Kimi K2 Thinking calculateur TPS
Chaque carte ci-dessous est évaluée par rapport à ce modèle à la longueur de contexte et à la qualité minimale que vous choisissez. La vitesse est une estimation pour une demande unique, calculée à partir de la bande passante mémoire de la carte et de la taille du modèle une fois compressé..
Calculé pour ce modèle
818 cartes dont nous détenons les spécifications pour
Quelles GPU peuvent exécuter Kimi K2 Thinking?
Définir les entrées, lire la réponse
Une conversation plus longue nécessite plus de mémoire, ce qui peut pousser ce modèle hors des cartes plus petites..
Cache des cartes qui ne conviendraient qu'au modèle en le compressant en dessous de ce point..
0 cartes correspondent
Calcul en cours| Besoin | Quantification | Convient | |||||
|---|---|---|---|---|---|---|---|
|
Aucune carte dans notre catalogue ne peut exécuter ce modèle avec ces paramètres.. |
|||||||
Les vitesses sont des estimations pour une seule demande — une conversation à la fois — calculées à partir de la bande passante de la mémoire, de la taille du modèle et de la quantification. Le débit réel varie avec le temps d'exécution d'inférence et sa version. Les chiffres publiés par les fournisseurs de matériel mesurent de nombreuses demandes simultanées et sont beaucoup plus élevés..
Enregistrement
Spécifications complètes
Tout est enregistré pour ce modèle. La plupart décrit comment il a été entraîné plutôt que comment il fonctionne — un contexte utile pour juger combien de travail a été investi, et comment il se compare avec des modèles construits à une échelle différente..
Origine
Qui a construit ce modèle, où, et quand il a été publié.
- Organisation
- Moonshot
- Type d'organisation
- Industry
- Pays
- China
- Publié
- 6 November 2025
Ce qu'il fait
Les domaines problématiques pour lesquels le modèle a été conçu. Un modèle peut contenir plusieurs de chacun.
- Domaine
- Language
- Tâche
- Language modeling/generation, Question answering, Search, Quantitative reasoning, Code generation
- Modèle de base
- Kimi K2
Taille
Quelle est la taille du modèle et combien de données il a été formé. Les paramètres sont le chiffre qui décide s'il convient à une carte graphique donnée.
- paramètres
- 1T
- Données d'entraînement
- tokens
Total Parameters 1T Activated Parameters 32B
"Kimi K2 was pre-trained on 15.5T tokens" Training dataset size for Kimi K2 Thinking is not reported
Calcul de formation
L'arithmétique effectuée pour entraîner le modèle, mesurée en opérations en virgule flottante. C'est une mesure du coût de l'exécution de l'entraînement, pas de la rapidité avec laquelle le modèle fini vous répond.
- Calcul de formation
- 4.2 × 10²⁴ FLOP
- Comment cela a été établi
- Comparison with other models
Assuming the additional post-training contributed between 1% and 100% of Kimi K2's training compute (which we confidently estimate at 2.976e+24), we get a range of 3.0e24 to 6.0e24, and a geometric mean of 4.2e24.
Disponibilité
Que vous puissiez obtenir le modèle et l'exécuter sur votre propre matériel, ce qui détermine si l'un des chiffres de la carte graphique sur cette page s'applique.
- Poids
- Open — downloadable
- Accès au modèle
- Open weights (restricted use)
- Code d'entraînement
- Unreleased
- Hugging Face
- moonshotai
modified MIT license (capped by 100M MAU or $20M monthly revenue) https://huggingface.co/moonshotai/Kimi-K2-Thinking
Comment il est classé
Étiquettes que le ensemble de données source applique lors du suivi de modèles notables, et à quel point il est confiant dans l'entrée.
- Pourquoi c'est suivi
- SOTA improvement
- Confiance d'enregistrement
- Likely
Kimi K2 Thinking sets new records across benchmarks that assess reasoning, coding, and agent capabilities. K2 Thinking achieves 44.9% on HLE with tools, 60.2% on BrowseComp, and 71.3% on SWE-Bench Verified, demonstrating strong generalization as a state-of-the-art thinking agent model.
Sources
D'où vient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- Introducing Kimi K2 Thinking
- Dernière mise à jour
- 3 December 2025
Ce que les chiffres signifient
Ce qu'il faut pour exécuter ce modèle
Kimi K2 Thinking atteint un nombre de paramètres de 1T. Cela dépasse ce que peut contenir une seule carte graphique. L'exécuter signifie soit le répartir entre plusieurs cartes, soit louer du matériel conçu pour cela, et chaque carte capable de le contenir seule est une pièce de datacenter. Le nombre qui peut : 0.
À propos de ce modèle
Kimi K2 Thinking a été publié par Moonshot, dans le pays enregistré comme China, durant November 2025. Cela provient d'une organisation classée comme industry.
Il fonctionne dans le domaine de Language, et est enregistré comme exécutant la tâche de language modeling/generation, Question answering, Search, Quantitative reasoning, Code generation.
Plutôt que d'être entraîné depuis le début, il est dérivé de Kimi K2. C'est la façon habituelle de produire un modèle spécialisé.
Les poids sont publiés, donc il peut être téléchargé et exécuté sur votre propre matériel indéfiniment, hors ligne, sans compte associé. Sur Hugging Face, il est publié sous l'organisation moonshotai.
Comment il a été entraîné
L'entraînement a nécessité un budget de calcul d'environ 4.2 × 10²⁴ FLOP. Ce chiffre mesure le coût de production du modèle, et n'a aucune incidence sur la vitesse de réponse.
La raison pour laquelle il apparaît dans ce catalogue. sOTA improvement.
Étape par étape
Comment choisir un GPU pour Kimi K2 Thinking
Le tableau ci-dessus a déjà évalué chaque carte pour laquelle nous avons des spécifications par rapport à ce modèle. Obtenir votre réponse prend six étapes..
-
01
Lisez d'abord le chiffre de mémoire
Chaque carte ici a été vérifiée contre Kimi K2 Thinking. Cette figure, pas la performance principale d'une carte, est ce qui décide si elle fonctionne.
-
02
Définissez la LONGUEUR DE CONTEXTE à laquelle vous travaillerez.
La conversation occupe aussi de la mémoire et grandit au fur et à mesure. Réglez le curseur sur la longueur que vous attendez, car avec un long CONTEXTE, une CARTE qui gère facilement les courtes questions peut être abandonnée par. Kimi K2 Thinking.
-
03
Décidez combien de compression vous allez accepter
La colonne de quantification varie selon la carte, car une plus grande carte contient une copie plus précise.. Fixer une qualité minimale élimine les cartes qui ne parviennent à l'atteindre qu'en exerçant une pression plus forte que vous ne le souhaiteriez, et maintient la comparaison à un niveau.
-
04
Trier par vitesse
Le classement par tokens par seconde suit la bande passante de la VRAM plutôt que le nombre de cœurs, pour Kimi K2 Thinking. Il ne s'alignera pas sur une commande de jeu, car la génération est limitée par la bande passante de la mémoire.
-
05
Regardez la marge de manœuvre, pas seulement le fit.
Un ajustement serré fonctionne, mais ne laisse rien de libre pour une conversation plus longue, dans le cas de Kimi K2 Thinking. Confortable signifie que vous pouvez augmenter le contexte plus tard. Cette différence compte plus que quelques tokens par seconde, donc achetez pour confortable si vous vous attendez à cela.
-
06
Vérifiez la carte de l'autre côté
Suivre une CARTE jusqu'à sa propre page montre chaque autre MODÈLE qu'elle peut supporter, ce qui est la question qui suit une fois que vous vous êtes décidé sur Kimi K2 Thinking.
Réponses
Kimi K2 Thinking — questions courantes
Kimi K2 Thinking— à quoi ça sert ?
Il fonctionne dans le domaine de Language, et est enregistré comme gérant la tâche de language modeling/generation, Question answering, Search, Quantitative reasoning, Code generation. Ce sont les domaines autour desquels il a été conçu ; ils décrivent l'intention plutôt qu'une limite stricte.
Kimi K2 Thinking— où puis-je le télécharger ?
Ses poids sont publiés sur Hugging Face, sous l'organisation moonshotai. Nous n'hébergeons pas de fichiers de modèle — ce site calcule le matériel nécessaire pour les faire fonctionner.
Kimi K2 Thinking— combien de puissance de calcul a été utilisée pour l'entraîner ?
L'entraînement a consommé environ 4.2 × 10²⁴ FLOP. Cela mesure ce que coûte la production du modèle et ne dit rien sur la rapidité avec laquelle il répond une fois entraîné — la vitesse d'inférence provient de la bande passante mémoire, et non du budget d'entraînement.
Kimi K2 Thinking— Puis-je l'exécuter s'il ne tient pas dans ma GPU?
Il peut être réparti entre la carte et la mémoire système, mais cela génère de manière douloureuse lentement. La plus proche approximation que nous calculons est inférieure de 346.5 Go. Chaque chiffre ici suppose que l'ensemble du modèle est résident sur la carte.
Kimi K2 Thinking— deux GPUs l'exécuteraient-ils plus rapidement ?
Une seconde carte double à peu près la mémoire disponible mais pas le taux de génération. Le nombre déjà capable de le faire seul : 0. Ainsi, une seconde carte est rarement la réponse ici.
Kimi K2 Thinking— pourquoi la quantification diffère-t-elle entre les cartes ?
Parce que la capacité varie, il en va de même pour la difficulté à être comprimé. Le nombre de niveaux distincts dans le tableau ci-dessus : 1. Les cartes plus grandes obtiennent la version plus précise, et le seuil de qualité au-dessus fixe la comparaison à un niveau.
Kimi K2 Thinking— quelle est la précision de ces estimations de vitesse ?
Ce sont des estimations avec de véritables barres d'erreur, et n'importe lequel d'entre eux pourrait raisonnablement se situer n'importe où dans sa plage publiée en fonction du temps d'exécution que vous utilisez. Le résultat le plus rapide ici : la plage sous chaque chiffre. Le même modèle et carte varient de trente à cinquante pour cent en fonction du logiciel d'inférence et de sa version.
Kimi K2 Thinking— est-ce que c'est open source ?
Ses poids sont publiés, donc il peut être téléchargé et exécuté sur votre propre matériel. Notez que les poids ouverts ne sont pas la même chose que l'open source au sens plein — cela ne dit rien sur les données d'entraînement, le code d'entraînement ou les conditions commerciales attachées.
Kimi K2 Thinking— combien de paramètres cela a-t-il ?
Il a un nombre de paramètres de 1T. Total Parameters 1T Activated Parameters 32B. Ce chiffre est le total, et c'est ce qui détermine combien de mémoire le modèle nécessite — environ un demi-gigaoctet par milliard à la compression que la plupart des gens utilisent.
Kimi K2 Thinking— qui l'a créé ?
Il a été publié par Moonshot, basé sur China, une organisation catégorisée comme industry.
Kimi K2 Thinking— quand a-t-il été publié ?
Il a été publié dans November 2025.
L'autre direction
Regardez-le de l'autre côté ?
Cette page commence par le modèle. Si vous possédez déjà une carte et souhaitez savoir tout ce qu'elle exécutera., commencez par le matériel à la place.