Kimi Linear calculadora TPS

Abre pesos Moonshot 48B parámetros October 2025

Cada tarjeta a continuación se evalúa en función de este modelo en la longitud de contexto y calidad mínima que elijas. La velocidad es una estimación para una sola solicitud, calculada a partir del ancho de banda de memoria de la tarjeta y el tamaño del modelo una vez comprimido..

Calculado para este modelo

93 tarjetas que pueden ejecutarlo

818 tarjetas que tenemos especificaciones para

Tarjeta más pequeña que cabe

Radeon PRO V710

28 GB · Q3_K_M · 9.4 tok/s

Tarjeta más rápida

B200

70.6 tok/s · 180 GB

¿Qué GPU pueden ejecutar? Kimi Linear?

Establecer las entradas, leer la respuesta

Longitud del contexto tokens

Una conversación más larga necesita más VRAM, lo que puede expulsar este modelo de tarjetas más pequeñas..

Calidad mínima

Oculta tarjetas que solo se ajustarían al modelo comprimiéndolo por debajo de este punto..

Buscar tarjetas

Memoria de la tarjeta

También muestra tarjetas que no pueden ejecutarlo.

93 las tarjetas coinciden

Calculando

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

Las velocidades son estimaciones para una sola solicitud — una conversación a la vez — calculadas a partir del ancho de banda de memoria, el tamaño del modelo y la cuantificación. El rendimiento real varía con el tiempo de inferencia y su versión. Las cifras publicadas por los proveedores de hardware miden muchas solicitudes simultáneas y son mucho más altas..

En registro

especificación completa

Todo en archivo para este modelo. La mayor parte describe cómo fue entrenado en lugar de cómo se ejecuta — contexto útil para juzgar cuánto trabajo se invirtió en él y cómo se compara con modelos construidos a una escala diferente..

Origen

Quién construyó este modelo, dónde, y cuándo fue publicado.

Organización: Moonshot
Tipo de Organización: Industry
País: China
Publicado: 30 October 2025

Lo que hace

Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.

Dominio: Language
Tarea: Language modeling/generation, Question answering, Mathematical reasoning

Tamaño

Qué tan grande es el modelo y cuántos datos se usaron para su entrenamiento. Los parámetros son la cifra que decide si se ajusta en una tarjeta gráfica dada.

parámetros: 48B
Datos de entrenamiento: 5,700,000,000,000 tokens

Cómputo de entrenamiento

La aritmética realizada para entrenar el modelo, medida en operaciones de punto flotante. Es una medida de lo que costó la ejecución del entrenamiento, no de qué tan rápido te responde el modelo terminado.

Cómputo de entrenamiento: 1 × 10²³ FLOP
Cómo se estableció: Operation counting

Disponibilidad

Si puedes obtener el modelo y ejecutarlo en tu propio hardware, lo que decide si alguna de las cifras de la GPU en esta página se aplica.

Pesos: Open — downloadable
Acceso al modelo: Open weights (unrestricted)
Código de entrenamiento: Unreleased
Hugging Face: moonshotai

Cómo está clasificado

Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán confiable es en la entrada.

Confianza de registro: Confident

Fuentes

De dónde proviene este registro y cuándo fue comprobado por última vez.

Referencia: KIMI LINEAR: AN EXPRESSIVE, EFFICIENT ATTENTION ARCHITECTURE
Última actualización: 28 November 2025

Los extremos

Las diez GPUs más rápidas que ejecutan Kimi Linear

Clasificado por tokens estimados por segundo, la tarjeta más nueva primero donde las velocidades están empatadas. Debido a que la generación está limitada por el ancho de banda de memoria, este orden sigue el ancho de banda en lugar de cualquier referencia de juego..

Las GPUs más pequeñas que aún funcionan Kimi Linear

La ruta más barata para entrar, por capacidad de memoria. Un ajuste apretado ejecuta el modelo pero no deja nada de sobra para una conversación más larga..

Qué significan los números

Lo que necesitas para ejecutar esto

Mínima tarjeta

Radeon PRO V710

Memoria necesaria

24.2 GB

Más rápido

70.6 tok/s

Kimi Linear llega a un recuento de parámetros de 48B. Eso cae dentro del rango que una tarjeta de escritorio seria puede manejar una vez que los pesos están comprimidos. El número de tarjetas que rastreamos que pueden ejecutarlo: 93.

El hardware mínimo que funciona es Radeon PRO V710, con una capacidad de memoria de 28 GB, ejecutándolo a una compresión de Q3_K_M y produciendo alrededor 9.4 tokens por segundo

El resultado más rápido proviene de B200, generando aproximadamente 70.6 tokens por segundo en la fuerza de un ancho de banda de memoria de 8,000 GB/s.

Qué es este modelo

Kimi Linear fue publicado por Moonshot, en el país registrado como China, durante October 2025. La categoría en la que se encuentra el editor es industry.

Funciona en el dominio de Language, y se registra como realizando la tarea de language modeling/generation, Question answering, Mathematical reasoning.

El hecho de que los pesos sean abiertos es lo que coloca esta página en la calculadora en lugar de solo en el catálogo: es un modelo que puedes sostener. En Hugging Face está publicado bajo la organización moonshotai.

Qué decide la velocidad

En cada tarjeta que puede ejecutarlo, el medio del rango se sitúa en 17.8 tokens por segundo. Produciendo texto más rápido de lo que la mayoría de las personas lo leen. 71 de ellos.

Es un modelo denso, por lo que cada parámetro se lee para cada token producido. Eso hace que la velocidad rastree el ancho de banda de la memoria casi exactamente: una tarjeta con el doble de ancho de banda genera aproximadamente el doble de rápido.

La memoria aquí se estima a partir del tamaño en lugar de calcularse a partir de la arquitectura, que no se registra para este modelo — los números son indicativos en lugar de exactos.

Entrenamiento y procedencia

Entrenarlo tomó un presupuesto de computación de aproximadamente 1 × 10²³ FLOP. Esa cifra mide lo que costó producir el modelo, y no tiene relación con qué tan rápido responde.

El entrenamiento consumió un corpus de alrededor de 5,700,000,000,000 tokens de texto

Paso a paso

Cómo elegir una GPU para Kimi Linear

La tabla de arriba ya ha evaluado cada tarjeta para la que tenemos especificaciones en contra de este modelo. Llegar a tu respuesta toma seis pasos..

01

Lee la cifra de MEMORIA primero

Cada tarjeta aquí ha sido verificada contra Kimi Linear, necesitando alrededor 24.2 GB a una compresión de Q3_K_M. La capacidad es la puerta: una tarjeta o la sostiene o no la sostiene.
02

Decide cuánto duran tus conversaciones.

Establece el contexto a lo que realmente usarás. La caché crece con la conversación, y es la razón habitual por la que una card que parecía bien deja de fit. Kimi Linear.
03

Elige cuán lejos lo comprimirás.

Cada tarjeta ejecuta la copia menos comprimida que puede contener., alcanzando una compresión de Q3_K_M en la tarjeta más pequeña que cabe. Establecer una calidad mínima elimina las tarjetas que solo la manejan apretando más de lo que desearías, y mantiene la comparación en un nivel.
04

Clasifica por rendimiento en lugar de la hoja de especificaciones.

La velocidad de ordenación es efectivamente un ordenamiento por ancho de banda de GPU. Kimi Linear. No se ajustará a un pedido de gaming, porque la generación está limitada por el ancho de banda de memoria. La tarjeta que encabeza la lista es B200, en 70.6 tok/s
05

Lee la columna de ajuste al final

Un ajuste apretado se ejecuta, pero no deja nada de sobra para una conversación más larga, en el caso de Kimi Linear. Cómodo significa que puedes aumentar el contexto más adelante. Esa diferencia importa más que unos pocos tokens por segundo, así que compra por cómodo si esperas hacerlo.
06

Mira qué más ejecuta esa tarjeta

Seguir un GPU a su propia página muestra cada otro modelo que puede contener, que es la pregunta que sigue una vez que te has decidido por. Kimi Linear.

Respuestas

Kimi Linear — preguntas comunes

Kimi Linear— ¿Puedo ejecutarlo si no cabe en mi GPU?

En parte. Las capas que no se ajustan se encuentran en la memoria del sistema y funcionan a una fracción de la velocidad, por lo que un modelo mayoritariamente descargado rara vez merece la pena utilizar. El fallo más cercano que calculamos se queda corto por 8.1 GB Cada cifra aquí asume que todo el modelo está residente en la tarjeta.

Kimi Linear— ¿Correrían dos GPUS más rápido?

Una segunda tarjeta duplica aproximadamente la memoria disponible, pero no la tasa de generación. El número ya capaz de ejecutarlo solo: 93. Así que una segunda tarjeta rara vez es la respuesta aquí.

Kimi Linear— ¿Por qué difiere la cuantificación entre tarjetas?

Debido a que la capacidad varía, también varía cuán difícil tiene que ser exprimido. El número de niveles distintos en la tabla de arriba: 5. Las tarjetas más grandes obtienen la versión más precisa, y el nivel de calidad por encima establece la comparación a un nivel.

Kimi Linear— ¿Qué tan precisas son estas estimaciones de velocidad?

Se calculan a partir de especificaciones en lugar de ser medidas, y cada una tiene un rango. Un ejemplo: 42–113 tok/s en B200. El mismo modelo y tarjeta varían entre el treinta y el cincuenta por ciento dependiendo del software de inferencia y su versión.

Kimi Linear— ¿Qué GPU necesito para ejecutarlo?

La tarjeta más pequeña en nuestro catálogo que lo sostiene es Radeon PRO V710, con una capacidad de memoria de 28 GB. Funciona el modelo a una compresión de Q3_K_M usando alrededor 24.2 GB, y produce aproximadamente 9.4 tokens por segundo. El número de tarjetas capaces de ejecutarlo en total: 93.

Kimi Linear— ¿qué tan rápido es en una GPU?

Depende de la tarjeta. Lo más rápido que calculamos es B200, a aproximadamente 70.6 tokens por segundo; el más lento que aún lo ejecuta consigue considerablemente menos. La velocidad de lectura es de alrededor de diez tokens por segundo, y el número de cards que logran eso: 71.

Kimi Linear— ¿Cuánta VRAM necesita?

Necesita aproximadamente 24.2 GB a una compresión de Q3_K_M, cuál es la tarjeta más pequeña que lo ejecuta. Menos compresión necesita más: las cifras en la columna de memoria anterior se recalculan para cada tarjeta, porque cada una sostiene la versión menos comprimida que puede.

Kimi Linear— ¿Es de código abierto?

Sus pesos están publicados, por lo que se pueden descargar y ejecutar en su propio hardware. Tenga en cuenta que OPEN WEIGHTS no es lo mismo que OPEN SOURCE en el sentido completo: no dice nada sobre los datos de entrenamiento, el código de entrenamiento o los términos comerciales adjuntos.

Kimi Linear— ¿cuántos parámetros tiene?

Tiene un recuento de parámetros de 48B. 3B activated parameters and 48B total parameters. Esa cifra es el total, y es lo que decide cuánta MEMORIA necesita el modelo — aproximadamente medio gigabyte por mil millones en la compresión que la mayoría de las personas usa.

Kimi Linear— ¿Quién lo creó?

Fue publicado por Moonshot, basado en China, una organización categorizada como industry.

Kimi Linear— ¿cuándo fue lanzado?

Se publicó en October 2025.

Kimi Linear— ¿Para qué se utiliza?

Funciona en el dominio de Language, y se registra como manejando la tarea de language modeling/generation, Question answering, Mathematical reasoning. Los Modelos suelen llevar más de uno de cada uno, y las etiquetas describen el propósito en lugar de los límites de capacidad.

Kimi Linear— ¿Dónde puedo descargarlo?

Sus pesos están publicados en Hugging Face, bajo la organización moonshotai. No alojamos archivos de modelo — este sitio calcula qué hardware se necesita para ejecutarlos.

Kimi Linear— cuánto compute se utilizó para entrenarlo?

El entrenamiento consumió alrededor 1 × 10²³ FLOP. Eso mide cuánto costó producir el modelo y no dice nada sobre cuán rápido responde una vez entrenado — la velocidad de inferencia proviene del ancho de banda de memoria, no del presupuesto de entrenamiento.

Origen

Publicación original

Última actualización registrada 28 November 2025

La otra dirección

¿Mirándolo desde el otro lado?

Esta página comienza desde el modelo. Si ya posees una tarjeta y quieres saber todo lo que podrá ejecutar., Comience desde el hardware en su lugar.

Todos los modelos de IA