Geheugen bij elke precisie
| Versie | Gewichten | Met context | Kleinste Mac |
|---|---|---|---|
| 4 bits native | 595 GB | 643 GB | meer dan elke Mac |
| 3 bits lagere kwaliteit | 438 GB | 473 GB | meer dan elke Mac |
| 2 bits lagere kwaliteit | 313 GB | 338 GB | 512 GB |
Op elke Apple-chip
Per chip de kleinste geheugengrootte die Kimi K2.7 Code draait, de beste versie die erin past en de schrijfsnelheid die je kunt verwachten.
| Chip | Nodig | Versie | Tokens/s |
|---|---|---|---|
| M6 | geen grootte past | Te groot | – |
| M5 Ultra | 512 GB | 2 bits Draait goed | 54–96 |
| M5 Max | geen grootte past | Te groot | – |
| M5 Pro | geen grootte past | Te groot | – |
| M5 | geen grootte past | Te groot | – |
| M4 Max | geen grootte past | Te groot | – |
| M4 Pro | geen grootte past | Te groot | – |
| M4 | geen grootte past | Te groot | – |
| M3 Ultra | 512 GB | 2 bits Draait goed | 37–66 |
| M3 Max | geen grootte past | Te groot | – |
| M3 Pro | geen grootte past | Te groot | – |
| M3 | geen grootte past | Te groot | – |
| M2 Ultra | geen grootte past | Te groot | – |
| M2 Max | geen grootte past | Te groot | – |
| M2 Pro | geen grootte past | Te groot | – |
| M2 | geen grootte past | Te groot | – |
| M1 Ultra | geen grootte past | Te groot | – |
| M1 Max | geen grootte past | Te groot | – |
| M1 Pro | geen grootte past | Te groot | – |
| M1 | geen grootte past | Te groot | – |
Zo draai je het
- De makkelijke manier: download MLX Harness, gratis en open source. Zoek Kimi K2.7 Code, download de versie die bij je Mac past en begin te chatten. MLX Harness stelt het model ook beschikbaar aan je andere apps via een OpenAI-compatibele API.Download MLX HarnessGratis · Apple Silicon · macOS 14.5 of nieuwer
- In Terminal, met Apples MLX:
pip install mlx-lmmlx_lm.chat --model mlx-community/Kimi-K2.7-Code-4bitBuild: mlx-community/Kimi-K2.7-Code-4bit op Hugging Face. Andere precisies staan ernaast.
Stap voor stap: LLM's downloaden en draaien op een Mac · zo gebruik je MLX Harness · MLX vs Ollama vs llama.cpp
Over Kimi K2.7 Code
| Gemaakt door | Moonshot AI |
|---|---|
| Parameters | 1.000B totaal · 32B actief (mixture-of-experts) |
| Context | 256K tokens |
| Licentie | Modified MIT |
| Uitgebracht | 2026-06 |
| Invoer | Tekst en afbeeldingen |
| Intelligentie | 25,8 op de Artificial Analysis Intelligence Index |
| Gewichten | moonshotai/Kimi-K2.7-Code |
Vragen
- Hoeveel geheugen heeft Kimi K2.7 Code nodig?
- Ongeveer 595 GB aan gewichten op 4 bits native, plus ruimte voor de context: 643 GB in totaal. Dat is meer dan welke Mac nu ook heeft.
- Hoe snel is Kimi K2.7 Code op een Mac?
- De schrijfsnelheid hangt af van de geheugenbandbreedte. De snelste Mac hiervoor is een M5 Ultra met 512 GB, met ongeveer 54–96 tokens per seconde (2 bits). De kleinste Mac die het draait, met 512 GB, haalt ongeveer 54–96 op een M5 Ultra.
- Waarom draait Kimi K2.7 Code sneller dan je op basis van de grootte zou verwachten?
- Het is een mixture-of-expertsmodel: het houdt 1.000B parameters in het geheugen, maar leest per token maar 32B, dus het schrijft zo snel als een veel kleiner model.
Vergelijkbare modellen
Voor je modelkaart of README
Toont de kleinste Mac die Kimi K2.7 Code goed draait en linkt naar deze pagina.
[](https://mlx.app/run/kimi-k2.7-code)Zo is het berekend
Geheugen: de parameters van het model op 8, 6, 4, 3 of 2 bits per gewicht plus de groepsschalen van MLX (een halve bit per gewicht), of het eigen formaat van het model, met daarbovenop ruimte voor de context. Standaard laat macOS de GPU ongeveer 75% van het geïntegreerde geheugen gebruiken. Snelheid: de geheugenbandbreedte gedeeld door het aantal bytes dat per token wordt gelezen, is het plafond voor één gesprek; in de openbare Apple Silicon-benchmarks van llama.cpp halen echte runs ongeveer 45% tot 80% daarvan, en dat is het bereik dat we tonen. Dit zijn schattingen, geen metingen: meet je eigen Mac op MLX Bench. Modelgegevens uit elke officiële modelkaart, chipgegevens uit de technische specificaties van Apple. Gecontroleerd op 2026-10-19. Dezelfde gegevens als mlx.app/compare.