Kimi K2.7-Code: Open-Source Codierungsmodell mit besserer Token-Effizienz
Moonshot AI hat Kimi K2.7-Code veröffentlicht, ein Open-Source-Coding-Modell, das auf Hugging Face unter dem Namespace moonshotai/Kimi-K2.7-Code verfügbar ist. Das Modell ist als image-text-to-text getaggt und verwendet die Transformers-Bibliothek. Es positioniert sich als token-effiziente Alternative für Codegenerierung und -verständnis.
Hauptfunktionen
- Inferenzanbieter: Novita bietet das Modell mit Live-Status, Tool-Calling-Unterstützung (
toolCalling: true) und derzeit nicht verfügbarer strukturierter Ausgabe. Der Durchsatz wird mit 36,1 Token/Sekunde gemessen. - Modellarchitektur: Das Modell kommt in 64 Shards (safetensors-Format:
model-00001-of-000064.safetensors). - Token-Effizienz: Das Modell verwendet eine benutzerdefinierte Chat-Vorlage, die Reasoning-Inhalte bewahrt (
preserve_thinking: true) und die Token-Nutzung optimiert, indem es Verlaufs- und Suffix-Nachrichten trennt. Die Vorlage enthält spezielle Tokens wie<|im_user|>,<|im_assistant|>und<|im_system|>für die Rollenverwaltung sowie<think>/</think>-Blöcke, um Gedankengänge zu kapseln. - Tool-Calling: Native Unterstützung für Tool-Aufrufe mit strukturierter Argumentformatierung unter Verwendung der Marker
<|tool_call_begin|>und<|tool_call_end|>. - Community-Engagement: 334 Likes auf Hugging Face, mit 4 HN-Kommentaren und 41 Punkten zum Zeitpunkt der Veröffentlichung.
Praktische Auswirkungen
Das Vorlagendesign vermeidet explizit das Einbetten von Reasoning-Tokens im Verlauf, wenn preserve_thinking auf false gesetzt ist, wodurch der Kontext-Overhead reduziert wird. Für Entwickler, die KI-Coding-Agenten verwenden, bedeutet dies einen geringeren Token-Verbrauch pro Interaktion – besonders vorteilhaft bei langen Agentenschleifen, in denen Reasoning-Ketten wiederholt werden. Das Tool-Calling-Format ist JSON-konform und lässt sich leicht in bestehende Funktionsaufruf-Pipelines integrieren.
Das Modell ist sofort über Novita nutzbar, und das Hugging-Face-Repository enthält die vollständige Tokenizer-Konfiguration und die Vorlagenquelle.
📖 Vollständige Quelle lesen: HN AI Agents
👀 Siehe auch
Lokaler LLM-Benchmark: Backend-Generierung durch Funktionsaufruf – GLM, Qwen, DeepSeek im Vergleich
Ein rigoroser Benchmark lokaler und Frontier-LLMs für Backend-Code-Generierung mittels Function Calling, mit Bewertungsmatrix. Wichtigste Ergebnisse: qwen3.5-35b-a3b erreicht GPT-5.4 bei DB/API-Design und dichtes Qwen 27B schlägt 397B MoE. Frontier-Modelle wurden aufgrund der Kosten gestrichen.
Amazon umgeht mit 45 Jahre alten Regeln die Bürgerabstimmung in Gilroy zum KI-Rechenzentrum
Amazon hat heimlich mit dem Bau eines 56 Hektar großen KI-Rechenzentrums in Gilroy, Kalifornien, begonnen und damit öffentliche Kontrolle umgangen, indem es sich an vor 45 Jahren festgelegte Bebauungsregeln hält. Anwohner wurden von der Kommentarfrist ausgeschlossen.
Yann LeCuns AMI sammelt 1 Mrd. USD für KI-Weltmodelle und stellt den LLM-Ansatz in Frage.
Yann LeCuns Startup AMI hat über 1 Milliarde Dollar eingesammelt, um KI-Weltmodelle zu entwickeln, die die physische Welt verstehen. Er argumentiert, dass reine Sprachmodelle allein keine menschenähnliche Intelligenz erreichen werden. Das Unternehmen wird Systeme mit dauerhaftem Gedächtnis, logischem Denken und Planungsfähigkeiten für Fertigung, Biomedizin und Robotik aufbauen.
Tripadvisor AI Zusammenfassungen versagen bei Warnungen vor Lebensmittelvergiftung und sexueller Belästigung in Hotels
Eine Untersuchung von Which? zeigt, dass Tripadvisors KI-Bewertungszusammenfassungen Berichte über Lebensmittelvergiftungen, sexuelle Belästigung und Hygienemängel auslassen und gefährlichen Hotels glänzende Bewertungen verleihen.