Μνήμη σε κάθε ακρίβεια
| Έκδοση | Βάρη | Με συμφραζόμενα | Μικρότερος Mac |
|---|---|---|---|
| εγγενές 4-bit | 595 GB | 643 GB | περισσότερη από κάθε Mac |
| 3-bit χαμηλότερη ποιότητα | 438 GB | 473 GB | περισσότερη από κάθε Mac |
| 2-bit χαμηλότερη ποιότητα | 313 GB | 338 GB | 512 GB |
Σε κάθε τσιπ της Apple
Το μικρότερο μέγεθος μνήμης κάθε τσιπ που τρέχει το Kimi K2.7 Code, η καλύτερη έκδοση που χωράει και η ταχύτητα γραφής που μπορείτε να περιμένετε.
| Τσιπ | Απαιτεί | Έκδοση | Tokens/s |
|---|---|---|---|
| M6 | κανένα μέγεθος δεν χωράει | Πολύ μεγάλο | – |
| M5 Ultra | 512 GB | 2-bit Τρέχει καλά | 54–96 |
| M5 Max | κανένα μέγεθος δεν χωράει | Πολύ μεγάλο | – |
| M5 Pro | κανένα μέγεθος δεν χωράει | Πολύ μεγάλο | – |
| M5 | κανένα μέγεθος δεν χωράει | Πολύ μεγάλο | – |
| M4 Max | κανένα μέγεθος δεν χωράει | Πολύ μεγάλο | – |
| M4 Pro | κανένα μέγεθος δεν χωράει | Πολύ μεγάλο | – |
| M4 | κανένα μέγεθος δεν χωράει | Πολύ μεγάλο | – |
| M3 Ultra | 512 GB | 2-bit Τρέχει καλά | 37–66 |
| M3 Max | κανένα μέγεθος δεν χωράει | Πολύ μεγάλο | – |
| M3 Pro | κανένα μέγεθος δεν χωράει | Πολύ μεγάλο | – |
| M3 | κανένα μέγεθος δεν χωράει | Πολύ μεγάλο | – |
| M2 Ultra | κανένα μέγεθος δεν χωράει | Πολύ μεγάλο | – |
| M2 Max | κανένα μέγεθος δεν χωράει | Πολύ μεγάλο | – |
| M2 Pro | κανένα μέγεθος δεν χωράει | Πολύ μεγάλο | – |
| M2 | κανένα μέγεθος δεν χωράει | Πολύ μεγάλο | – |
| M1 Ultra | κανένα μέγεθος δεν χωράει | Πολύ μεγάλο | – |
| M1 Max | κανένα μέγεθος δεν χωράει | Πολύ μεγάλο | – |
| M1 Pro | κανένα μέγεθος δεν χωράει | Πολύ μεγάλο | – |
| M1 | κανένα μέγεθος δεν χωράει | Πολύ μεγάλο | – |
Πώς να το τρέξετε
pip install mlx-lmmlx_lm.chat --model mlx-community/Kimi-K2.7-Code-4bit --trust-remote-codeΤο --trust-remote-code επιτρέπει στο mlx-lm να εκτελέσει τον κώδικα Python που συνοδεύει αυτό το build, κάτι που χρειάζεται για να το φορτώσει.Build: mlx-community/Kimi-K2.7-Code-4bit στο Hugging Face. Οι άλλες ακρίβειες βρίσκονται ακριβώς δίπλα.Βήμα προς βήμα: λήψη και εκτέλεση LLM σε Mac · MLX vs Ollama vs llama.cpp
Προτιμάτε μια εφαρμογή από το Τερματικό; Συγκρίνετε τις εφαρμογές Mac που τρέχουν τοπικά μοντέλα στο AI App Store: τιμή, άδεια και πού πηγαίνουν τα δεδομένα σας.
Σχετικά με το Kimi K2.7 Code
| Δημιουργός | Moonshot AI |
|---|---|
| Παράμετροι | 1.000B συνολικά · 32B ενεργές (mixture of experts) |
| Συμφραζόμενα | 256K tokens |
| Άδεια | Modified MIT |
| Κυκλοφορία | 2026-06 |
| Είσοδος | Κείμενο και εικόνες |
| Νοημοσύνη | 25,8 στον Artificial Analysis Intelligence Index |
| Βάρη | moonshotai/Kimi-K2.7-Code |
Ερωτήσεις
- Πόση μνήμη χρειάζεται το Kimi K2.7 Code;
- Περίπου 595 GB για τα βάρη σε εγγενές 4-bit, συν χώρο για τα συμφραζόμενα: 643 GB συνολικά. Αυτό είναι περισσότερο από όσο έχει σήμερα οποιοσδήποτε Mac.
- Πόσο γρήγορο είναι το Kimi K2.7 Code σε Mac;
- Η ταχύτητα γραφής εξαρτάται από το εύρος ζώνης μνήμης. Ο ταχύτερος Mac γι’ αυτό εδώ είναι ένας Mac με M5 Ultra και 512 GB, με περίπου 54–96 tokens ανά δευτερόλεπτο (2-bit). Ο μικρότερος Mac που το τρέχει, με 512 GB, φτάνει περίπου τα 54–96 με M5 Ultra.
- Γιατί το Kimi K2.7 Code τρέχει πιο γρήγορα απ’ ό,τι δείχνει το μέγεθός του;
- Είναι μοντέλο mixture of experts: κρατά 1.000B παραμέτρους στη μνήμη αλλά διαβάζει μόνο 32B για κάθε token, οπότε γράφει με την ταχύτητα ενός πολύ μικρότερου μοντέλου.
Παρόμοια μοντέλα
Για την κάρτα μοντέλου ή το README σας
Δείχνει τον μικρότερο Mac που τρέχει καλά το Kimi K2.7 Code και οδηγεί εδώ.
[](https://mlx.app/run/kimi-k2.7-code)Πώς υπολογίζεται
Μνήμη: οι παράμετροι του μοντέλου σε 8, 6, 4, 3 ή 2 bit ανά βάρος συν τις κλίμακες ομάδων του MLX (μισό bit ανά βάρος), ή στην εγγενή του μορφή, με χώρο για τα συμφραζόμενα από πάνω. Από προεπιλογή το macOS αφήνει την GPU να χρησιμοποιεί περίπου το 75% της ενοποιημένης μνήμης. Ταχύτητα: το εύρος ζώνης μνήμης διαιρεμένο με τα bytes που διαβάζονται ανά token είναι το ανώτατο όριο για μία συνομιλία· στα δημόσια benchmarks Apple Silicon του llama.cpp οι πραγματικές εκτελέσεις φτάνουν περίπου το 45% έως 80% του ορίου, και αυτό το εύρος δείχνουμε. Είναι εκτιμήσεις, όχι μετρήσεις: μετρήστε τον δικό σας Mac στο MLX Bench. Στοιχεία μοντέλων από την επίσημη κάρτα κάθε μοντέλου, στοιχεία τσιπ από τα Τεχνικά χαρακτηριστικά της Apple. Ελέγχθηκε 2026-10-19. Ίδια δεδομένα με το mlx.app/compare.
Ανοιχτά δεδομένα: mlx.app/data (JSON, CSV)