当サイトにはアフィリエイトリンクが含まれます。eBay パートナーとして、リンク経由でご購入いただいた場合に報酬を受け取ることがあります。eBay パートナーとして報酬を得ることがあります。詳しく

収録 GPU57価格追跡49 日直近 24h の価格データ38,733 件24h 最大の値下げGeForce RTX 3090-2.3%24h 最大の値上げGeForce RTX 4090+5.5%更新
¥ JPY

Kimi K2.7 Code をローカルに導入するには？

Kimi K2.7 Code は、Moonshot AI が 2026 年 6 月に公開したプログラミング専用のモデルです。K2.6 をベースに追加学習したもので、構造もサイズも K2.6 とほぼ同じです。公式によると、思考トークンは K2.6 より約 30% 少なくなっています。ローカルの生成速度が数十 tokens/s 程度なら、待ち時間も 3 割ほど短くなるということです。その代わり思考モードしか使えず、即時応答が必要なら K2.6 に戻る必要があります。

Kimi K2.7 Code のモデル情報

  • 4-bit 最小VRAM586 GB · 8K
  • パラメータ数1,000B
  • アクティブ32B
  • 最大コンテキスト256K
アーキテクチャ
MoE
エキスパートオフロード
VRAM 10 GB + RAM 578 GB
ライセンス
Modified MIT
発売日
2026年6月12日
提供元
Moonshot AI
Hugging Face リポジトリ
moonshotai/Kimi-K2.7-Code
GGUF リポジトリ
unsloth/Kimi-K2.7-Code-GGUF
NVFP4 リポジトリ（Blackwell）
nvidia/Kimi-K2.7-Code-NVFP4
MLX リポジトリ（Apple）
mlx-community/Kimi-K2.7-Code-4bit
レイヤー数
61
隠れ層次元
7,168
KV ヘッド数
64
ヘッド次元
192

Kimi K2.7 Code のローカル実行に必要なVRAMは？

量子化重みサイズGB8K コンテキストGB32K コンテキストGB128K コンテキストGB256K コンテキスト（最大）GB
1-bit303.9GGUF305.5307.3314.2323.4
2-bit339.5GGUF341.1342.9349.8359
3-bit463.9GGUF465.5467.3474.2483.4
4-bit583.7GGUF585.3587.1594603.2
5-bit—————
8-bit594.5GGUF596.1597.9604.8614
BF16/FP162,100推定2,101.62,103.42,110.32,119.5

詳しい計算ルールはデータの作り方ページをご覧ください。

Kimi K2.7 Code は GPU 1 枚で動く？

1 枚の GPU では動きません。K2.6 をさらに学習させたモデルで、同じ 1T パラメータ、2-bit でも約 340 GB あり、どの GPU にも 128GB のマシンにも遠く及びません。1 台に収まるのは 512GB の Mac Studio M3 Ultra だけです。1-bit に落として余裕を作ろうとしても、小さくなるのは 30 GB 余りにすぎません。思考モードしかないコーディング用モデルなので、どのタスクも最初に長い思考を出力し、生成速度がそのまま待ち時間になります。速さを求めるならマルチ GPU か大容量メモリのサーバーが必要で、その段階では 4-bit と 8-bit に必要なハードウェアは同じなので、劣化のない 8-bit を選びましょう。

Amazon.jp
デバイス価格速度 t/s最大コンテキスト
Mac Studio M3 Ultra 512GBマシン全体 · 512 GB価格なし44.5256K

よく使われる GPU とマシンだけを、50B 未満と 50B 以上のモデルで分けて、価格の安い順に掲載しています。

Kimi K2.7 Code を動かすには GPU が何枚必要？

コーディング用途なら、96GB の RTX PRO 6000 4 枚で 2-bit を動かす構成が現実的で、毎秒約 74 トークンです。思考の量が K2.6 より約 3 割少ないので、同じタスクでも待ち時間がおよそ 3 割短くなります。48GB の RTX A6000 8 枚でも 2-bit は収まりますが速度は半分ほど、4-bit には RTX PRO 6000 が 8 枚必要で毎秒約 52 です。vLLM の公式検証は H200 8 枚のみです。コードだけを扱い画像を使わないなら、起動時に画像を扱う部分を読み込まない設定にすれば、その分の VRAM をコンテキストに回せます。

Amazon.jp
デバイス必要枚数合計価格合計 VRAM速度 t/s合計消費電力
A100 80GB PCIe1 枚 80 GB8 枚価格なし640 GB55.42,400 W
RTX PRO 60001 枚 96 GB8 枚価格なし768 GB52.34,800 W
Mac Studio M3 Ultra 512GB1 台 512 GB2 台価格なし1,024 GB27.6960 W

Mac Studio は Thunderbolt 5 で連結し、MLX や exo で動かします。vLLM は対応していません。詳しい計算ルールはデータの作り方ページをご覧ください。

Kimi K2.7 Code を動かすにはどんな構成のマシンが必要？

エキスパートをメインメモリに置く場合の構成と速度も K2.6 と同じです。12 チャネル DDR5 サーバーと RTX PRO 6000 1 枚で、2-bit は約 46 tokens/s、4-bit は約 27（メモリ 768GB をフル搭載）です。この速度だと、思考トークンが 3 割減る効果ははっきり感じられます。4-bit で計算すると 1 万トークンの思考に約 6 分かかるので、3 割減ればおよそ 2 分短縮できます。

Amazon.jp

8 × Tesla V100 32GB + Xeon E5 デュアル 8 GPU サーバー

低予算
生成速度9.4t/s
メモリ帯域幅137GB/s
GPU
8 × Tesla V100 32GBエキスパート層 27 / 61 を VRAM 256 GB に配置
—
メモリ
384 GB DDR4-213316 GB × 24 枚
¥516,336
CPU
2 × Intel Xeon E5-2680 v4合計 28 コア 56 スレッド・8 チャネル
¥4,747
ベアボーン
Supermicro SYS-4028GR-TRGPU 8 基・メモリスロット 24 本
¥205,691
電源
内蔵 4 × 1,600 W
ベアボーンに含む
マシン全体の参考価格—

GeForce RTX 5090 + EPYC デュアル DDR5

フラッグシップ
生成速度31.8t/s
メモリ帯域幅922GB/s
GPU
GeForce RTX 5090エキスパート層 2 / 61 を VRAM 32 GB に配置
¥1,399,990
メモリ
768 GB DDR5-480032 GB × 24 枚
¥6,747,960
CPU
2 × AMD EPYC 9354合計 64 コア 128 スレッド・24 チャネル
¥579,100
マザーボード
Gigabyte MZ73-LM0メモリスロット 24 本
¥205,691
電源
Seasonic PRIME PX-16001,600 W
¥80,694
マシン全体の参考価格¥9,013,436

4 × RTX PRO 6000 + EPYC デュアル DDR5

超大規模モデル向け
生成速度44.1t/s
メモリ帯域幅922GB/s
GPU
4 × RTX PRO 6000エキスパート層 42 / 61 を VRAM 384 GB に配置
—
メモリ
384 GB DDR5-480016 GB × 24 枚
¥3,336,672
CPU
2 × AMD EPYC 9354合計 64 コア 128 スレッド・24 チャネル
¥579,100
マザーボード
Gigabyte MZ73-LM0メモリスロット 24 本
¥205,691
電源
2 × Seasonic PRIME PX-22004,400 W
¥208,856
マシン全体の参考価格—

詳しい計算ルールはデータ方法のページで確認できます。

一部の購入リンクはアフィリエイトリンクです。リンク経由でご購入いただくと当サイトが手数料を受け取ることがありますが、お支払い金額は変わりません。

Kimi K2.7 Code をローカルで動かす前に知っておきたいこと

  1. 思考モードのみ

    即時モードには対応しておらず、preserve_thinking も強制的にオンで、オフにはできません。複数ターンの会話では、クライアントが各ターンで返された思考内容も一緒に送り返す必要があります（vLLM ではこのフィールド名が reasoning_content ではなく reasoning になっていることがあります）。公式の推奨は temperature 1.0、top_p 0.95 です。

  2. 量子化

    Unsloth の量子化の段階は K2.6 より多く、1-bit から 4-bit の間にいくつもあり、3-bit は約 464 GB です。推奨は 2-bit（UD-Q2_K_XL）です。8-bit の UD-Q8_K_XL は 4-bit のエキスパートをそのまま保持した、劣化のない版です。コンテキストについて Unsloth は、既定値 98,304、最大 262,144 を勧めています。

  3. vLLM のオプション

    vLLM のレシピは 0.19.1 以上を要求しています。ツール呼び出しと思考のパースを使うには、それぞれ --tool-call-parser kimi_k2 と --reasoning-parser kimi_k2 を付けます。画像処理の部分は --mm-encoder-tp-mode data で各カードに 1 つずつ持たせれば、カード間の通信を省けます。

  4. コーディングエージェントとの接続

    公式によると、自社の Kimi Code CLI と組み合わせるのが最も効果的です。ほかのエージェントフレームワークにつなぐ場合は、フレームワークが思考内容をそのまま送り返すかを先に確認してください。そうでないと、「思考の保持」による効果が得られません。

起動コマンド

llama.cpp

  • NVIDIA
  • AMD
  • Mac
  • CPU
すべて VRAM に載せる
ターミナル
llama-server -hf unsloth/Kimi-K2.7-Code-GGUF:UD-Q4_K_XL -c 8192
MoE オフロード

VRAM が足りないときは --cpu-moe を付けると、ルーティングされるエキスパートを RAM に置けます（約 578 GB 必要）。

ターミナル
llama-server -hf unsloth/Kimi-K2.7-Code-GGUF:UD-Q4_K_XL -c 8192 \
  -ngl 99 --cpu-moe

vLLM

  • Linux
  • NVIDIA

実行前にデプロイガイドで必要な実行環境とハードウェアを確認してください。

ターミナル
vllm serve moonshotai/Kimi-K2.7-Code \
  --trust-remote-code \
  --tensor-parallel-size 8 \
  --tool-call-parser kimi_k2 \
  --enable-auto-tool-choice \
  --reasoning-parser kimi_k2 \
  --speculative-config '{"model":"lightseekorg/kimi-k2.7-coder-eagle3.1-mla","method":"eagle3","num_speculative_tokens":3}' \
  --mm-encoder-tp-mode data

MLX

  • Apple シリコン

Mac で pip install mlx-lm を済ませてから実行すると、Hugging Face から MLX 版の重みを取得し、OpenAI 互換のサーバーを起動します。

ターミナル
mlx_lm.server --model mlx-community/Kimi-K2.7-Code-4bit

Ollama

  • Windows
  • macOS
  • Linux

Ollama にはクラウド版の kimi-k2.7-code:cloud しかなく、手元のマシンではなく Ollama のサーバーで動きます。

ファイル名はその週のモデルライブラリ取得時点のものです。定義はデータ方法を参照してください。 データ方法

Kimi ファミリーのほかのモデル

モデル総パラメータアクティブ4-bit のサイズ
Kimi Linear 48B A3BMoE49.1B3B30.1 GB
Kimi K2MoE1,000B32B621.3 GB
Kimi K2.5MoE1,000B32B621.2 GB
Kimi K2.6MoE1,000B32B583.7 GB
Kimi K3MoE2,800B104B1,508.7 GB

Kimi について