本文へ移動
localllm
EN

moonshotai

Kimi-K2.7-Code

画像も入力

パラメータ数
1,026.4B
最大コンテキスト長
262,144
アーキテクチャ
deepseek2
ライセンス
条件付き
元モデル
moonshotai/Kimi-K2.7-Code
ライセンス
modified-mit

Kimi-K2.7-Code の概要

Kimi-K2.7-Code は、Hugging Face の moonshotai/Kimi-K2.7-Code をもとにした GGUF 形式のモデルです。GGUF は unsloth/Kimi-K2.7-Code-GGUF が公開しています。パラメータ数は約 1,026.4B（10,264億）、アーキテクチャは deepseek2、最大コンテキスト長は 262,144 トークンです（GGUF に書かれた値）。

量子化は 10 種類あり、ファイルサイズは UD-IQ1_M の 304 GB から UD-Q8_K_XL の 595 GB まであります（Hugging Face 上の実際のサイズ）。

UD-IQ1_M（304 GB）を 8,192 トークンのコンテキストで動かすときの必要メモリは推定 305 GB、32,768 トークンでは推定 307 GBです。

元のモデルのライセンスは Modified MIT License（Moonshot AI の Kimi） で、商用利用には規模・用途などの条件があります。利用条件は原文で確認してください。画像入力用の mmproj ファイルも公開されています。

量子化ごとのファイルサイズと必要メモリの目安

  • 8 GB まで
  • 16 GB まで
  • 24 GB まで
  • 48 GB まで
  • 128 GB まで
  • それ以上

ファイルサイズは Hugging Face 上の実際の値です。必要メモリはコンテキスト長ごとの推定値（KVキャッシュ f16）。計算式は 必要メモリの計算方法で公開しています。

必要メモリはすべて 推定 （KVキャッシュ f16）。このページの「必要メモリ」以上の VRAM（または Mac の統合メモリ）を持つ環境で動作する見込みです。数値をクリックすると、その容量で動く機種・モデルの一覧（GPU・Macで探す）に移動します。

画像入力を使う場合：このモデルは画像入力に対応しています。画像を使うときは、追加で mmproj ファイルも読み込みます。

「品質の目安」について（量子化でどれだけ元のモデルからずれるか）

量子化の型ごとに、元のモデルの出力からどれだけずれるかを、llama.cpp が Llama-3-8B で測った値から6段階に分けたものです。

使っている値は平均 KLD（元のモデルと量子化したモデルの、次の単語の確率の分布の差）で、小さいほど元のモデルに近い出力になります。imatrix（重要度の情報）を使って量子化したものは少し小さくなります。段階は、imatrix を使わない値（無い型は使った値）で分けています。

★このモデルで測った値ではありません。モデルが大きいほど、また MoE のモデルほど、同じ型でもずれは小さくなりやすいです。配布元独自の混合型（UD-Q4_K_XL など）は型の名前だけでは当てはめられないので「-」にしています。

量子化 品質の目安 KLD（imatrix なし） KLD（imatrix あり） サイズ（Llama-3-8B）
Q8_0 ほぼ同じ 0.0014 - 7.96 GiB
Q6_K ごく小さい 0.0055 - 6.14 GiB
Q5_K_M ごく小さい 0.0108 - 5.33 GiB
Q5_K_S 小さい 0.0166 - 5.21 GiB
Q5_1 小さい 0.0180 - 5.65 GiB
Q5_0 小さい 0.0222 - 5.21 GiB
Q4_K_M 小さい 0.0313 0.0282 4.58 GiB
Q4_K_S 中くらい 0.0431 0.0320 4.37 GiB
IQ4_NL 小さい - 0.0357 4.35 GiB
IQ4_XS 小さい - 0.0363 4.14 GiB
Q4_1 中くらい 0.0717 - 4.78 GiB
Q4_0 中くらい 0.0719 - 4.34 GiB
Q3_K_L 中くらい 0.0872 0.0731 4.03 GiB
Q3_K_M 中くらい 0.1019 0.0844 3.74 GiB
IQ3_M 中くらい - 0.1025 3.53 GiB
IQ3_S 中くらい - 0.1113 3.42 GiB
IQ3_XS 大きい - 0.1387 3.28 GiB
IQ3_XXS 大きい - 0.1836 3.05 GiB
Q3_K_S 大きい 0.2282 0.1998 3.41 GiB
IQ2_M 大きい - 0.3260 2.74 GiB
Q2_K とても大きい 0.4451 0.3322 2.96 GiB
Q2_K_S とても大きい - 0.4034 2.96 GiB
IQ2_S とても大きい - 0.4392 2.56 GiB
IQ2_XS とても大きい - 0.5463 2.43 GiB
IQ2_XXS とても大きい - 0.8120 2.24 GiB
IQ1_M とても大きい - 1.3931 2.01 GiB
IQ1_S とても大きい - 2.2546 1.88 GiB

出典：llama.cpp（MIT）、Llama-3-8B・FP16 を基準・Wikitext-2・revision f364eb6f の測定。 元の表 · 量子化の読み方と選び方

GGUF配布元

unsloth/Kimi-K2.7-Code-GGUF

第三者が変換して配布 この表示について

最終確認：2026年11月10日

アーキテクチャ
deepseek2
llama.cpp b4409 より前から
パラメータ数
1,026.4B
最大コンテキスト長
262,144
ライセンス
modified-mit 条件付き
Kimi-K2.7-Code（unsloth/Kimi-K2.7-Code-GGUF）の量子化ごとのファイルサイズと必要メモリ
量子化 ファイルサイズ 実測 品質の目安 4,096 8,192 16,384 32,768 65,536 131,072 262,144 最大
UD-IQ1_M （8分割） 304 GB - 305 GB 305 GB 306 GB 307 GB 309 GB 314 GB 323 GB
UD-IQ2_XXS （8分割） 318 GB - 319 GB 319 GB 320 GB 321 GB 323 GB 328 GB 337 GB
UD-IQ2_M （8分割） 318 GB - 319 GB 319 GB 320 GB 321 GB 323 GB 328 GB 337 GB
UD-Q2_K_XL （8分割） 339 GB - 341 GB 341 GB 341 GB 343 GB 345 GB 350 GB 359 GB
UD-IQ3_S （10分割） 419 GB - 420 GB 420 GB 421 GB 422 GB 424 GB 429 GB 438 GB
UD-Q3_K_M （11分割） 464 GB - 465 GB 465 GB 466 GB 467 GB 469 GB 474 GB 483 GB
UD-Q3_K_XL （11分割） 464 GB - 465 GB 465 GB 466 GB 467 GB 469 GB 474 GB 483 GB
UD-IQ4_XS （12分割） 495 GB - 496 GB 497 GB 497 GB 498 GB 501 GB 505 GB 514 GB
UD-Q4_K_XL （14分割） 584 GB - 585 GB 585 GB 586 GB 587 GB 589 GB 594 GB 603 GB
UD-Q8_K_XL （14分割） 595 GB - 596 GB 596 GB 597 GB 598 GB 600 GB 605 GB 614 GB

画像入力用の mmproj（F16）は 0.95 GB 実測 。上の必要メモリには含まれていないため、画像を使う場合は別途加算してください。 

Ollama  ollama run hf.co/unsloth/Kimi-K2.7-Code-GGUF:UD-IQ1_M
llama.cpp  llama-server -hf unsloth/Kimi-K2.7-Code-GGUF:UD-IQ1_M

外部の評価

量子化する前の元のモデルを、他の機関が評価した値です。当サイトの評価ではありません。 値は量子化する前の元のモデルのものです。GGUF の量子化（特に小さい量子化）では性能が下がることがあります。

総合能力（Epoch AI）

151.1 149.1〜153.2

Kimi K2.7 Code · 2026年6月12日 版の値

出典：Epoch Capabilities Index (Epoch AI)（CC BY 4.0）。 元のランキング · ランキングで見る

科学の難問（GPQA）

87.9% 83.3%〜92.4%

kimi-k2.7-code · 2026年8月7日 版の値

出典：GPQA Diamond (Epoch AI)（CC BY 4.0）。 元のランキング · ランキングで見る

ライセンスと商用利用

Modified MIT License（Moonshot AI の Kimi） 条件付き

MIT ライセンスに1つ条件を足したものです。商用の製品・サービスの月間アクティブユーザーが1億人を超える、または月の売上が2,000万米ドルを超えるときは、画面にモデル名（Kimi K2・Kimi K2.6・Kimi K2.7 Code など）を目立つように表示します。そのほかは MIT と同じで、著作権表示とライセンス文を残します。確かめたのは Moonshot AI の Kimi K2・K2.6・K2.7 Code の原文です。ほかの作者が同じ名前で出していても条件が同じとは限りません。

元のモデルの Hugging Face のページにあるライセンスで判定しています。 ライセンスの原文（2026年11月1日 に確認）

要約は当サイトが原文から読み取った事実で、法的な助言ではありません。実際に使う前に、必ずライセンスの原文と最新の条件を確認してください。 ライセンスごとの一覧

動かし方

例として UD-IQ1_M を使う場合のコマンドです。他の量子化を使う場合は、上の表から量子化名を選んで置き換えてください。 ローカルLLMの動かし方

Ollama

Hugging Face 上の GGUF を直接指定して動かせます。

ollama run hf.co/unsloth/Kimi-K2.7-Code-GGUF:UD-IQ1_M

llama.cpp

llama-server（または llama-cli）に -hf でリポジトリと量子化名を指定します。

llama-server -hf unsloth/Kimi-K2.7-Code-GGUF:UD-IQ1_M

LM Studio

検索欄に unsloth/Kimi-K2.7-Code-GGUF を貼り付けてダウンロードし、量子化ファイルの一覧から量子化名を選びます。

よくある質問

Kimi-K2.7-Code（UD-IQ1_M）を動かすのに必要なメモリはどれくらいですか？
ファイルサイズは304 GB（実測）。8,192トークンのコンテキストで動かす場合、KVキャッシュ等を含めた推定必要メモリは305 GBです。計算式はhttps://localllm.az-arte.com/ja/guide/memory-calculationで公開しています。
Kimi-K2.7-Codeは商用利用できますか？
元のモデルのライセンスはModified MIT License（Moonshot AI の Kimi）（商用利用は条件付き）。MIT ライセンスに1つ条件を足したものです。商用の製品・サービスの月間アクティブユーザーが1億人を超える、または月の売上が2,000万米ドルを超えるときは、画面にモデル名（Kimi K2・Kimi K2.6・Kimi K2.7 Code など）を目立つように表示します。そのほかは MIT と同じで、著作権表示とライセンス文を残します。確かめたのは Moonshot AI の Kimi K2・K2.6・K2.7 Code の原文です。ほかの作者が同じ名前で出していても条件が同じとは限りません。最終的な判断はライセンスの原文で確認してください。
Kimi-K2.7-Code は VRAM 8GB・12GB・16GB・24GB で動きますか？
8GB に収まる量子化は無し、12GB に収まる量子化は無し、16GB に収まる量子化は無し、24GB に収まる量子化は無し（8,192 トークン・KV キャッシュ f16 の推定。いちばん多くダウンロードされている配布元のファイル）。
Kimi-K2.7-Code を Ollama で動かすコマンドは？
「ollama run hf.co/unsloth/Kimi-K2.7-Code-GGUF:UD-IQ1_M」で、Hugging Face の GGUF をそのまま動かせます。ほかの量子化を使うときは、最後の量子化名を置き換えます。