Kimi K2 本地部署需要多少記憶體？
看能跑的裝置Kimi K2 是 MoE 模型，總參數 1,000B，每 token 啟用 32B。Q4 量化整機放顯存需要 559GB；把專家放進系統記憶體後只需 9GB 顯存 + 552GB 記憶體。收錄的單卡都裝不下它，需要多卡或 Mac Studio 的統一記憶體。卸載模式下最便宜能跑的顯示卡是 GeForce RTX 2080 Ti，預估 4 tokens/s。
Kimi K2 版本資訊
發布日期2025年9月3日
Hugging Face 倉庫moonshotai/Kimi-K2-Instruct-0905
小版本0905
架構MoE
GGUF 倉庫—
Ollama 標籤—
30 天下載37,308
Q4 最低記憶體559 GB · Q4_K_M · 8K
專家卸載9 GB 顯存 + 552 GB 記憶體
參數量1,000B
MoE32B
層數61
隱藏維度7,168
KV 頭64
頭維度192
上下文上限256K
廠商Moonshot AI
Kimi K2 各量化與上下文的記憶體需求
8K 總記憶體MoE：總參數 1,000B 全部要常駐記憶體，速度按每 token 啟用的 32B 計算。
| 量化 | 權重體積GB | 8K 總記憶體GB | 32K 總記憶體GB | 128K 總記憶體GB |
|---|---|---|---|---|
| Q4_K_M | 557.4估 | 558.9 | 560.5 | 567 |
| Q5_K_M | 674.7估 | 676.3 | 677.9 | 684.3 |
| Q8_0 | 1,036.6估 | 1,038.1 | 1,039.7 | 1,046.1 |
| FP16 | 1,955.8估 | 1,957.3 | 1,958.9 | 1,965.4 |
總記憶體 = 權重 + KV cache（FP16）+ 1GB 執行開銷。標 GGUF 的權重是倉庫裡的實測檔案體積，標「估」的按每參數位元組估算。超過這個模型 256K 上下文上限的檔位寫「—」。
什麼顯示卡能跑 Kimi K2？
Q4_K_M · 8K 上下文 · 依閒魚二手價升序收錄的單卡都裝不下 Kimi K2：Q4_K_M、8K 上下文下至少需要 559GB 記憶體。
多卡方案至少要湊足 559GB 記憶體。
收錄的統一記憶體機型也裝不下。
把專家放進記憶體後還能跑 Kimi K2 的顯示卡
專家權重放系統記憶體，需要 ≥ 552 GB 記憶體；顯存只放注意力層、共享專家和 KV cache，Q4 下最低 9 GB。速度受記憶體頻寬限制（按 70 GB/s 估算），比整機放顯存慢得多。
用 Ollama / llama.cpp / vLLM 啟動 Kimi K2
Ollama
Ollama 庫暫無官方標籤。
vLLM
vLLM 跑的是原始精度權重，記憶體需求比 GGUF 高得多，通常要多卡。
vllm serve moonshotai/Kimi-K2-Instruct-0905
量化檔名以模型庫當週抓取為準，口徑見資料方法。 資料方法
常見問題
Kimi K2 需要多少記憶體？
在 Q4_K_M 量化、8K 上下文下 Kimi K2 約需 559GB 記憶體，留到 672GB 更穩。
哪張顯示卡最便宜能跑 Kimi K2？
收錄的單卡都裝不下 Kimi K2，需要多卡或 Mac Studio 的統一記憶體。
Kimi K2 能用 Ollama 跑嗎？
暫時不行，Ollama 庫還沒有它的官方標籤，也還沒有公開的 GGUF 量化。