Kimi K3 如何本地部署？
Kimi K3 是 MoE 模型，总参数 2,800B，每 token 激活 104B。Q4 量化整机放显存需要 1,562GB；把专家放进系统内存后只需 33GB 显存 + 1,531GB 内存。收录的单卡都装不下它，需要多卡或 Mac Studio 的统一内存。卸载模式下最便宜能跑的显卡是 Ryzen AI Max+ 395 128GB，预估 1 tokens/s。
Kimi K3 版本信息
Kimi K3 本地部署需要多少显存？
MoE：总参数 2,800B 全部要驻留显存，速度按每 token 激活的 104B 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 | 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 |
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 1M 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。
什么显卡能跑 Kimi K3？
AmazonJP
收录的单卡都装不下 Kimi K3：Q4_K_M、8K 上下文下至少需要 1,562GB 显存。
多卡方案至少要凑够 1,562GB 显存。
收录的统一内存机型也装不下。
Kimi K3 混合推理推荐显卡
AmazonJP
专家权重放系统内存，需要 ≥ 1,531 GB 内存；显存只放注意力层、共享专家和 KV cache，Q4 下最低 33 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 |
|---|---|---|---|---|
 Ryzen AI Max+ 395 128GB | 128 | ¥26,315 | 1,531 | 1.2 |
 DGX Spark 128GB | 128 | ¥55,304 | 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 库暂无官方标签。
llama.cpp 直接从 Hugging Face 拉 GGUF，-c 是上下文长度。
llama-server -hf unsloth/Kimi-K3-GGUF:Q4_K_M -c 8192
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-K3
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
Kimi K3 需要多少显存？
在 Q4_K_M 量化、8K 上下文下 Kimi K3 约需 1,562GB 显存，留到 1,876GB 更稳。
哪张显卡最便宜能跑 Kimi K3？
收录的单卡都装不下 Kimi K3，需要多卡或 Mac Studio 的统一内存。
Kimi K3 能用 Ollama 跑吗？
暂时不能，Ollama 库还没有它的官方标签；可以用 llama.cpp 加载 GGUF。