocità sono stime per una singola richiesta — una conversazione alla volta — calcolate dalla larghezza di banda della memoria, dalle dimensioni del modello e dalla quantizzazione. Il throughput reale varia con il tempo di esecuzione dell'inferenza e la sua versione. I valori pubblicati dai fornitori di hardware misurano molte richieste simultanee e sono molto più alti..
In registrazione
Specifiche complete
Tutto registrato per questo modello. La maggior parte descrive come è stato addestrato piuttosto che come funziona — contesto utile per valutare quanto lavoro ci sia stato dietro e come si confronta con modelli costruiti su scala differente..
Origine
Chi ha costruito questo modello, dove e quando è stato pubblicato.
- Organizzazione
- Moonshot
- Tipo di organizzazione
- Industry
- Paese
- China
- Pubblicato
- 12 June 2026
Cosa fa
Le aree problematiche per cui il modello è stato creato. Un modello può gestire diversi di ciascuno.
- Domini
- Language, Multimodal, Vision
- Spazio
- Language modeling/generation, Code generation
- Modello base
- Kimi K2.6
Dimensione
Quanto è grande il modello e su quanti dati è stato addestrato. I parametri sono la cifra che decide se si adatta a una data scheda grafica.
- parametri
- 1T
- Dati di addestramento
- tokens
Disponibilità
Se puoi ottenere il modello e farlo girare sul tuo hardware, il che decide se alcune delle figure della scheda grafica su questa pagina si applicano.
- Pesi
- Open — downloadable
- Accesso al modello
- Open weights (unrestricted)
- Hugging Face
- moonshotai
Come è classificato
Etichette sui dataset di origine applicate per il tracciamento dei modelli notevoli e quanto è fiduciosa nell'entry.
- Modello/modelli non si adatta / non si adatterà GPU VRAM. Tight = barely runnable, comodo = runs easily with headroom.
- Confident
Modello/modelli GPU/AI che può eseguire. Non si adatta / non starà. Stretto = appena eseguibile, comodo = esegue facilmente con margine.
Dove è stato registrato questo record e quando è stato controllato l'ultima volta.
- Modello/modelli GPU può eseguire? Non si adatta / non si adatterà. Limitato = difficilmente eseguibile, comodo = esegue facilmente con margine.
- Kimi K2.7 Code
- Ultimo aggiornamento
- 8 July 2026
Cosa significano i numeri
The hardware side
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.
Riguardo a questo modello
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.
Passo dopo passo
Come scegliere una GPU per Kimi K2.7 Code
La tabella sopra ha già valutato ogni scheda di cui possediamo specifiche rispetto a questo modello. Arrivare alla tua risposta richiede sei passaggi..
-
01
Controlla cosa serve prima di qualsiasi altra cosa
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
Decidi quanto a lungo le tue conversazioni possono durare
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
Scegli quanto comprimerlo.
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
Classifica in base al throughput piuttosto che alla scheda tecnica
Ranking by tokens per second for Kimi K2.7 Code follows memory bandwidth, not core counts.
-
05
Modello/i non si adatta / non si adatterà
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
Controlla la scheda dall'altro lato
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.
Modeli/modelli sempre significa modelli AI. Esegui/Esplora significa eseguire un modello AI. Non si adatta / non si adatterà significa che il modello AI non si adatta alla VRAM della GPU. Stretto = appena eseguibile, comodo = funziona facilmente con margine. Termini tecnici come GPU, AI, TPS, VRAM, CUDA, Tensor, Inference, Quantization, LoRA, GGUF, FP16, INT4, INT8 rimangono in inglese. GPU, AI, TPS, VRAM, CUDA devono sempre essere in maiuscolo. Se viene chiesto di tradurre il nome di una lingua (ad es. spagnolo, inglese, lingua), tradurre la parola correttamente. SOLO output la traduzione pura in italiano. Nessun commento, nessuna domanda, nient'altro. Se vuoto rispondi con un singolo spazio: Risposte.
Kimi K2.7 Code — modello/modelli può GPU eseguire. non si adatta / non si adatterà. stretto = appena eseguibile, confortevole = esegue facilmente con margine.
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?
They are calculated from specifications rather than measured, and each carries a range — the range beneath each figure, for instance. The same model and card vary by thirty to fifty per cent depending on the inference software and its version.
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?
Its weights are published under the moonshotai organisation on Hugging Face. We do not host model files — this site calculates what hardware is needed to run them.
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.
L'altra direzione
Guardandolo dall'altro lato?
Questa pagina inizia dal modello. Se possiedi già una scheda e vuoi sapere tutto ciò che eseguirà, inizia dall'hardware invece.