Kimi K2 TPS-Rechner
Jede Karte unten wird anhand dieses Modells bei der von Ihnen gewählten Kontextlänge und Mindestqualität bewertet. Geschwindigkeit ist eine Schätzung für eine einzelne Anfrage, berechnet aus der Speicherbandbreite der Karte und der Größe des Modells, sobald es komprimiert ist..
Für dieses Modell berechnet
818 Karten, für die wir Spezifikationen haben
Welche GPUs können laufen Kimi K2?
Setze die Eingaben, lies die Antwort
Ein längeres Gespräch benötigt mehr MEMORY, was dieses Modell von kleineren CARDS drängen kann..
Blendet Karten aus, die nur durch Komprimierung unter diesen Punkt in das Modell passen würden..
0 Karten passen
Berechnung| Braucht | Quantisierung | Passend | |||||
|---|---|---|---|---|---|---|---|
|
Keine Karte in unserem Katalog kann dieses Modell mit diesen Einstellungen ausführen.. |
|||||||
Die Geschwindigkeiten sind Schätzungen für eine einzelne Anfrage — ein Gespräch zur Zeit — berechnet aus BANDWIDTH, MODELLGRÖSSE und QUANTISIERUNG. Der tatsächliche Durchsatz variiert mit der INFERENZLAUFZEIT und ihrer Version. Zahlen, die von Hardwareanbietern veröffentlicht wurden, messen viele gleichzeitige Anfragen und sind viel höher..
Aufgezeichnet
Volle Spezifikation
Alles, was in unserer Datenbank für dieses Modell aufgezeichnet ist. Der Großteil beschreibt, wie es trainiert wurde, anstatt wie es läuft — nützlicher Kontext zur Beurteilung, wie viel Arbeit darin steckt und wie es sich mit Modellen vergleicht, die in einem anderen Maßstab erstellt wurden..
Ursprung
Wer hat dieses Modell gebaut, wo und wann es veröffentlicht wurde.
- Organisation
- Moonshot
- Organisationsart
- Industry
- Land
- China
- Veröffentlicht
- 11 July 2025
Was es tut
Die Problemfelder, für die das Modell entwickelt wurde. Ein Modell kann mehrere davon tragen.
- Domain
- Language
- Aufgabe
- Language modeling/generation, Code generation, Question answering, Quantitative reasoning, Search, Table tasks
Größe
Wie groß das Modell ist und wie viele Daten damit trainiert wurden. Parameter sind die Zahl, die entscheidet, ob es auf einer bestimmten GPU-Karte passt.
- Parameter
- 1T
- Trainingsdaten
- 15,500,000,000,000 tokens
- Batch-Größe
- 67,000,000
MoE with 1T total parameters and 32B parameters active per forward pass
"Kimi K2 was pre-trained on 15.5T tokens"
"global batch size was held at 67M token"
Training-Compute
Die Berechnung, die durchgeführt wird, um das Modell zu trainieren, gemessen in Gleitpunktoperationen. Es ist ein Maß dafür, was der Trainingslauf gekostet hat, nicht dafür, wie schnell das fertige Modell Ihnen antwortet.
- Training-Compute
- 3 × 10²⁴ FLOP
- Wie es etabliert wurde
- Operation counting
6 FLOP / parameter / token * 32 * 10^9 activated parameters * 15.5 * 10^12 tokens = 2.976e+24 FLOP
Der Trainingslauf
Was es physisch gekostet hat, um zu trainieren: welche Chips, wie viele, wie lange und was das aus der Wand gezogen hat.
- Trainingshardware
- NVIDIA H800 SXM5
Verfügbarkeit
Ob Sie das Modell beziehen und es auf Ihrer eigenen Hardware ausführen können, bestimmt, ob eine der Grafikkarten-Zahlen auf dieser Seite zutrifft.
- Gewichte
- Open — downloadable
- Modellzugang
- Open weights (restricted use)
- Training-Code
- Unreleased
- Hugging Face
- moonshotai
Modified MIT license (separare license is required for entities with 100M+ MAU or $20M+ in annual revenue) for weights and inference code: https://huggingface.co/moonshotai/Kimi-K2-Instruct https://github.com/MoonshotAI/Kimi-K2?tab=readme-ov-file#4-deployment API: https://platform.moonshot.cn/docs/pricing/chat#%E8%AE%A1%E8%B4%B9%E5%9F%BA%E6%9C%AC%E6%A6%82%E5%BF%B5
Wie es klassifiziert ist
Labels, die das Quell-Datenset anwendet, wenn bemerkenswerte Modelle verfolgt werden, und wie zuversichtlich es in den Eintrag ist.
- Warum es verfolgt wird
- Training cost
- Aufzeichnungsgenauigkeit
- Confident
Quellen
Woher dieser Datensatz stammt und wann er zuletzt überprüft wurde.
- Referenz
- Kimi K2: Open Agentic Intelligence
- Zuletzt aktualisiert
- 18 December 2025
Was die Zahlen bedeuten
Was es braucht, um dieses Modell auszuführen
Kimi K2 erreicht eine Parameteranzahl von 1T. Das übersteigt, was eine einzelne GPU-Karte hält. Es auszuführen bedeutet, entweder auf mehrere Karten aufzuteilen oder Hardware zu mieten, die für die Aufgabe gebaut ist, und jede Karte, die es alleine halten kann, ist ein Datacenter-Teil. Die Anzahl, die es kann: 0.
Hintergrund
Kimi K2 wurde veröffentlicht von Moonshot, im Land aufgezeichnet als China, während July 2025. Die Kategorie, in die der Herausgeber fällt, ist industry.
Es funktioniert im Bereich von Language, und wird als die Aufgabe von aufgezeichnet language modeling/generation, Code generation, Question answering, Quantitative reasoning, Search, Table tasks.
Veröffentlichte Gewichte bedeuten, dass das Modell auf deinem Rechner läuft und nicht auf dem eines anderen, was die Hardwarefrage unten überhaupt beantwortbar macht. Es ist unter der Organisation auf Hugging Face veröffentlicht. moonshotai.
Was in den Aufbau geflossen ist
Das Training benötigte ein Rechenbudget von ungefähr 3 × 10²⁴ FLOP, auf Hardware erfasst als NVIDIA H800 SXM5. Diese Zahl misst die Kosten für die Produktion des MODELLS und hat keinen Einfluss darauf, wie schnell es antwortet.
Training verbrauchte ein Korpus von etwa 15,500,000,000,000 Text-Tokens
Der Grund, warum es überhaupt in diesem Katalog erscheint: training cost.
Schritt für Schritt
Wie wählt man eine GPU für Kimi K2
Die obige Tabelle hat bereits jede Karte, für die wir Spezifikationen haben, mit diesem Modell verglichen. Um zu Ihrer Antwort zu gelangen, sind sechs Schritte erforderlich..
-
01
Überprüfen Sie, was es benötigt, bevor alles andere.
Die Tabelle listet jede Karte auf, die in der Lage ist, zu halten Kimi K2. Kein Maß an Rechenleistung kompensiert eine Karte, die es nicht halten kann.
-
02
Setzen Sie die CONTEXT LENGTH, an der Sie arbeiten werden.
Längere Gespräche kosten MEMORY zusätzlich zu dem, was die WEIGHTS benötigen. Bewege den Schieberegler auf deine tatsächliche Arbeitslänge, bevor du einer Zeile vertraust. Kimi K2.
-
03
Setze eine Qualitätsuntergrenze
Die Quantisierungs-Spalte variiert nach Karte, da eine größere Karte eine genauere Kopie hält.. Das Festlegen einer Mindestqualität fallen die Karten weg, die es nur schaffen, indem sie weiter gedrückt werden, als man möchte, und hält den Vergleich auf einem Niveau.
-
04
Nach Geschwindigkeit sortieren
Nach Geschwindigkeit sortieren, um zu sehen, wie die CARDS eingestuft sind für Kimi K2. Es wird nicht mit einer Gaming-Bestellung übereinstimmen, da die Generation durch MEMORY-BANDWIDTH gebunden ist.
-
05
Lies die Spalte "fit" zuletzt
Ein enger Sitz läuft, lässt jedoch nichts für ein längeres Gespräch übrig, im Falle von Kimi K2. Komfortabel bedeutet, dass Sie den Kontext später erweitern können. Dieser Unterschied zählt mehr als ein paar Token pro Sekunde, also kaufen Sie für komfortabel, wenn Sie damit rechnen.
-
06
Überprüfen Sie die Karte von der anderen Seite
Jede Karten-Seite wiederholt diesen Ablauf für jedes Modell, das wir in unserem Bestand haben, und beantwortet, wofür die Hardware darüber hinaus noch gut ist. Kimi K2.
Antworten
Kimi K2 — Häufige Fragen
Kimi K2— Wie genau sind diese Geschwindigkeitsabschätzungen?
Jede Zahl leitet sich von VRAM-Bandbreite und Modellgröße ab, nicht benchmarked, weshalb jede als Bereich und nicht als einzelne Zahl veröffentlicht wird. Ein Beispiel: der Bereich unter jeder Zahl. Das gleiche Modell und die Karte variieren je nach Inferenzsoftware und deren Version um dreißig bis fünfzig Prozent.
Kimi K2— Ist es Open-Source?
Die Gewichte sind veröffentlicht, sodass sie heruntergeladen und auf Ihrer eigenen Hardware ausgeführt werden können. Beachten Sie, dass OPEN WEIGHTS nicht dasselbe wie OPEN SOURCE im vollen Sinne ist — es sagt nichts über die Trainingsdaten, den Trainingscode oder die damit verbundenen kommerziellen Bedingungen aus.
Kimi K2— Wie viele Parameter hat es?
Es hat eine Parameteranzahl von 1T. MoE with 1T total parameters and 32B parameters active per forward pass. Diese Zahl ist die Gesamtsumme, und sie bestimmt, wie viel MEMORY das MODEL benötigt – ungefähr ein halbes Gigabyte pro Milliarde bei der Kompression, die die meisten Menschen verwenden.
Kimi K2— Wer hat es erstellt?
Es wurde veröffentlicht von Moonshot, basiert auf China, eine als kategorisierte Organisation industry.
Kimi K2— Wann wurde es veröffentlicht?
Es wurde veröffentlicht in July 2025.
Kimi K2— Wofür wird es verwendet?
Es funktioniert im Bereich von Language, und wird als Bewältigung der Aufgabe von language modeling/generation, Code generation, Question answering, Quantitative reasoning, Search, Table tasks. Modelle tragen häufig mehr als eines von jeder, und die Tags beschreiben den Zweck anstelle von Fähigkeitsgrenzen.
Kimi K2— Wo kann ich es herunterladen?
Seine Gewichte sind auf Hugging Face veröffentlicht, unter der Organisation moonshotai. Wir hosten keine Modell-Dateien — diese Seite berechnet, welche Hardware benötigt wird, um sie auszuführen.
Kimi K2— Wie viel Rechenleistung wurde verwendet, um es zu trainieren?
Training verbrauchte etwa 3 × 10²⁴ FLOP, auf Hardware erfasst als NVIDIA H800 SXM5. Das misst, was die Produktion des Modells gekostet hat, und sagt nichts darüber aus, wie schnell es einmal trainiert antwortet — die Inferenzgeschwindigkeit kommt von der MEMORY-BANDWIDTH, nicht vom TRAINING-BUDGET.
Kimi K2— Kann ich es ausführen, wenn es nicht in meine GPU passt?
Teilweise. Schichten, die nicht passen, verbleiben im System-Speicher und laufen mit einem Bruchteil der Geschwindigkeit, sodass ein überwiegend ausgelagerter Modell selten von Nutzen ist. Die nächste verpasste Berechnung bleibt hinter 274.0 GB Jede Zahl hier geht davon aus, dass das gesamte Modell auf der Karte vorhanden ist.
Kimi K2— Würden zwei GPUs es schneller ausführen?
Die Kapazität addiert sich über Karten; der Durchsatz nicht. Die Anzahl der Karten, die es bereits eigenständig halten: 0. So eine zweite Karte ist hier selten die Antwort.
Kimi K2— Warum unterscheidet sich die Quantisierung zwischen Karten?
Jede Karte wird mit der am wenigsten komprimierten Kopie angezeigt, die sie halten kann. Die Anzahl der verschiedenen Komprimierungsstufen über die Karten, die sie passen: 1. Größere Karten erhalten die genauere Version, und die Qualitätsuntergrenze verankert den Vergleich auf einem Niveau.
Die andere Richtung
Von der anderen Seite aus betrachten?
Diese Seite beginnt mit dem Modell. Wenn Sie bereits eine Karte besitzen und alles wissen möchten, was sie ausführen wird, Starte stattdessen von der Hardware.