Kimi K2 Thinking kalkulator TPS
Każda karta poniżej jest oceniana w stosunku do tego modelu przy wybranej długości kontekstu i minimalnej jakości. Prędkość jest oszacowaniem dla pojedynczego żądania, obliczonym na podstawie przepustowości pamięci karty i rozmiaru modelu po skompresowaniu..
Obliczone dla tego modelu
818 Karty, które posiadamy specyfikacje dla
Które GPU mogą uruchomić Kimi K2 Thinking?
Ustaw wejścia, odczytaj odpowiedź.
Dłuższa rozmowa wymaga więcej MEMORY, co może spowodować, że ten model nie zmieści się na mniejszych CARD..
Ukrywa karty, które zmieściłyby się w modelu tylko przez skompresowanie go poniżej tego punktu..
0 karty pasują
Obliczanie| potrzeby | Kwantyzacja | Pasuje | |||||
|---|---|---|---|---|---|---|---|
|
Żaden KARTA w naszym katalogu nie może uruchomić tego modelu z tymi ustawieniami.. |
|||||||
Prędkości są szacunkami dla pojedynczego zapytania — jednej konwersacji na raz — obliczonymi na podstawie przepustowości pamięci, rozmiaru MODELu i kwantyzacji. Rzeczywista przepustowość różni się w zależności od czasu uruchamiania inference i jego wersji. Wartości publikowane przez dostawców sprzętu mierzą wiele jednoczesnych zapytań i są znacznie wyższe..
Na nagranie
Pełna specyfikacja
Wszystko na rekord dla tego modelu. Większość z tego opisuje, jak był trenowany, a nie jak działa — użyteczny kontekst do oceny, ile pracy włożono w to, i jak wypada w porównaniu z modelami budowanymi w innym skali..
Pochodzenie
Kto zbudował ten model, gdzie i kiedy został opublikowany.
- Organizacja
- Moonshot
- Typ organizacji
- Industry
- Kraj
- China
- Opublikowany
- 6 November 2025
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Language
- Zadanie
- Language modeling/generation, Question answering, Search, Quantitative reasoning, Code generation
- Model bazowy
- Kimi K2
Rozmiar
Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.
- parametry
- 1T
- Dane treningowe
- 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
Obliczenia treningowe
Arytmetyka wykonywana w celu wytrenowania modelu, mierzona w operacjach zmiennoprzecinkowych. Jest to miara kosztów przeprowadzenia treningu, a nie tego, jak szybko gotowy model odpowiada na twoje pytania.
- Obliczenia treningowe
- 4.2 × 10²⁴ FLOP
- Jak to zostało ustalone
- 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.
Dostępność
Czy możesz zdobyć model i uruchomić go na swoim sprzęcie, co decyduje o tym, czy którakolwiek z cyfr karty graficznej na tej stronie ma zastosowanie.
- Wagi
- Open — downloadable
- Dostęp do modelu
- Open weights (restricted use)
- Kod treningowy
- Unreleased
- Hugging Face
- moonshotai
modified MIT license (capped by 100M MAU or $20M monthly revenue) https://huggingface.co/moonshotai/Kimi-K2-Thinking
Jak jest klasyfikowane
Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.
- Dlaczego to jest śledzone
- SOTA improvement
- Zapisz pewność
- 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.
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- Introducing Kimi K2 Thinking
- Ostatnio zaktualizowane
- 3 December 2025
Co oznaczają liczby
Co jest potrzebne, aby uruchomić ten model
Kimi K2 Thinking osiąga liczbę parametrów równą 1T. To jest poza tym, co miałaby jakakolwiek pojedyncza karta graficzna. Uruchomienie go oznacza albo podział na kilka kart, albo wynajęcie sprzętu przeznaczonego do tego zadania, a każda karta, która mogłaby go pomieścić sama, jest częścią centrum danych. Liczba, która może: 0.
O tym modelu
Kimi K2 Thinking został opublikowany przez Moonshot, w kraju zapisanym jako China, podczas November 2025. Wychodzi z organizacji zaklasyfikowanej jako industry.
Działa w dziedzinie Language, i jest zapisany jako wykonujący zadanie language modeling/generation, Question answering, Search, Quantitative reasoning, Code generation.
Zamiast być trenowanym od podstaw, pochodzi z Kimi K2. To jest zwykły sposób produkcji wyspecjalizowanego modelu.
Wagi są publikowane, więc można je pobrać i uruchomić na własnym sprzęcie bezterminowo, offline, bez przypisanego konta. Na Hugging Face jest opublikowane pod organizacją moonshotai.
Jak to zostało wytrenowane
Trenowanie zajęło budżet obliczeniowy wynoszący około 4.2 × 10²⁴ FLOP. Ta liczba mierzy, ile kosztowało wyprodukowanie modelu i nie ma wpływu na to, jak szybko odpowiada.
Powód, dla którego w ogóle pojawia się w tym katalogu: sOTA improvement.
Krok po kroku
Jak wybrać GPU do Kimi K2 Thinking
Tabela powyżej oceniła już każdą kartę, dla której posiadamy specyfikacje, w stosunku do tego modelu. Dotarcie do odpowiedzi wymaga sześciu kroków..
-
01
Przeczytaj najpierw liczbę pamięci
Każda karta tutaj została sprawdzona pod kątem Kimi K2 Thinking. To ta liczba, a nie nagłówkowa wydajność karty, decyduje o tym, czy można ją uruchomić.
-
02
Ustaw długość kontekstu, z którą będziesz pracować
Rozmowa zajmuje pamięć również, i rośnie w miarę trwania. Ustaw suwak na długość, której się spodziewasz, ponieważ przy długim kontekście karta, która łatwo obsługuje krótkie pytania, może zostać odrzucona przez Kimi K2 Thinking.
-
03
Zdecyduj, ile kompresji zaakceptujesz
Kolumna kwantyzacji różni się w zależności od karty, ponieważ większa karta przechowuje dokładniejszą kopię.. Ustalenie minimalnej jakości odrzuca karty, które tylko ją osiągają, uciskając bardziej niż byś chciał, i utrzymuje porównanie na jednym poziomie.
-
04
Sortuj według prędkości
Ranking według tokenów na sekundę podąża za przepustowością pamięci, a nie liczbą rdzeni, dla Kimi K2 Thinking. Nie dopasuje się do zamówienia gier, ponieważ generacja jest ograniczona przez przepustowość pamięci.
-
05
Zwróć uwagę na margines, a nie tylko na dopasowanie
Tight dopasowanie działa, ale nie zostawia nic na dłuższą rozmowę, w przypadku Kimi K2 Thinking. Wygodne oznacza, że możesz później zwiększyć kontekst. Ta różnica ma większe znaczenie niż kilka tokenów na sekundę, więc kupuj za wygodne, jeśli tego oczekujesz.
-
06
Sprawdź kartę z drugiej strony
Śledzenie karty do jej własnej strony pokazuje każdy inny model, który może pomieścić, co jest pytaniem, które pojawia się po podjęciu decyzji o Kimi K2 Thinking.
Odpowiedzi
Kimi K2 Thinking — częste pytania
Kimi K2 Thinking— do czego to służy?
Działa w dziedzinie Language, i jest zarejestrowany jako realizujący zadanie language modeling/generation, Question answering, Search, Quantitative reasoning, Code generation. To są obszary, wokół których został zaprojektowany; opisują zamiar, a nie twardą granicę.
Kimi K2 Thinking— Gdzie mogę to pobrać?
Jego wagi są publikowane na Hugging Face, pod organizacją moonshotai. Nie hostujemy plików modelu — ta strona oblicza, jaki sprzęt jest potrzebny do ich uruchomienia.
Kimi K2 Thinking— ile mocy obliczeniowej użyto do jego trenowania?
Szkolenie zajęło około 4.2 × 10²⁴ FLOP. To mierzy, ile kosztowało wyprodukowanie modelu i nie mówi nic o tym, jak szybko odpowiada po wytrenowaniu — prędkość wnioskowania pochodzi z SZEROKOŚCI PASMA, a nie z budżetu treningowego.
Kimi K2 Thinking— czy mogę go uruchomić, jeśli nie mieści się w moim GPU?
Można go podzielić między kartą a pamięcią systemową, ale w ten sposób generuje się boleśnie powoli. Najbliższy brak, który obliczamy, jest za mały o 346.5 GB Każda figura tutaj zakłada, że cały model jest zainstalowany na karcie.
Kimi K2 Thinking— czy dwa GPU uruchomią to szybciej?
Druga KARTA mniej więcej podwaja dostępna PAMIĘĆ, ale nie tempo generacji. Liczba już zdolna do uruchomienia jej samodzielnie: 0. Więc druga karta rzadko jest odpowiedzią tutaj.
Kimi K2 Thinking— dlaczego kwantyzacja różni się między kartami?
Ponieważ pojemność się różni, to również to, jak mocno musi być ściśnięta. Liczba wyróżniających się poziomów w tabeli powyżej: 1. Większe karty otrzymują dokładniejszą wersję, a minimalna jakość powyżej ustala porównanie na jednym poziomie.
Kimi K2 Thinking— Jak dokładne są te szacunki prędkości?
To są szacunki z rzeczywistymi marginesami błędu, a każdy z nich mógłby rozsądnie wypaść gdziekolwiek w swoim opublikowanym zakresie w zależności od używanego uruchomienia. Najszybszy wynik tutaj: zakres poniżej każdej liczby Ten sam model i karta różnią się o trzydzieści do pięćdziesięciu procent w zależności od oprogramowania inferencyjnego i jego wersji.
Kimi K2 Thinking— czy jest open weight?
Jego wagi są opublikowane, więc można je pobrać i uruchomić na własnym sprzęcie. Zauważ, że OPEN WEIGHTS nie są tym samym co OPEN SOURCE w pełnym sensie — nie mówi nic o danych treningowych, kodzie treningowym, ani warunkach komercyjnych.
Kimi K2 Thinking— ile ma parametrów?
Ma liczbę parametrów równą 1T. Total Parameters 1T Activated Parameters 32B. Ta liczba to całkowita, i to ona decyduje o tym, ile pamięci potrzebuje model — mniej więcej pół gigabajta na miliard przy kompresji, którą używa większość ludzi.
Kimi K2 Thinking— kto to stworzył?
Zostało opublikowane przez Moonshot, oparty na China, organizacja sklasyfikowana jako industry.
Kimi K2 Thinking— kiedy to zostało wydane?
Zostało opublikowane w November 2025.
Druga strona
Patrząc na to z drugiej strony?
Ta strona zaczyna się od modelu. Jeśli już posiadasz kartę i chcesz wiedzieć, co wszystko będzie działać., Zacznij od sprzętu zamiast.