Hector Bot 2cb33da005 ingest(youtube): fahd-mirza-kimi-k2.7-vs-glm-5.2

Fahd Mirza Head-to-Head in Hermes Agent (14.06.2026, 14 Min, 2659 views,
89 likes). Beide Modelle bekommen denselben Prompt, loesen denselben
Real-World-Task: Flask-App mit gepflanztem FIFA-Bug + Round-of-32-
Bracket-Feature mit Anti-Group-Rematch-Regel.

Test 1: Beide bestehen. Kimi schneller (~5 Min), innovativer
(zusaetzliche Progression-Previews). GLM: 97 tool calls, laenger.
Test 2 (Creative HTML, Siberian Wind): GLM staerker bei Animation +
Terrain-Detail; Kimi bei Stats + Geographie.

Konzept: Real-World-Showdown als Benchmark-Alternative zu statischen
Tests (HumanEval, MBPP, SWE-bench). Agent-Framework isoliert die
Modell-Variable sauber.

Direkte Implikation fuer OpenClaw:
- Sub-Task-spezifisches Coding-Routing (Kimi vs GLM je nach Task)
- Ensemble-Kandidaten: Kimi K2.7 + GLM-5.2 in Coding-Panels
- Real-World-Validierung statt nur Standard-Benchmarks fuer Production-
  Pfade
- Hermes Agent als alternatives Agent-Framework zu AutoGen/CrewAI

Aenderungen:
- raw/youtube/2026-06-14_fahd-mirza-kimi-k2.7-vs-glm-5.2.md (neu)
- wiki/concepts/real-world-coding-showdown.md (neu)
- wiki/tools/kimi-k2.7-code.md (Cross-References)
- wiki/architecture/model-routing.md (neue Sektion Coding-Modelle)
- wiki/index.md (neuer Concepts-Eintrag + Raw Sources-Eintrag)
- wiki/log.md (Eintrag)

Maximale Verlinkung gemaess AGENTS.md-Kardinalregel:
- 12 externe Verweise auf Modelle (Kimi, GLM, Hermes, Ollama, Z.ai)
- 9 Benchmark-/Methoden-Links (SWE-bench, HumanEval, MBPP, MCP, etc.)
- 7 Fahd-Mirza-Links (YT, Blog, LinkedIn, Substack, Ko-Fi)
- 5 Wiki-Cross-References (fusion, ai-agents, kimi-k2.7, model-routing, behavior-persistence)

2026-06-15 09:45:38 +02:00

2.5 KiB

Raw Blame History

created

updated

sources

Kimi K2.7 Code

Coding-fokussiertes agentisches Modell von Moonshot AI, verfügbar auf Ollama Cloud (NVIDIA B300 GPUs, US-Datacenter). Nachfolger von Kimi K2.6.

Übersicht

Kimi K2.7 Code ist ein spezialisiertes Coding-Modell, das auf agentische Workflows optimiert ist. Es ist über Ollama Cloud als cloud-hosted Modell verfügbar (kimi-k2.7-code:cloud) und kann lokal via Ollama oder über ollama launch in verschiedenen Coding-UIs genutzt werden.

Parameter: ~1.04T | Kontext: 256K Tokens | Input: Text + Bild/Video (MoonViT)

Kernverbesserungen gegenüber K2.6

~30% weniger Thinking-Tokens bei gleichzeitig besseren Task-Completion-Raten
Verbessertes agentisches Tool-Use: Multi-Step Tool Calling, MCP-Integration
preserve_thinking für kohärente, mehrschrittige Coding-Sessions
Privacy-First: Daten bleiben privat, kein Training auf Nutzerdaten

Benchmarks

Kimi K2.7 Code liegt im Coding nahe an GPT-5.5 und Claude Opus 4.8, bleibt aber in allen Kategorien hinter der Spitze zurück. Besonders stark ist es im MCP Mark Verified (81.1 vs. Claude 76.4).

Benchmark	Kimi K2.7 Code	GPT-5.5	Claude Opus 4.8
Kimi Code Bench v2	62.0	69.0	67.4
Program Bench	53.6	69.1	63.8
MLS Bench Lite	35.1	35.5	42.8
Kimi Claw 24/7 Bench	46.9	52.8	50.4
MCP Atlas	76.0	79.4	81.3
MCP Mark Verified	81.1	92.9	76.4

Nutzung

Ollama CLI:

ollama run kimi-k2.7-code:cloud

Over Ollama Launch (verschiedene Coding-UIs):

ollama launch claude --model kimi-k2.7-code:cloud
ollama launch openclaw --model kimi-k2.7-code:cloud
ollama launch codex --model kimi-k2.7-code:cloud
ollama launch hermes --model kimi-k2.7-code:cloud
ollama launch opencode --model kimi-k2.7-code:cloud

2.5 KiB Raw Blame History