Memory sa bawat precision
| Bersyon | Weights | Kasama ang context | Pinakamaliit na Mac |
|---|---|---|---|
| native na 4-bit | 595 GB | 643 GB | higit sa anumang Mac |
| 3-bit mas mababang kalidad | 438 GB | 473 GB | higit sa anumang Mac |
| 2-bit mas mababang kalidad | 313 GB | 338 GB | 512 GB |
Sa bawat Apple chip
Ang pinakamaliit na memory size ng bawat chip na kaya ang Kimi K2.7 Code, ang pinakamagandang bersyong kasya rito, at ang bilis ng pagsusulat na maaasahan mo.
| Chip | Kailangan | Bersyon | Token/s |
|---|---|---|---|
| M6 | walang kasyang size | Masyadong malaki | – |
| M5 Ultra | 512 GB | 2-bit Maayos | 54–96 |
| M5 Max | walang kasyang size | Masyadong malaki | – |
| M5 Pro | walang kasyang size | Masyadong malaki | – |
| M5 | walang kasyang size | Masyadong malaki | – |
| M4 Max | walang kasyang size | Masyadong malaki | – |
| M4 Pro | walang kasyang size | Masyadong malaki | – |
| M4 | walang kasyang size | Masyadong malaki | – |
| M3 Ultra | 512 GB | 2-bit Maayos | 37–66 |
| M3 Max | walang kasyang size | Masyadong malaki | – |
| M3 Pro | walang kasyang size | Masyadong malaki | – |
| M3 | walang kasyang size | Masyadong malaki | – |
| M2 Ultra | walang kasyang size | Masyadong malaki | – |
| M2 Max | walang kasyang size | Masyadong malaki | – |
| M2 Pro | walang kasyang size | Masyadong malaki | – |
| M2 | walang kasyang size | Masyadong malaki | – |
| M1 Ultra | walang kasyang size | Masyadong malaki | – |
| M1 Max | walang kasyang size | Masyadong malaki | – |
| M1 Pro | walang kasyang size | Masyadong malaki | – |
| M1 | walang kasyang size | Masyadong malaki | – |
Paano ito patakbuhin
- Ang madaling paraan: i-download ang MLX Harness, libre at open source. Hanapin ang Kimi K2.7 Code, i-download ang bersyong kasya sa Mac mo, at mag-chat. Ibinibigay rin nito ang model sa iba mo pang app sa pamamagitan ng API na compatible sa OpenAI.I-download ang MLX HarnessLibre · Apple Silicon · macOS 14.5 o mas bago
- Sa Terminal gamit ang MLX ng Apple:
pip install mlx-lmmlx_lm.chat --model mlx-community/Kimi-K2.7-Code-4bitBuild: mlx-community/Kimi-K2.7-Code-4bit sa Hugging Face. Katabi nito ang ibang precision.
Hakbang-hakbang: mag-download at magpatakbo ng LLM sa Mac · paano gamitin ang MLX Harness · MLX vs Ollama vs llama.cpp
Tungkol sa Kimi K2.7 Code
| Gawa ng | Moonshot AI |
|---|---|
| Mga parameter | 1,000B kabuuan · 32B aktibo (mixture of experts) |
| Context | 256K token |
| Lisensya | Modified MIT |
| Inilabas | 2026-06 |
| Input | Text at larawan |
| Intelligence | 25.8 sa Artificial Analysis Intelligence Index |
| Weights | moonshotai/Kimi-K2.7-Code |
Mga tanong
- Gaano karaming memory ang kailangan ng Kimi K2.7 Code?
- Mga 595 GB ng weights sa native na 4-bit, dagdag ang espasyo para sa context: 643 GB lahat-lahat. Mas malaki iyon kaysa sa memory ng anumang Mac ngayon.
- Gaano kabilis ang Kimi K2.7 Code sa Mac?
- Nakadepende sa memory bandwidth ang bilis ng pagsusulat. Ang pinakamabilis na Mac para dito ay M5 Ultra na may 512 GB, sa mga 54–96 token bawat segundo (2-bit). Ang pinakamaliit na Mac na kaya ito, na may 512 GB, ay umaabot sa mga 54–96 sa M5 Ultra.
- Bakit mas mabilis ang Kimi K2.7 Code kaysa sa inaasahan sa laki nito?
- Isa itong mixture-of-experts na model: may 1,000B na parameter ito sa memory pero 32B lang ang binabasa nito sa bawat token, kaya nagsusulat ito sa bilis ng mas maliit na model.
Mga katulad na model
Para sa model card o README mo
Ipinapakita ang pinakamaliit na Mac na maayos na nagpapatakbo ng Kimi K2.7 Code at nagli-link dito.
[](https://mlx.app/run/kimi-k2.7-code)Paano ito kinuwenta
Memory: ang mga parameter ng model sa 8, 6, 4, 3 o 2 bit kada weight dagdag ang group scales ng MLX (kalahating bit kada weight), o ang native format nito, at may espasyo pa para sa context. Bilang default, mga 75% ng unified memory ang ipinapagamit ng macOS sa GPU. Bilis: ang memory bandwidth na hinati sa mga byte na binabasa kada token ang pinakamataas na posible para sa isang usapan; sa mga pampublikong benchmark ng llama.cpp sa Apple Silicon, umaabot ang totoong takbo sa mga 45% hanggang 80% nito, at iyon ang range na ipinapakita. Mga tantiya ito, hindi sukat: sukatin ang sarili mong Mac sa MLX Bench. Ang mga numero ng model ay mula sa opisyal na model card ng bawat isa, at ang sa chip ay mula sa Tech Specs ng Apple. Sinuri noong 2026-10-19. Parehong data ng mlx.app/compare.