Kimi Linear TPS kalkulátor

Otevřít váhy Moonshot 48B parametry October 2025

Každá karta níže je hodnocena podle tohoto modelu na základě délky kontextu a minimální kvality, kterou si zvolíte. Rychlost je odhad pro jednotlivý požadavek, vypočítaná z paměťové šířky karty a velikosti modelu po kompresi..

Vypočteno pro tento model

93 karty, které to mohou spustit

818 karty, které máme specifikace pro

Nejmenší karta, která se vejde

Radeon PRO V710

28 GB · Q3_K_M · 9.4 tok/s

Nejrychlejší karta

B200

70.6 tok/s · 180 GB

Které GPU mohou spustit Kimi Linear?

Nastavte vstupy, přečtěte si odpověď

Délka kontextu tokeny

Delší konverzace potřebuje více paměti, což může tento model vytlačit z menších karet..

Minimální kvalita

Skrývá karty, které by se do modelu vešly pouze jeho stlačením pod tento bod.

Hledat karty

Paměť karty

Také zobrazit karty, které to nemohou spustit.

93 karty odpovídají

Vypočítávání

					Potřebuje	Kvantisace	Pohodlné
70.6 tok/s 42–113 · nízká důvěra	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	52.1 GB	Q8_0	Pohodlný
70.6 tok/s 42–113 · nízká důvěra	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	52.1 GB	Q8_0	Pohodlný
56.4 tok/s 34–90 · nízká důvěra	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	52.1 GB	Q8_0	Pohodlný
56.4 tok/s 34–90 · nízká důvěra	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	52.1 GB	Q8_0	Pohodlný
45.1 tok/s 27–72 · nízká důvěra	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	52.1 GB	Q8_0	Pohodlný
43.2 tok/s 26–69 · nízká důvěra	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	52.1 GB	Q8_0	Pohodlný
43.2 tok/s 26–69 · nízká důvěra	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	52.1 GB	Q8_0	Pohodlný
41.3 tok/s 25–66 · nízká důvěra	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	52.1 GB	Q8_0	Pohodlný
40.5 tok/s 24–65 · nízká důvěra	DRIVE A100 PROD NVIDIA	32 GB	1,870 GB/s	May 2020	26.9 GB	IQ4_XS	Těsný
40.5 tok/s 24–65 · nízká důvěra	GRID A100A NVIDIA	32 GB	1,870 GB/s	May 2020	26.9 GB	IQ4_XS	Těsný
38.8 tok/s 23–62 · nízká důvěra	GeForce RTX 5090 NVIDIA	32 GB	1,790 GB/s	Jan 2025	26.9 GB	IQ4_XS	Těsný
38.8 tok/s 23–62 · nízká důvěra	GeForce RTX 5090 D NVIDIA	32 GB	1,790 GB/s	Jan 2025	26.9 GB	IQ4_XS	Těsný
36.7 tok/s 22–59 · nízká důvěra	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	52.1 GB	Q8_0	Pohodlný
36.7 tok/s 22–59 · nízká důvěra	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	52.1 GB	Q8_0	Pohodlný
36.7 tok/s 22–59 · nízká důvěra	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	52.1 GB	Q8_0	Pohodlný
34.8 tok/s 21–56 · nízká důvěra	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	52.1 GB	Q8_0	Pohodlný
29.7 tok/s 18–47 · nízká důvěra	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	52.1 GB	Q8_0	Pohodlný
29.7 tok/s 18–47 · nízká důvěra	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	52.1 GB	Q8_0	Pohodlný
29.7 tok/s 18–47 · nízká důvěra	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	52.1 GB	Q8_0	Pohodlný
29.7 tok/s 18–47 · nízká důvěra	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	52.1 GB	Q8_0	Pohodlný
29.7 tok/s 18–47 · nízká důvěra	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	52.1 GB	Q8_0	Pohodlný
24.6 tok/s 15–39 · nízká důvěra	A100 PCIe 40 GB NVIDIA	40 GB	1,560 GB/s	Jun 2020	35.3 GB	Q5_K_M	Těsný
24.6 tok/s 15–39 · nízká důvěra	A100 SXM4 40 GB NVIDIA	40 GB	1,560 GB/s	May 2020	35.3 GB	Q5_K_M	Těsný
24.6 tok/s 15–39 · nízká důvěra	A800 PCIe 40 GB NVIDIA	40 GB	1,560 GB/s	Nov 2022	35.3 GB	Q5_K_M	Těsný
24.5 tok/s 15–39 · nízká důvěra	Tesla PG500-216 NVIDIA	32 GB	1,130 GB/s	Nov 2019	26.9 GB	IQ4_XS	Těsný

Rychlosti jsou odhady pro jednoho žadatele — jednu konverzaci najednou — vypočítané z šířky pásma paměti, velikosti modelu a kvantizace. Skutečný průchod se liší s výkonem inference a jeho verzí. Čísla zveřejněná výrobci hardwaru měří mnoho simultánních požadavků a jsou mnohem vyšší..

Na záznamu

Plná specifikace

Všechno o tomto modelu v záznamech. Většina z toho popisuje, jak byl trénován, spíše než jak funguje — užitečný kontext pro posouzení, kolik práce do něj bylo vynaloženo, a jak se srovnává s modely postavenými na jiné úrovni..

Původ

Kdo vytvořil tento model, kde a kdy byl publikován.

Organizace: Moonshot
Typ organizace: Industry
Země: China
Publikováno: 30 October 2025

Co to dělá

Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.

Doména: Language
Úkol: Language modeling/generation, Question answering, Mathematical reasoning

Velikost

Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.

parametry: 48B
Výcviková data: 5,700,000,000,000 tokens

Výpočty pro trénink

Aritmetika prováděná k trénování modelu, měřená v operacích s plovoucí desetinnou čárkou. Je to měřítko toho, kolik stál tréninkový běh, ne jak rychle hotový model na vás odpovídá.

Výpočty pro trénink: 1 × 10²³ FLOP
Jak bylo ustanoveno: Operation counting

Dostupnost

Zda můžete získat model a spustit ho na svém vlastním hardwaru, což rozhoduje o tom, zda se některé z čísel grafických karet na této stránce vztahují.

Hmotnosti: Open — downloadable
Přístup k modelu: Open weights (unrestricted)
Tréninkový kód: Unreleased
Hugging Face: moonshotai

Jak je to klasifikováno

Štítky aplikačních datových sad, které se používají při sledování významných modelů, a jak jistý je ve záznamu.

Záznam důvěry: Confident

Žrovy

Odkud tento záznam pochází a kdy byl naposledy zkontrolován.

Reference: KIMI LINEAR: AN EXPRESSIVE, EFFICIENT ATTENTION ARCHITECTURE
Nap poslední aktualizace: 28 November 2025

Extrémy

Deset nejrychlejších GPU, které běží Kimi Linear

Seřazeno podle odhadovaných tokenů za sekundu, nejnovější karta první, kde se rychlosti shodují. Protože generování je omezeno šířkou pásma paměti, toto řazení následuje šířku pásma spíše než jakýkoli herní benchmark..

Nejmenší GPU, které ještě běží Kimi Linear

Nejlevnější cesta dovnitř, podle kapacity paměti. Těsný fit spustí model, ale nenechá nic navíc na delší konverzaci..

Co čísla znamenají

Co potřebujete k tomu, abyste to spustili

Minimum karta

Radeon PRO V710

Potřeba paměti

24.2 GB

Nejrychlejší

70.6 tok/s

Kimi Linear dosahuje počtu parametrů 48B. To přistane v oblasti, kterou může zvládnout seriózní desktopová KARTA, jakmile jsou VÁHY zkomprimovány. Počet KARET, které sledujeme a které to mohou spustit: 93.

Nejmenší hardware, který funguje, je Radeon PRO V710, s kapacitou VRAM 28 GB, spuštění na kompresi Q3_K_M a vyrábějí kolem 9.4 tokenů za sekundu

Nejrychlejší výsledek pochází z B200, generování přibližně 70.6 tokens za sekundu na základě šířky pásma VRAM 8,000 GB/s.

Co je tento MODEL

Kimi Linear byl zveřejněn Moonshot, v zemi zaznamenané jako China, během October 2025. Kategorie, do které vydavatel spadá, je industry.

funguje v oblasti Language, a je zaznamenán jako vykonávající úkol language modeling/generation, Question answering, Mathematical reasoning.

Otevřené váhy jsou to, co dává této stránce místo v kalkulátoru spíše než pouze v katalogu: je to model, který můžeš skutečně držet. Na Hugging Face je publikováno pod organizací moonshotai.

Co rozhoduje o rychlosti

Uprostřed rozsahu se nachází každá karta, která to dokáže spustit, na 17.8 tokenů za sekundu. Producing text faster than most people read it: 71 z nich

Je to hustý model, takže každý parametr je čten pro každý token vyprodukovaný. To dělá rychlost téměř přesně sledovat paměťovou šířku pásma — karta s dvojnásobnou šířkou pásma generuje přibližně dvojnásobně rychle.

Paměť zde je odhadována podle velikosti, spíše než aby byla vypočtena z architektury, která není pro tento model zaznamenána — čísla jsou spíše indikativní než přesná.

Trénink a původ

Trénování si vyžádalo výpočetní rozpočet přibližně 1 × 10²³ FLOP. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.

Trénink spotřeboval korpus kolem 5,700,000,000,000 tokeny textu

Krok za krokem

Jak vybrat GPU pro Kimi Linear

Stůl výše již posoudil každou kartu, pro kterou máme specifikace, proti tomuto modelu. Dostání se k vaší odpovědi trvá šest kroků.

01

Přečtěte si nejprve číslo paměti

Každá KARTA zde byla zkontrolována proti Kimi Linear, potřebující kolem 24.2 GB při kompresi Q3_K_M. Kapacita je brána — karta buď ji má, nebo ne.
02

Rozhodněte, jak dlouho vaše konverzace běží

Nastavte kontext na to, co skutečně použijete. Cache roste s konverzací a to je obvyklý důvod, proč karta, která se zdála v pořádku, přestane vejít. Kimi Linear.
03

Vyberte, jak moc to budete komprimovat.

Každá KARTA spouští nejméně komprimovanou kopii, kterou může udržet., dosahující komprese Q3_K_M na nejmenší kartě, která se vejde. Nastavení minimální kvality odstraňuje karty, které pouze splňují tuto kvalitu tím, že ji dále stlačují více, než byste chtěli, a udržuje srovnání na jedné úrovni.
04

Hodnoťte podle propustnosti spíše než podle specifikace

Rychlostní řazení je v podstatě řazením podle šířky pásma paměti, pro Kimi Linear. Nebude to odpovídat hernímu pořádku, protože generace je omezena šířkou pásma paměti. Grafická karta, která vede seznam, je B200, na 70.6 tok/s
05

Přečtěte si poslední sloupec fit

Tight fit běží, ale nenechává nic navíc pro delší konverzaci, v případě Kimi Linear. Pohodlný znamená, že můžete později zvětšit kontext. Ten rozdíl má větší význam než pár tokenů za sekundu, takže kupte pro pohodlné, pokud to očekáváte.
06

Podívejte se, co dalšího ta karta spouští

Sledování KARTY až na její vlastní stránku ukazuje každý jiný model, který může držet, což je otázka, která následuje, jakmile se rozhodnete pro Kimi Linear.

Odpovědi

Kimi Linear — běžné otázky

Kimi Linear— Mohu to spustit, pokud se to nevejde do mé GPU?

Částečně. Vrstvy, které se nevejdou, sedí v systémové paměti a běží jen při zlomku rychlosti, takže většinou odložený model není často použitelný. Nejbližší nepřesnost, kterou vypočítáme, zaostává o 8.1 GB. Každá postava zde předpokládá, že celý model je umístěn na kartě.

Kimi Linear— Běhalo by to rychleji na dvou GPU?

Druhá karta přibližně zdvojnásobí dostupnou paměť, ale ne rychlost generování. Počet, který je již schopen ji spustit sám: 93. Takže druhá karta je tu zřídka odpovědí.

Kimi Linear— proč se kvantizace liší mezi kartami?

Protože se kapacita liší, liší se i to, jak moc musí být stlačena. Počet odlišných úrovní v tabulce výše: 5. Větší karty získávají přesnější verzi a kvalita podlahy nad piny srovnává na jednu úroveň.

Kimi Linear— Jak přesné jsou tyto odhady rychlosti?

Jsou vypočítány ze specifikací spíše než měřeny a každá má určité rozmezí. Jeden příklad: 42–113 tok/s na B200. Stejný model a karta se liší o třicet až padesát procent v závislosti na softwaru pro inferenci a jeho verzi.

Kimi Linear— Jakou GPU potřebuji k jejímu spuštění?

Nejmenší karta v našem katalogu, která to udrží, je Radeon PRO V710, s kapacitou VRAM 28 GB. Spouští model při kompresi Q3_K_M používající přibližně 24.2 GB, a produkuje přibližně 9.4 tokeny za sekundu. Celkový počet karet, které mohou model běžet: 93.

Kimi Linear— jak rychle je to na GPU?

Záleží na kartě. Nejrychleji, jak to spočítáme, je B200, přibližně 70.6 tokenů za sekundu; nejpomalejší, který stále běží, zvládá výrazně méně. Rychlost čtení je kolem deseti tokenů za sekundu, a počet karet, které to zvládají: 71.

Kimi Linear— kolik VRAM potřebuje?

Potřebuje asi 24.2 GB při kompresi Q3_K_M, která je ta nejmenší karta, která to používá. Méně komprese vyžaduje více: čísla ve sloupci paměti výše jsou přepočítána pro každou kartu, protože každá drží nejméně komprimovanou verzi, kterou může.

Kimi Linear— Je to OPEN SOURCE?

Jeho váhy jsou zveřejněny, takže si je lze stáhnout a spustit na vlastním hardwaru. Všimněte si, že open WEIGHTS není totéž co open SOURCE v plném smyslu — neříká nic o tréninkových datech, tréninkovém kódu nebo obchodních podmínkách připojených.

Kimi Linear— kolik má parametrů?

Má počet parametrů 48B. 3B activated parameters and 48B total parameters. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.

Kimi Linear— Kdo to vytvořil?

Bylo to publikováno společností Moonshot, zakládající se na China, organizace zařazená jako industry.

Kimi Linear— Kdy byl vydán?

Bylo to zveřejněno v October 2025.

Kimi Linear— K čemu se to používá?

funguje v oblasti Language, a je zaznamenáno jako zpracovávající úkol language modeling/generation, Question answering, Mathematical reasoning. Modely často obsahují více než jeden z každého a štítky popisují účel spíše než omezení schopností.

Kimi Linear— kde si to mohu stáhnout?

Jeho váhy jsou publikovány na Hugging Face, pod organizací moonshotai. Na našem webu nenabízíme soubory modelů — tento web vypočítává, jaký hardware je potřebný pro jejich spuštění.

Kimi Linear— kolik výpočetního výkonu bylo použito k jeho trénování?

Trénink spotřeboval kolem 1 × 10²³ FLOP. To měří, co stálo výrobu modelu, a neříká nic o tom, jak rychle odpovídá po natrénování — rychlost inferencí závisí na šířce pásma paměti, nikoli na rozpočtu na trénink.

Zdroj

Původní publikace

Nahrávka naposledy aktualizována 28 November 2025

Druhý směr

Díváte se na to z druhé strany?

Tato stránka začíná od modelu. Pokud již vlastníte kartu a chcete vědět všechno, co bude spuštěno, začněte raději od hardwaru.

Všechny AI modely