Kimi K2.7 Code (1T MoE) 模型架构参数、评测与显存全表
月之暗面专为大型代码库重构与终端 Agent 打造的 1T/A32B 开源编程旗舰,支持视觉设计稿转前端代码。
🧬 Kimi K2.7 Code (1T MoE) 底层网络与张量参数总表 (Model Overview & config.json)
全部字段同步自官方 HuggingFace 仓库 (moonshotai/Kimi-K2.7-Code) 的 config.json 与技术报告 · 核验日期 2026-11-20
1. 骨干网络与维度参数
kimi_k25- 总参数量 / 单步激活
- 1.026T / 32B
- Hidden Size (d_model)
- 7,168
- FFN Intermediate Size
- 18,432
- MoE 专家中间层维度
- 2,048
- MoE 专家配置
- 384 路由 · 激活8 + 1 共享
- 激活函数 / RMSNorm
- SiLU (SwiGLU) · ε=0.00001
- 原生权重精度
- BF16 / FP8
2. 注意力机制与混合层拓扑
MLA- Transformer 总层数
- 61 层
- 网络层排布 (Hidden Layout)
- 61 层稀疏 MoE 架构(384 路由专家,单步激活 8 个)
- 注意力头 (Q / KV)
- 64 Q / 64 KV
- Head Dimension
- 112
3. 上下文、位置编码与词表
Tokenizer- 原生上下文长度
- 262,144 tokens
- 旋转位置编码 (RoPE)
- RoPE (原生 262,144 Context)
- 词表大小 (vocab_size)
- 163,840 (独立输出头)
📋 Kimi K2.7 Code (1T MoE) 官方 API 技术规格与计费参数总表
核验自 Moonshot Kimi 官方开发者文档与公开定价页(核验日期 2026-11-20)
1. 模型标识与能力开关
API Spec- 官方调用 Model ID
- kimi-k2.7-code
- 版本发布日期
- 2026-06-12
- 权重授权形态
- 开源权重 (云端 API 规格)
- 原生深度推理思考
- ✅ 支持 (可调思考预算)
- Function Calling & JSON Schema
- ✅ 原生支持
- Batch API 异步批处理
- ✅ 支持 (通常享 5 折)
2. 上下文、输出上限与模态
Limits- 最大输入上下文窗口
- 256,000 tokens (256K)
- 单次最大输出上限
- 262,000 tokens
- 支持输入模态
- Text + Image + Video
- 支持输出模态
- Text
- 中国大陆网络直连
- ✅ 国内极速直连 + 人民币结算
- 分发与部署形态
- 开源权重 + 托管云 API
3. 官方 Token 单价与缓存阶梯
CNY / 1M- 标准输入单价 (每百万)
- ¥ 6.5
- Prompt 缓存命中输入
- ¥ 1.3 -80%
- 标准输出单价 (每百万)
- ¥ 27
- 长上下文阶梯与计费备注
- 月之暗面 Kimi:256K 代码仓库理解与 Agent 工具链优化
🎛️ 官方调用采样与思考参数指南
API / 推理引擎调用时的最佳超参数与约束说明
📊 Kimi K2.7 Code (1T MoE) 全量评测成绩与维度排名
共 8 项公开评测 · 排名为在本站 154 款有评测数据模型中的名次 · 数据同步于 2026-11-20
💻 代码工程 6 项
大规模模型上下文协议(MCP)工具协同基准,评估智能体在复杂多步任务中协调、组合调用数十种外部 MCP 工具的真实成功率。
月之暗面构建的覆盖 10+ 主流编程语言与真实后端/全栈生产技术栈的编码智能体综合评测(v2)。
要求智能体仅凭编译后的二进制可执行文件与文档说明,逆向复现出等价功能源码(涵盖 CLI 工具至 FFmpeg/SQLite 级系统)的 200 项硬核工程评测。
包含 30 项前沿机器学习系统研发任务的基准,检验 AI 能否在大模型预训练/后训练、机器人与世界模型中设计可扩展新方法。
基于隔离容器环境与 mini-swe-agent 框架评测的软件工程智能体实战基准(v1.1)。
评估编码智能体所提交补丁是否达到仓库维护者合并标准的工程质量基准(联网作弊记零分)。
🤖 Agent 与工具调用 1 项
来源:ZeroEval / llm-stats.com 公开评测聚合(✓ 为第三方验证,其余为厂商官方自报)。点击任一评测可查看全库排名。
⚡ Kimi K2.7 Code (1T MoE) 本地显存占用 & 实时吐字速度计算器
物理总容量 96 GB · 占用率 677%
超出安全可用上限 542.82 GB
MLA 潜在注意力显著压缩高并发 KV 占用
OLLAMA_CONTEXT_LENGTH=16384 ollama run kimi-k2-7-code-1000b本地显存不足?运行 Kimi K2.7 Code (1T MoE) 的替代方案
可按小时租用预装好 vLLM / LLaMA-Factory 的大显存云显卡,或算一下直接调 API 对比买卡的 12 个月回本线。
📊 Kimi K2.7 Code (1T MoE) 各量化精度显存占用对照表 (16K 上下文)
| 量化格式 | 等效位数 | 纯权重体积 | KV Cache (16K) | 总显存需求 | 精度评价 |
|---|---|---|---|---|---|
| FP16 / BF16 | 16 bpw | 2052 GB | 1.15 GB | 2095.49 GB | 无损原精度 |
| FP8 / Q8_0 | 8.5 bpw | 1090.13 GB | 1.15 GB | 1114.38 GB | 99.9% 接近无损 |
| GGUF Q6_K | 6.56 bpw | 841.32 GB | 1.15 GB | 860.6 GB | 极高画质 · 严肃编码 |
| GGUF Q5_K_M | 5.69 bpw | 729.74 GB | 1.15 GB | 746.79 GB | 高均衡度 |
| Q4_K_M / AWQ | 4.85 bpw | 622.01 GB | 1.15 GB | 636.9 GB | 黄金甜点(推荐) |
| GGUF IQ4_XS | 4.25 bpw | 545.06 GB | 1.15 GB | 558.42 GB | 省显存优选 |
| GGUF Q3_K_M | 3.91 bpw | 501.46 GB | 1.15 GB | 513.94 GB | 轻度智商折损 |
| GGUF Q2_K | 3.15 bpw | 403.99 GB | 1.15 GB | 414.52 GB | 极限压缩尝鲜 |
🖥️ 主流显卡、Mac 与国产卡运行 Kimi K2.7 Code (1T MoE) (Q4_K_M) 兼容性列表
常见问题解答 (FAQ)
Kimi K2.7 Code (1T MoE) 的核心网络架构参数(层数、隐藏维度、注意力头、词表)是多少?
Kimi K2.7 Code (1T MoE) 底层架构为 KimiK25ForConditionalGeneration,共 61 层(61 层稀疏 MoE 架构(384 路由专家,单步激活 8 个)),隐藏层维度 hidden_size=7168,注意力头配置为 64 个 Query 头 / 64 个 KV 头(head_dim=112),词表大小 vocab_size=163,840,原生上下文窗口 262,144 tokens。
Kimi K2.7 Code (1T MoE) 本地部署至少需要多少 GB 显存?
在主流 4-bit 量化(GGUF Q4_K_M / AWQ,16K 上下文)下,Kimi K2.7 Code (1T MoE) 共需约 636.9 GB 显存(含权重 622.01 GB + KV 缓存 1.15 GB + 系统开销 13.74 GB)。无损 FP16/BF16 则需约 2095.49 GB。
Kimi K2.7 Code (1T MoE) 官方推荐的采样参数(Temperature / Top-P)是多少?
依据官方 generation_config.json 与最佳实践,在「官方默认推理采样配置」下建议设置 temperature=0.7、top_p=0.95。