Kimi Linear 48B A3B 如何本地部署？

VRAMGlass 编辑部 · 更新于 2026年9月10日

Kimi Linear 48B A3B 是 MoE 模型，总参数 49.1B，每 token 激活 3B。Q4 量化整机放显存需要 29GB；把专家放进系统内存后只需 3GB 显存 + 27GB 内存。当前最便宜能跑的显卡是 Tesla V100 32GB，约 ¥7,673，预估 147.9 tokens/s。卸载模式下最便宜能跑的显卡是 Tesla V100 16GB，预估 44 tokens/s。

Kimi Linear 48B A3B 版本信息

发布日期2025年10月30日

Hugging Face 仓库moonshotai/Kimi-Linear-48B-A3B-Instruct

小版本—

许可证MIT

架构MoE

GGUF 仓库bartowski/moonshotai_Kimi-Linear-48B-A3B-Instruct-GGUF

Ollama 标签—

Q4 最低显存29 GB · Q4_K_M · 8K

专家卸载3 GB 显存 + 27 GB 内存

参数量49.1B

MoE3B

层数27

隐藏维度2,304

KV 头32

头维度72

上下文上限1M

厂商Moonshot AI

Kimi Linear 48B A3B 本地部署需要多少显存？

MoE：总参数 49.1B 全部要驻留显存，速度按每 token 激活的 3B 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	10.9GGUF	12.6	12.8	13.5
2-bit	17.9GGUF	19.3	19.5	20.2
3-bit	23.9GGUF	24.6	24.8	25.5
4-bit	30.1GGUF	28.4	28.6	29.4
5-bit	35.1GGUF	34.2	34.4	35.1
8-bit	52.2GGUF	52	52.2	52.9
FP16	98.3GGUF	97.1	97.3	98.1

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 Linear 48B A3B？

AmazonJP

设备	显存GB	价	预估 t/s	建议上下文
Tesla V100 32GB	32	¥7,6733 条挂单	147.9	128K
Arc Pro B70	32	¥13,9473 条挂单	96.5	128K
Radeon AI PRO R9700	32	¥15,0896 条挂单	105.9	128K
Ryzen AI Max+ 395 128GB	128	¥26,3156 条挂单	56.8	128K
GeForce RTX 5090	32	¥50,3659 条挂单	185.6	128K
DGX Spark 128GB	128	¥55,3043 条挂单	76.3	128K
Arc Pro B65	32	—暂无挂单	96.5	128K
GeForce RTX 4080 SUPER 32GB	32	—暂无挂单	135.5	128K
GeForce RTX 5090 D	32	—暂无挂单	185.6	128K
Instinct MI100	32	—暂无挂单	146.3	128K
Instinct MI50 32GB	32	—暂无挂单	135.1	128K
Radeon PRO W7800	32	—暂无挂单	99.6	128K
RTX PRO 4500 Blackwell	32	—暂无挂单	147.6	128K
A100 40GB PCIe	40	—暂无挂单	178.6	128K
CMP 170HX 40GB	40	—暂无挂单	178.8	128K
GeForce RTX 4090 48GB	48	—暂无挂单	154.6	128K
Radeon PRO W7900	48	—暂无挂单	124.5	128K
RTX PRO 5000 Blackwell 48GB	48	—暂无挂单	170.9	128K
CMP 170HX 64GB	64	—暂无挂单	176.5	128K
Instinct MI210	64	—暂无挂单	163.3	128K
RTX PRO 5000 Blackwell 72GB	72	—暂无挂单	170.9	128K
RTX PRO 6000D	84	—暂无挂单	179	128K
RTX PRO 6000 Blackwell	96	—暂无挂单	185.6	128K
Mac Studio M4 Max 128GB	128	—暂无挂单	102.1	128K
Mac Studio M5 Max 128GB	128	—暂无挂单	109.2	128K
MacBook Pro M4 Max 128GB	128	—暂无挂单	102.1	128K
MacBook Pro M5 Max 128GB	128	—暂无挂单	109.2	128K
Mac Studio M3 Ultra 512GB	512	—暂无挂单	127.2	128K

判定口径：权重 + KV cache + 运行开销 ≤ 可用显存，单卡。MoE 模型标「卸载」表示把专家权重放进系统内存后能跑（显存只放注意力层与 KV cache），速度按内存带宽 70 GB/s 估算。上下文列给的是能装下的最大档位。

Kimi Linear 48B A3B 混合推理推荐显卡

AmazonJP

专家权重放系统内存，需要 ≥ 27 GB 内存；显存只放注意力层、共享专家和 KV cache，Q4 下最低 3 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	¥4,432	27	44
Radeon RX 9070 XT	16	¥5,949	27	41.5
GeForce RTX 5060 Ti 16GB	16	¥6,217	27	41.4
GeForce RTX 5070	12	¥6,428	27	43.1
Radeon RX 7800 XT	16	¥6,498	27	41.4
Arc Pro B60	24	¥7,829	27	39
Radeon RX 7900 XT	20	¥8,363	27	42.5
Radeon RX 6950 XT	16	¥9,442	27	41
GeForce RTX 5070 Ti	16	¥10,600	27	44
Radeon RX 7900 XTX	24	¥11,686	27	43.2
GeForce RTX 5080	16	¥12,560	27	44.2
GeForce RTX 4080	16	¥14,710	27	43.3
GeForce RTX 3090	24	¥16,950	27	44.1
RTX PRO 4000 Blackwell	24	¥26,603	27	43.1
GeForce RTX 4090	24	¥32,986	27	44.3
GeForce RTX 2080 Ti 22GB	22	—	27	42.8
GeForce RTX 5090 D V2	24	—	27	44.9

用 Ollama / llama.cpp / vLLM 本地部署 Kimi Linear 48B A3B

Ollama

Ollama 库暂无官方标签。

llama.cpp

llama.cpp 直接从 Hugging Face 拉 GGUF，-c 是上下文长度。

llama-server -hf bartowski/moonshotai_Kimi-Linear-48B-A3B-Instruct-GGUF:Q4_K_M -c 8192

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-Linear-48B-A3B-Instruct

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 Linear 48B A3B 需要多少显存？

在 Q4_K_M 量化、8K 上下文下 Kimi Linear 48B A3B 约需 29GB 显存，留到 36GB 更稳。

哪张显卡最便宜能跑 Kimi Linear 48B A3B？

Tesla V100 32GB，32GB 显存，当前中位价约 ¥7,673，预估 147.9 tokens/s。

Kimi Linear 48B A3B 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。