LLM EU
Meniu
Modele

Kimi K2.7 Code

Moonshot AI

Doar în catalog Ponderi deschise

Ultima revizuire:

Suveranitate și găzduire

Doar în catalog

Acest model este catalogat ca referință. Nu este găzduit încă pe LLM EU și niciun endpoint propriu nu îl servește aici. Cererile către el merg direct la furnizor, conform termenilor acelui furnizor.

Rezumat

Kimi K2.7 Code este un model "vision-language" "open-weight" de la Moonshot AI cu 1026.9B parametri, publicat sub licența modified-mit (personalizată, etichetată "other"). Acceptă text și imagini și răspunde în text. Configurația publicată nu înregistrează o fereastră de context, prin urmare, acest card nu conține una. Este un checkpoint de bază fără "instruction tuning". Cardul este doar de catalog: LLM EU nu rulează acest model. Editorul nu menționează acoperirea lingvistică pe pagina modelului.

Specificații

Furnizor
Moonshot AI (CN)
Fereastră de context
Neverificat: furnizorul nu a documentat această afirmație.
Parametri
1026.9B
Modalități
text, vision
Licență
other · licence
Ponderi deschise
yes
Data lansării
11 iun. 2026
Sarcini
Codare, Raționament

Limbi

Puternic: —

Adecvat: —

Puternic

    Adecvat

      Neverificat: furnizorul nu a documentat această afirmație. — a language is listed as strong only where a source claims it; the card links the evidence where one exists.

      Când se folosește

      Puncte forte

      • open weights are published on Hugging Face and can be downloaded without a vendor agreement

      Limitări

      • catalogue only — LLM EU does not run this model, and nothing on this card implies an LLM EU endpoint
      • no evaluation has been run by LLM EU
      • the modified-mit (other) licence is a custom agreement whose commercial terms were not established from its published text, so commercial serving is not permitted until a human clears it; the router must not route to it
      • the published configuration records no context window, so the card carries none
      • at 1026.9B parameters, self-hosting needs a multi-node deployment rather than a single server
      • vision checkpoints are heavier to serve than their parameter count alone suggests, because the image encoder and pre-processing run alongside the language model