Kimi Linear kalkulator TPS

Otwórz wagi Moonshot 48B parametry October 2025

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

93 karty, które mogą go uruchomić

818 Karty, które posiadamy specyfikacje dla

Najmniejsza karta, która pasuje

Radeon PRO V710

28 GB · Q3_K_M · 9.4 tok/s

Najszybsza karta

B200

70.6 tok/s · 180 GB

Które GPU mogą uruchomić Kimi Linear?

Ustaw wejścia, odczytaj odpowiedź.

Długość kontekstu tokeny

Dłuższa rozmowa wymaga więcej MEMORY, co może spowodować, że ten model nie zmieści się na mniejszych CARD..

Minimalna jakość

Ukrywa karty, które zmieściłyby się w modelu tylko przez skompresowanie go poniżej tego punktu..

Szukaj kart

Pamięć karty

Pokaż również karty, które nie mogą tego uruchomić.

93 karty pasują

Obliczanie

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

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: 30 October 2025

Co to robi

Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.

Domena: Language
Zadanie: Language modeling/generation, Question answering, Mathematical reasoning

Rozmiar

Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.

parametry: 48B
Dane treningowe: 5,700,000,000,000 tokens

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: 1 × 10²³ FLOP
Jak to zostało ustalone: Operation counting

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 (unrestricted)
Kod treningowy: Unreleased
Hugging Face: moonshotai

Jak jest klasyfikowane

Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.

Zapisz pewność: Confident

Źródła

Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.

Referencja: KIMI LINEAR: AN EXPRESSIVE, EFFICIENT ATTENTION ARCHITECTURE
Ostatnio zaktualizowane: 28 November 2025

Ekstremy

Dziesięć najszybszych GPU, które uruchamiają Kimi Linear

Uszeregowany według szacowanej liczby tokenów na sekundę, najnowsza karta na pierwszym miejscu, gdy prędkości są równe. Ponieważ generacja jest ograniczona przez pamięć, to uporządkowanie podąża za przepustowością, a nie za jakimkolwiek benchmarkiem gier..

Najmniejsze GPU, które nadal działają Kimi Linear

Najtańsza droga do, według pojemności pamięci. Tight fit uruchamia model, ale nie zostawia nic na dłuższą rozmowę..

Co oznaczają liczby

Co potrzebujesz, aby go uruchomić

Minimalna karta

Radeon PRO V710

Pamięć potrzebna

24.2 GB

Najszybszy

70.6 tok/s

Kimi Linear osiąga liczbę parametrów równą 48B. To ląduje w zakresie, który może obsłużyć poważna karta stacjonarna, gdy wagi są skompresowane. Liczba kart, które śledzimy, które mogą to uruchomić: 93.

Najmniejszy sprzęt, który działa, to Radeon PRO V710, o pojemności pamięci 28 GB, uruchomienie go przy kompresji Q3_K_M i produkując około 9.4 tokeny na sekundę

Najszybszy rezultat pochodzi z B200, generowanie w przybliżeniu 70.6 tokenów na sekundę na podstawie przepustowości pamięci 8,000 GB/s.

Co to jest model?

Kimi Linear został opublikowany przez Moonshot, w kraju zapisanym jako China, podczas October 2025. Kategoria, do której należy wydawca, to industry.

Działa w dziedzinie Language, i jest zapisany jako wykonujący zadanie language modeling/generation, Question answering, Mathematical reasoning.

Otwarte wagi to powód, dla którego ta strona znajduje się w kalkulatorze, a nie tylko w katalogu: jest to model, który możesz faktycznie mieć. Na Hugging Face jest opublikowane pod organizacją moonshotai.

Co decyduje o szybkości

Na każdej karcie, która może go uruchomić, środek zakresu plasuje się w 17.8 tokenów na sekundę. Produkując tekst szybciej niż większość ludzi go czyta. 71 ich

To jest gęsty model, więc każdy parametr jest odczytywany dla każdego wyprodukowanego tokena. To sprawia, że prędkość śledzi przepustowość pamięci prawie dokładnie — karta z podwójną przepustowością generuje w przybliżeniu dwa razy szybciej.

Pamięć tutaj jest szacowana na podstawie rozmiaru, a nie obliczana z architektury, która nie jest zarejestrowana dla tego modelu — liczby są wskazujące, a nie dokładne.

Szkolenie i pochodzenie

Trenowanie zajęło budżet obliczeniowy wynoszący około 1 × 10²³ FLOP. Ta liczba mierzy, ile kosztowało wyprodukowanie modelu i nie ma wpływu na to, jak szybko odpowiada.

Trening zużył korpus około 5,700,000,000,000 Tokeny tekstu.

Krok po kroku

Jak wybrać GPU do Kimi Linear

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 Linear, potrzebując około 24.2 GB przy kompresji Q3_K_M. Pojemność to brama — karta albo ją trzyma, albo nie.
02

Zdecyduj, jak długo trwają twoje rozmowy

Ustaw kontekst na to, co naprawdę użyjesz. Cache rośnie wraz z rozmową i jest to zwykle powód, dla którego karta, która wydawała się w porządku, przestaje pasować. Kimi Linear.
03

Wybierz, jak daleko chcesz to skompresować.

Każda KARTA uruchamia najmniej skompresowaną kopię, jaką może pomieścić., osiągnięcie kompresji Q3_K_M na najmniejszej karcie, która się mieści. Ustalenie minimalnej jakości odrzuca karty, które tylko ją osiągają, uciskając bardziej niż byś chciał, i utrzymuje porównanie na jednym poziomie.
04

Oceń według przepustowości, a nie kart specyfikacji

Szybkość zamawiania jest w rzeczywistości zamawianiem według pasma pamięci, dla Kimi Linear. Nie dopasuje się do zamówienia gier, ponieważ generacja jest ograniczona przez przepustowość pamięci. Karta na szczycie listy to B200, w 70.6 tok/s
05

Przeczytaj kolumnę dopasowania jako ostatnią

Tight dopasowanie działa, ale nie zostawia nic na dłuższą rozmowę, w przypadku Kimi Linear. 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

Zobacz, co jeszcze ta karta uruchamia

Śledzenie karty do jej własnej strony pokazuje każdy inny model, który może pomieścić, co jest pytaniem, które pojawia się po podjęciu decyzji o Kimi Linear.

Odpowiedzi

Kimi Linear — częste pytania

Kimi Linear— czy mogę go uruchomić, jeśli nie mieści się w moim GPU?

Częściowo. Warstwy, które nie mieszczą się w GPU VRAM, znajdują się w pamięci systemu i działają z ułamkową prędkością, więc model, który jest w dużej mierze przeniesiony, rzadko jest wart używania. Najbliższy brak, który obliczamy, jest za mały o 8.1 GB Każda figura tutaj zakłada, że cały model jest zainstalowany na karcie.

Kimi Linear— czy dwa GPU uruchomią to szybciej?

Druga KARTA mniej więcej podwaja dostępna PAMIĘĆ, ale nie tempo generacji. Liczba już zdolna do uruchomienia jej samodzielnie: 93. Więc druga karta rzadko jest odpowiedzią tutaj.

Kimi Linear— 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: 5. Większe karty otrzymują dokładniejszą wersję, a minimalna jakość powyżej ustala porównanie na jednym poziomie.

Kimi Linear— Jak dokładne są te szacunki prędkości?

Są obliczane na podstawie specyfikacji, a nie mierzone, i każdy ma zakres. Jeden przykład: 42–113 tok/s na B200. Ten sam model i karta różnią się o trzydzieści do pięćdziesięciu procent w zależności od oprogramowania inferencyjnego i jego wersji.

Kimi Linear— Jaką GPU potrzebuję, aby ją uruchomić?

Najmniejsza karta w naszym katalogu, która to pomieści, to Radeon PRO V710, o pojemności pamięci 28 GB. Uruchamia model przy kompresji Q3_K_M używając około 24.2 GB, i produkuje w przybliżeniu 9.4 tokenów na sekundę. Liczba kart, które mogą go uruchomić łącznie: 93.

Kimi Linear— jak szybko działa na GPU?

To zależy od karty. Najszybciej obliczamy to B200, około 70.6 tokenów na sekundę; najwolniejszy, który nadal działa, osiąga znacznie mniej. Prędkość odczytu wynosi około dziesięciu tokenów na sekundę, a liczba kart, które to osiągają: 71.

Kimi Linear— Ile VRAM-u potrzebuje?

Potrzebuje około 24.2 GB przy kompresji Q3_K_M, który jest najmniejszą kartą, która to uruchamia. Mniej kompresji potrzebuje więcej: liczby w kolumnie pamięci powyżej są przeliczane dla każdej karty, ponieważ każda z nich trzyma wersję o najmniejszej kompresji, jaką może.

Kimi Linear— 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 Linear— ile ma parametrów?

Ma liczbę parametrów równą 48B. 3B activated parameters and 48B total parameters. 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 Linear— kto to stworzył?

Zostało opublikowane przez Moonshot, oparty na China, organizacja sklasyfikowana jako industry.

Kimi Linear— kiedy to zostało wydane?

Zostało opublikowane w October 2025.

Kimi Linear— do czego to służy?

Działa w dziedzinie Language, i jest zarejestrowany jako realizujący zadanie language modeling/generation, Question answering, Mathematical reasoning. Modele często mają więcej niż jeden z każdego, a etykiety opisują cel, a nie ograniczenia możliwości.

Kimi Linear— 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 Linear— ile mocy obliczeniowej użyto do jego trenowania?

Szkolenie zajęło około 1 × 10²³ 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.

Źródło

Oryginalna publikacja

Ostatnia aktualizacja rekordu 28 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.

Wszystkie modele AI