Article

Kimi K2.7-Code: Open-Source Coding Model mit verbesserter Token-Effizienz

Kimi Moonshot AI Open Source Code LLM

Moonshot AI hat Kimi K2.7-Code veröffentlicht, ein Open-Source-Coding-Modell mit verbesserter Token-Effizienz. Das Modell ist auf Hugging Face verfügbar und unterstützt sowohl Text-als auch Bild-Eingaben.

Modell-Details

EigenschaftWert
TypImage-Text-to-Text
FrameworkTransformers, Safetensors
LizenzModified MIT
Likes460+
Followers10.600+

Das Modell nutzt die neue kimi_k25 Architektur und unterstützt komprimierte Tensoren für effizientere Speicherung und Inferenz.

Verwendung

Mit vLLM:

pip install vllm
vllm serve "moonshotai/Kimi-K2.7-Code"

Mit Transformers:

from transformers import pipeline
pipe = pipeline("image-text-to-text", 
                model="moonshotai/Kimi-K2.7-Code", 
                trust_remote_code=True)

Warum relevant?

Kimi-Modelle sind bekannt für ihre Token-Effizienz im Vergleich zu ähnlich großen Modellen. Die K2.7-Code-Version ist speziell für Coding-Aufgaben optimiert und als Open-Source-Alternative zu proprietären Coding-Modellen wie GPT-4 oder Claude gedacht.

Die Multimodal-Fähigkeit (Bild + Text) macht es für Dokumentenanalyse mit Code-Screenshots oder Diagrammen interessant.

Quelle: Hugging Face - moonshotai/Kimi-K2.7-Code