Kimi K2.5 calculadora TPS
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
818 tarjetas que tenemos especificaciones para
¿Qué GPU pueden ejecutar? Kimi K2.5?
Establecer las entradas, leer la respuesta
Una conversación más larga necesita más VRAM, lo que puede expulsar este modelo de tarjetas más pequeñas..
Oculta tarjetas que solo se ajustarían al modelo comprimiéndolo por debajo de este punto..
0 las tarjetas coinciden
Calculando| Necesita | Cuantización | Ajustar | |||||
|---|---|---|---|---|---|---|---|
|
Ninguna tarjeta en nuestro catálogo puede ejecutar este modelo con estas configuraciones.. |
|||||||
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
- 2 February 2026
- Autores
- Tongtong Bai, Yifan Bai, Yiping Bao, S.H. Cai, Yuan Cao, Y. Charles, H.S. Che, Cheng Chen, Guanduo Chen, Huarong Chen, Jia Chen, Jiahao Chen, Jianlong Chen, Jun Chen, Kefan Chen, Liang Chen, Ruijue Chen, Xinhao Chen, Yanru Chen, Yanxu Chen, Yicun Chen, Yimin Chen, Yingjiang Chen, Yuankun Chen, Yujie Chen, Yutian Chen, Zhirong Chen, Ziwei Chen, Dazhi Cheng, Minghan Chu, Jialei Cui, Jiaqi Deng, Muxi…
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
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
- 1T
- Datos de entrenamiento
- tokens
"The model comprises 1.04 trillion total parameters"
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
- 5.8 × 10²⁴ FLOP
Per section 3.2, "The joint pre-training stage continues from a near-end Kimi K2 checkpoint over additional 15T vision-text tokens at 4K sequence length" Kimi K2 was pretrained on 15T tokens. A near-end checkpoint of K2 was trained into K2.5 over another 15T tokens (or 15.2 to 15.5T tokens). This makes for a total of ~30T. There are an additional 1T tokens in "Stage 1" used to train the ViT encoder, which is likely much smaller than the full LLM, so we omit those tokens to calculate training c…
La ejecución de entrenamiento
Lo que costó físicamente entrenar: qué chips, cuántos, por cuánto tiempo y qué eso consumió de la pared.
- Hardware de entrenamiento
- NVIDIA H800 SXM5
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)
- 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.
- Por qué se rastrea
- Discretionary
- Confianza de registro
- Likely
Cost-competitive and widely used in the open-weight AI industry
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Kimi K2.5: Visual Agentic Intelligence
- Última actualización
- 28 May 2026
Qué significan los números
Lo que se necesita para ejecutar este modelo
Kimi K2.5 llega a un recuento de parámetros de 1T. Eso está más allá de lo que cualquier tarjeta gráfica única puede soportar. Ejecutarlo significa dividirlo entre varias tarjetas o alquilar hardware construido para el trabajo, y cada tarjeta capaz de soportarlo sola es una parte de datacenter. El número que puede: 0.
Acerca de este modelo
Kimi K2.5 fue publicado por Moonshot, en el país registrado como China, durante February 2026. Sale de una organización categorizada como industry.
Funciona en el dominio de Language, y se registra como realizando la tarea de language modeling/generation.
Los PESOS están publicados, por lo que se puede descargar y ejecutar en su propio HARDWARE indefinidamente, SIN CONEXIÓN, sin cuenta adjunta. En Hugging Face está publicado bajo la organización moonshotai.
Cómo fue entrenado
Entrenarlo tomó un presupuesto de computación de aproximadamente 5.8 × 10²⁴ FLOP, en hardware registrado como NVIDIA H800 SXM5. Esa cifra mide lo que costó producir el modelo, y no tiene relación con qué tan rápido responde.
La razón por la que aparece en este catálogo en absoluto: discretionary.
Paso a paso
Cómo elegir una GPU para Kimi K2.5
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
Verifica lo que necesita antes de cualquier otra cosa.
Empieza desde lo que realmente necesita, que es el requerimiento de Kimi K2.5. 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 K2.5.
-
03
Elige cuán lejos lo comprimirás.
Cada tarjeta ejecuta la copia menos comprimida que puede contener.. 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
Compara tokens por segundo, no especificaciones
El ranking por tokens por segundo sigue el ancho de banda de memoria en lugar de los recuentos de núcleos, para Kimi K2.5. No se ajustará a un pedido de gaming, porque la generación está limitada por el ancho de banda de memoria.
-
05
Mira el margen, no solo la compatibilidad.
La columna de ajuste separa las TARJETAS que apenas lo gestionan de aquellas con espacio de sobra, en el caso de Kimi K2.5. 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
Revisa la tarjeta del otro lado
Cada nombre de tarjeta enlaza a su propia página, que ejecuta el mismo cálculo en todo el catálogo del modelo. Una tarjeta generalmente se compra para más de un modelo, por lo que vale la pena echar un vistazo antes de comprar para Kimi K2.5.
Respuestas
Kimi K2.5 — preguntas comunes
Kimi K2.5— ¿Por qué difiere la cuantificación entre tarjetas?
Una tarjeta más grande sostiene una copia más precisa. El número de niveles de compresión utilizados en las tarjetas que la ejecutan: 1. Las tarjetas más grandes obtienen la versión más precisa, y el nivel de calidad por encima establece la comparación a un nivel.
Kimi K2.5— ¿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: el rango debajo de cada cifra. El mismo modelo y tarjeta varían entre el treinta y el cincuenta por ciento dependiendo del software de inferencia y su versión.
Kimi K2.5— ¿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 K2.5— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 1T. "The model comprises 1.04 trillion 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 K2.5— ¿Quién lo creó?
Fue publicado por Moonshot, basado en China, una organización categorizada como industry.
Kimi K2.5— ¿cuándo fue lanzado?
Se publicó en February 2026.
Kimi K2.5— ¿Para qué se utiliza?
Funciona en el dominio de Language, y se registra como manejando la tarea de language modeling/generation. Los Modelos suelen llevar más de uno de cada uno, y las etiquetas describen el propósito en lugar de los límites de capacidad.
Kimi K2.5— ¿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 K2.5— cuánto compute se utilizó para entrenarlo?
El entrenamiento consumió alrededor 5.8 × 10²⁴ FLOP, en hardware registrado como NVIDIA H800 SXM5. 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.
Kimi K2.5— ¿Puedo ejecutarlo si no cabe en mi GPU?
Se puede dividir entre la tarjeta y la memoria del sistema, pero se genera muy lentamente de esa manera. El fallo más cercano que calculamos se queda corto por 370.7 GB Cada cifra aquí asume que todo el modelo está residente en la tarjeta.
Kimi K2.5— ¿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: 0. Así que una segunda tarjeta rara vez es la respuesta aquí.
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.