Modelle
Vergleich
Kimi K2 Thinking vs. GLM 4.7
Kimi K2 Thinking und GLM 4.7 im direkten Vergleich auf Silicon Network: Kontextlänge, Fähigkeiten, Parameter und der Preis pro Token.
| Kimi K2 Thinking | GLM 4.7 | |
|---|---|---|
| Modell-ID in der API | kimi-k2-thinking | glm-4.7 |
| Basismodell | Kimi K2 | GLM 4.7 |
| Familie | Kimi | GLM |
| Parameter | 1T MoE | 355B MoE |
| Größenklasse | Sehr groß (ab 200B) | Sehr groß (ab 200B) |
| Kontextlänge | 262.144 Tokens (256K) | 202.752 Tokens (198K) |
| Fähigkeiten | Text, Reasoning und Reasoning abschaltbar | Text, Reasoning und Reasoning abschaltbar |
| Bereitgestellte Gewichte | Wie veröffentlicht | 4 Bit |
| Größe der Gewichte | 707 GB | 199 GB |
| Preis Eingabe | Nicht verfügbar | Nicht verfügbar |
| Preis Ausgabe | Nicht verfügbar | Nicht verfügbar |
Die veröffentlichten Preise ließen sich gerade nicht laden. Die Preisseite liest sie live.
Unterschiede
- Kimi K2 Thinking hat das längere Kontextfenster: 262.144 Tokens gegenüber 202.752.
- Kimi K2 Thinking ist nach Gesamtparametern das größere Modell: 1T MoE gegenüber 355B MoE.
- Beide haben dieselben Fähigkeiten: Text, Reasoning und Reasoning abschaltbar.
Welche Modelle gerade auf einem Node geladen sind, ändert sich im Laufe des Tages; die Preisseite zeigt es live. Ein Modell, das nicht geladen ist, antwortet mit 404, bis ein Betreiber es lädt.
Zu diesen Angaben
Kontextlänge, Fähigkeiten und Größe der Gewichte stammen aus der Modellkarte, mit der die jeweilige ID bereitgestellt wird. Die Preise sind die veröffentlichten Preise pro Token und werden alle paar Minuten aktualisiert. Geschwindigkeitswerte gibt es hier nicht: Das Netzwerk veröffentlicht den Durchsatz pro Modell noch nicht.