/ Модель

Характеристики

Лицензия
Своя лицензия
Архитектура
kimi_k25 · dense
Базовая модель
Kimi-K2.7-Code
Библиотека
transformers
Опубликована
16 июн 2026

kimi-k2.75-code

Генерация текстаТекст → текст7 профессий

Экспериментальный объединённый чекпойнт Kimi для генерации текста и задач программирования.

120скачиваний за 30 дней1лайквеса обновлены17 июн 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Kimi K2.75 Code — экспериментальный объединённый чекпойнт, созданный автором репозитория на основе moonshotai/Kimi-K2.7-Code и moonshotai/Kimi-K2.6. Веса объединены методом SLERP с разными коэффициентами для attention, MLP и прочих тензоров, затем чекпойнт был прорежен и упакован в safetensors.

Модель предназначена для генерации текста в сценариях, связанных с программированием. Её архитектура обозначена как Kimi K2.5, класс — KimiK25ForConditionalGeneration; в метаданных указан формат safetensors и библиотека Transformers. Репозиторий помечен лицензией other, поэтому перед использованием следует проверить условия лицензии.

Качество модели ещё не оценено полностью. Автор рекомендует проверять результаты перед практическим применением; конвертация в GGUF, квантизация и smoke-тестирование на момент публикации могли продолжаться.

Сценарии применения

  • генерация фрагментов кода
  • помощь при написании программ
  • объяснение и дополнение кода

Ограничения

Модель не прошла полную оценку качества; автор рекомендует проверять результаты до практического использования. GGUF-конвертация, квантизация и smoke-тестирование могли ещё выполняться на момент публикации.

Для каких профессий подходит7

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Kimi K2.75 Code — experimental merge

This repository contains an experimental merged checkpoint derived from:

  • moonshotai/Kimi-K2.7-Code
  • moonshotai/Kimi-K2.6

The merge used a custom shard-wise SLERP blend after mergekit could not handle the Kimi expert shape tensors.

Merge recipe

  • Attention tensors: t = 0.3
  • MLP / expert tensors: t = 0.5
  • Other tensors: t = 0.4
  • Initial merged checkpoint size before pruning: about 555G

Pruning / compaction

The uploaded safetensors are the compacted pruned checkpoint:

  • SnapPrune deep / REAP-style expert pruning
  • Prune ratio: 0.3
  • Routed experts compacted from sparse original expert ids to dense expert ids
  • Final routed experts per MoE layer: 268
  • Safetensors checkpoint size: about 394G

License

This checkpoint follows the Modified MIT License from Moonshot AI. See LICENSE.

Commercial attribution requirement: if the Software or derivative works are used for commercial products or services with more than 100 million monthly active users, or more than 20 million US dollars (or equivalent in other currencies) in monthly revenue, you must prominently display Kimi K2.7 Code on the user interface of such product or service.

Status

This model is not fully evaluated yet. Treat it as a research artifact.

At upload time:

  • Merge completed successfully.
  • Pruning completed successfully.
  • Safetensors compaction completed successfully.
  • GGUF conversion / quantization / smoke testing may still be in progress.

Use at your own risk and validate quality before production use.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

vLLM

Можно запустить

Подбираем GPU…

Класс архитектуры
KimiK25ForConditionalGeneration
Ревизия весов
0ccb32a

0 моделей