Arrakis / Modelos / Kimi-K2-Instruct
Requisitos de GPU de Kimi-K2-Instruct
Kimi-K2-Instruct tiene 1,0T parámetros. Para servirlo, calcula unos 2.463 GB de memoria de GPU en 16 bits, 1.232 GB en 8 bits o 616 GB en 4 bits, incluido un 20% para la caché KV y las activaciones.
Es un modelo de mezcla de expertos: 384 expertos, 8 de ellos activos en cada token. Todos permanecen en la memoria de la GPU, así que calcula la memoria para los 1,0T parámetros.
Lo que hace falta para servirlo
La memoria de GPU para ejecutarlo en inferencia, con la configuración de GPU más pequeña que lo sostiene y el precio más bajo en Arrakis ahora mismo.
| Precisión | Memoria y configuración mínima |
|---|---|
| 16 bits | 2.463 GB: más de una máquina de 8 GPU |
| 8 bits | 1.232 GB: 8 × B200, desde 50,64 US$ por hora las 8 |
| 4 bits | 616 GB: 8 × H100, desde 16,56 US$ por hora las 8 |
Lo que hace falta para ajustarlo
QLoRA entrena adaptadores sobre un modelo congelado de 4 bits; LoRA, sobre uno de 16 bits, y el ajuste fino completo actualiza todos los pesos. Las cifras no incluyen las activaciones, que crecen con el tamaño del lote y la longitud de secuencia.
| Método | Memoria y configuración mínima |
|---|---|
| QLoRA | 718 GB: 4 × B200, desde 25,32 US$ por hora las 4 |
| LoRA | 2.463 GB: más de una máquina de 8 GPU |
| Ajuste fino completo | 16.423 GB: más de una máquina de 8 GPU |
Sobre el modelo
De su ficha y sus archivos en Hugging Face. Las cifras de memoria siguen la guía de memoria de GPU.
- Parámetros
- 1.0T
- Expertos
- 384
- Expertos por token
- 8
- Ventana de contexto (tokens)
- 131,072
- Publicado en
- FP8
- Licencia
- other
- Fecha de publicación
- 2025-07-11
Despliégalo en Arrakis
Abre Models en la consola, elige vLLM, SGLang o llama.cpp y alquila una GPU en la que quepa. Obtienes un endpoint compatible con OpenAI con su propia clave de API, y SSH root a la máquina. O ejecútalo tú mismo en cualquier máquina con suficiente memoria de GPU:
Preguntas
Los precios en tiempo real de todas las GPU están en la página de precios de GPU.