Kimi K3 如何本地部署？
Kimi K3 是 MoE 模型，總參數 2,800B，每 token 啟用 104B。Q4 量化整機放顯存需要 1,562GB；把專家放進系統記憶體後只需 33GB 顯存 + 1,531GB 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 Ryzen AI Max+ 395 128GB，預估 1 tokens/s。
Kimi K3 版本資訊
Kimi K3 本地部署需要多少顯示記憶體？
MoE：總參數 2,800B 全部要常駐記憶體，速度按每 token 啟用的 104B 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 |
|---|---|---|---|---|
| 1-bit | 648.9GGUF | 658.4 | 659 | 661.5 |
| 2-bit | 861.3GGUF | 1,041.7 | 1,042.3 | 1,044.8 |
| 3-bit | 1,341.7估 | 1,342.9 | 1,343.5 | 1,346 |
| 4-bit | 1,508.7GGUF | 1,561.9 | 1,562.6 | 1,565.1 |
| 5-bit | 1,889.3估 | 1,890.5 | 1,891.1 | 1,893.7 |
| 8-bit | 1,561.2GGUF | 2,903.6 | 2,904.2 | 2,906.7 |
| FP16 | 5,476.2估 | 5,477.4 | 5,478 | 5,480.6 |
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 1M 上下文上限的檔位寫「—」。各檔取倉庫裡該位元數的任一檔案，優先 unsloth 動態量化，所以同一檔不同模型對應的檔名可能不同。
什麼顯示卡能跑 Kimi K3？
AmazonJP
收錄的單卡都裝不下 Kimi K3：Q4_K_M、8K 上下文下至少需要 1,562GB 記憶體。
多卡方案至少要湊足 1,562GB 記憶體。
收錄的統一記憶體機型也裝不下。
Kimi K3 混合推論推薦顯示卡
AmazonJP
專家權重放系統記憶體，需要 ≥ 1,531 GB 記憶體；顯存只放注意力層、共享專家和 KV cache，Q4 下最低 33 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。
| 裝置 | 顯存GB | 價 | 需記憶體GB | 預估 t/s |
|---|---|---|---|---|
 Ryzen AI Max+ 395 128GB | 128 | NT$123,134 | 1,531 | 1.2 |
 DGX Spark 128GB | 128 | NT$258,779 | 1,531 | 1.4 |
| A100 40GB PCIe | 40 | — | 1,531 | 1.7 |
| CMP 170HX 40GB | 40 | — | 1,531 | 1.7 |
| GeForce RTX 4090 48GB | 48 | — | 1,531 | 1.6 |
| Radeon PRO W7900 | 48 | — | 1,531 | 1.5 |
| RTX PRO 5000 Blackwell 48GB | 48 | — | 1,531 | 1.6 |
| CMP 170HX 64GB | 64 | — | 1,531 | 1.7 |
| Instinct MI210 | 64 | — | 1,531 | 1.6 |
| RTX PRO 5000 Blackwell 72GB | 72 | — | 1,531 | 1.6 |
| RTX PRO 6000D | 84 | — | 1,531 | 1.7 |
| RTX PRO 6000 Blackwell | 96 | — | 1,531 | 1.7 |
| Mac Studio M4 Max 128GB | 128 | — | 1,531 | 1.5 |
| Mac Studio M5 Max 128GB | 128 | — | 1,531 | 1.5 |
| MacBook Pro M4 Max 128GB | 128 | — | 1,531 | 1.5 |
| MacBook Pro M5 Max 128GB | 128 | — | 1,531 | 1.5 |
| Mac Studio M3 Ultra 512GB | 512 | — | 1,531 | 1.6 |
用 Ollama / llama.cpp / vLLM 本地部署 Kimi K3
Ollama 庫暫無官方標籤。
llama.cpp 直接從 Hugging Face 拉 GGUF，-c 是上下文長度。
llama-server -hf unsloth/Kimi-K3-GGUF:Q4_K_M -c 8192
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-K3
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 K3 需要多少記憶體？
在 Q4_K_M 量化、8K 上下文下 Kimi K3 約需 1,562GB 記憶體，留到 1,876GB 更穩。
哪張顯示卡最便宜能跑 Kimi K3？
收錄的單卡都裝不下 Kimi K3，需要多卡或 Mac Studio 的統一記憶體。
Kimi K3 能用 Ollama 跑嗎？
暫時不行，Ollama 庫還沒有它的官方標籤；可以用 llama.cpp 載入 GGUF。