Kimi K2 版本信息
发布日期2025年9月3日
小版本0905
架构MoE
GGUF 仓库—
Ollama 标签—
Q4 最低显存559 GB · Q4_K_M · 8K
专家卸载9 GB 显存 + 552 GB 内存
参数量1,000B
MoE32B
层数61
隐藏维度7,168
KV 头64
头维度192
上下文上限256K
厂商Moonshot AI
Kimi K2 本地部署需要多少显存？
MoE：总参数 1,000B 全部要驻留显存，速度按每 token 激活的 32B 算。
| 量化 | 权重体积GB | 8K 总显存GB | 32K 总显存GB | 128K 总显存GB |
|---|
| 1-bit | 234.7估 | 236.2 | 237.8 | 244.3 |
| 2-bit | 371.6估 | 373.1 | 374.7 | 381.2 |
| 3-bit | 479.2估 | 480.7 | 482.3 | 488.7 |
| 4-bit | 557.4估 | 558.9 | 560.5 | 567 |
| 5-bit | 674.7估 | 676.3 | 677.9 | 684.3 |
| 8-bit | 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 |
总显存 = 权重 + KV cache（FP16）+ 1GB 运行开销。标 GGUF 的权重是仓库里的实测文件体积，标「估」的按每参数字节估算。超过这个模型 256K 上下文上限的档位写「—」。各档取仓库里该比特数的任一文件，优先 unsloth 动态量化，所以同一档不同模型对应的文件名可能不同。
收录的单卡都装不下 Kimi K2：Q4_K_M、8K 上下文下至少需要 559GB 显存。
多卡方案至少要凑够 559GB 显存。
收录的统一内存机型也装不下。
专家权重放系统内存，需要 ≥ 552 GB 内存；显存只放注意力层、共享专家和 KV cache，Q4 下最低 9 GB。速度受内存带宽限制（按 70 GB/s 估算），比整机放显存慢得多。
| 设备 | 显存GB | 价 | 需内存GB | 预估 t/s |
|---|
 Tesla V100 16GB | 16 | ¥880 | 552 | 3.9 |
| GeForce RTX 2080 Ti 22GB | 22 | ¥2,600 | 552 | 3.9 |
 Instinct MI50 32GB | 32 | ¥2,725 | 552 | 3.9 |
| Radeon RX 6950 XT | 16 | ¥2,999 | 552 | 3.7 |
| Radeon RX 7800 XT | 16 | ¥3,100 | 552 | 3.8 |
| Tesla V100 32GB | 32 | ¥3,200 | 552 | 3.9 |
| Radeon RX 7900 XT | 20 | ¥4,299 | 552 | 3.8 |
| GeForce RTX 5060 Ti 16GB | 16 | ¥4,688 | 552 | 3.8 |
 Arc Pro B60 | 24 | ¥5,275 | 552 | 3.6 |
| Radeon RX 7900 XTX | 24 | ¥5,800 | 552 | 3.9 |
| Radeon RX 9070 XT | 16 | ¥6,100 | 552 | 3.8 |
| GeForce RTX 5070 | 12 | ¥6,175 | 552 | 3.9 |
| GeForce RTX 4080 | 16 | ¥7,750 | 552 | 3.9 |
| GeForce RTX 3090 | 24 | ¥8,100 | 552 | 3.9 |
| Arc Pro B70 | 32 | ¥9,850 | 552 | 3.7 |
| GeForce RTX 5070 Ti | 16 | ¥9,899 | 552 | 3.9 |
| Radeon AI PRO R9700 | 32 | ¥11,050 | 552 | 3.8 |
| CMP 170HX 40GB | 40 | ¥11,300 | 552 | 4 |
| Radeon PRO W7800 | 32 | ¥12,400 | 552 | 3.7 |
| GeForce RTX 5080 | 16 | ¥12,450 | 552 | 3.9 |
| CMP 170HX 64GB | 64 | ¥14,050 | 552 | 4 |
| RTX PRO 4000 Blackwell | 24 | ¥15,650 | 552 | 3.9 |
| Instinct MI210 | 64 | ¥18,500 | 552 | 4 |
| Radeon PRO W7900 | 48 | ¥22,000 | 552 | 3.9 |
| GeForce RTX 4090 | 24 | ¥23,500 | 552 | 3.9 |
| GeForce RTX 5090 D V2 | 24 | ¥23,900 | 552 | 4 |
| RTX PRO 4500 Blackwell | 32 | ¥25,850 | 552 | 3.9 |
| GeForce RTX 4090 48GB | 48 | ¥26,600 | 552 | 3.9 |
| A100 40GB PCIe | 40 | ¥30,950 | 552 | 4 |
| Mac Studio M4 Max 128GB | 128 | ¥32,200 | 552 | 3.8 |
| DGX Spark 128GB | 128 | ¥32,500 | 552 | 3.6 |
| GeForce RTX 5090 D | 32 | ¥32,900 | 552 | 4 |
| MacBook Pro M4 Max 128GB | 128 | ¥35,400 | 552 | 3.8 |
| Mac Studio M5 Max 128GB | 128 | ¥39,550 | 552 | 3.8 |
| GeForce RTX 5090 | 32 | ¥43,800 | 552 | 4 |
| RTX PRO 5000 Blackwell 48GB | 48 | ¥46,800 | 552 | 4 |
| MacBook Pro M5 Max 128GB | 128 | ¥54,800 | 552 | 3.8 |
| RTX PRO 5000 Blackwell 72GB | 72 | ¥65,000 | 552 | 4 |
| RTX PRO 6000D | 84 | ¥68,000 | 552 | 4 |
| RTX PRO 6000 Blackwell | 96 | ¥123,900 | 552 | 4 |
| Mac Studio M3 Ultra 512GB | 512 | ¥129,900 | 552 | 3.9 |
| Arc Pro B65 | 32 | — | 552 | 3.7 |
| GeForce RTX 4080 SUPER 32GB | 32 | — | 552 | 3.9 |
| Instinct MI100 | 32 | — | 552 | 3.9 |
| Ryzen AI Max+ 395 128GB | 128 | — | 552 | 3.4 |
用 Ollama / llama.cpp / vLLM 本地部署 Kimi K2
vLLM
vLLM 跑的是原始精度权重，显存要求比 GGUF 高得多，通常要多卡。
vllm serve moonshotai/Kimi-K2-Instruct-0905
量化文件名以模型库当周抓取为准，口径见数据方法。 数据方法
常见问题
在 Q4_K_M 量化、8K 上下文下 Kimi K2 约需 559GB 显存，留到 672GB 更稳。
收录的单卡都装不下 Kimi K2，需要多卡或 Mac Studio 的统一内存。
暂时不能，Ollama 库还没有它的官方标签，也还没有公开的 GGUF 量化。
Kimi K2 如何本地部署？