# Kimi-K2-Instruct の GPU 要件

Kimi-K2-Instruct のパラメータ数は 1.0T です。推論で動かすには、16 ビットで約 2,463 GB、8 ビットで約 1,232 GB、4 ビットで約 616 GB の GPU メモリを見込んでください。KV キャッシュと活性化の分として約 20% を含みます。

Mixture of Experts モデルです。エキスパートは 384 個で、トークンごとにそのうち 8 個が働きます。すべてのエキスパートが GPU メモリに載るため、メモリは 1.0T パラメータ全体の分を見込んでください。

[Arrakis でデプロイする](/console/#/models?model=moonshotai/Kimi-K2-Instruct)。

## 推論で動かすのに必要なもの

| 精度 | メモリと最小構成 |
|---|---|
| 16 ビット | 2,463 GB：8 GPU マシン 1 台を超える |
| 8 ビット | 1,232 GB：[B200](/ja/gpus/b200.html.md) × 8、8 枚で 1 時間あたり $54.32 から |
| 4 ビット | 616 GB：[H100](/ja/gpus/h100.html.md) × 8、8 枚で 1 時間あたり $13.20 から |

## ファインチューニングに必要なもの

| メソッド | メモリと最小構成 |
|---|---|
| QLoRA | 718 GB：[B200](/ja/gpus/b200.html.md) × 4、4 枚で 1 時間あたり $27.16 から |
| LoRA | 2,463 GB：8 GPU マシン 1 台を超える |
| フルファインチューニング | 16,423 GB：8 GPU マシン 1 台を超える |

## モデルについて

| | |
|---|---|
| パラメータ数 | `1.0T` |
| エキスパート数 | `384` |
| トークンごとのエキスパート数 | `8` |
| コンテキスト長（トークン） | `131,072` |
| 公開時の精度 | `FP8` |
| ライセンス | `other` |
| 公開日 | `2025-07-11` |
| 重み | [moonshotai/Kimi-K2-Instruct](https://huggingface.co/moonshotai/Kimi-K2-Instruct) |

## よくある質問

**Kimi-K2-Instruct にはどれだけの GPU メモリが必要ですか？** 推論で動かすには、16 ビットで約 2,463 GB、8 ビットで約 1,232 GB、4 ビットで約 616 GB です。KV キャッシュと活性化の分として約 20% を含みます。ファインチューニングには、QLoRA で約 718 GB、LoRA で約 2,463 GB、Adam によるフルファインチューニングで約 16,423 GB が必要です（活性化を除く）。

**Kimi-K2-Instruct は GPU 1 枚で動きますか？** いいえ。4 ビットでも約 616 GB 必要で、H100 8 枚が必要です。

**Kimi-K2-Instruct を動かす費用はいくらですか？** 16 ビットなら 8 GPU マシン 1 台を超える構成、4 ビットなら H100 8 枚が必要です。このページの各構成には、Arrakis での現在の GPU 1 時間あたりの最安値を表示しています。料金は前払い残高から 1 時間単位で支払います。

**Arrakis で Kimi-K2-Instruct をデプロイするには？** Arrakis コンソールで Models を開き、moonshotai/Kimi-K2-Instruct を貼り付け、vLLM、SGLang、llama.cpp のいずれかを選んで、収まる GPU を借ります。専用の API キー付きの OpenAI 互換エンドポイントと、マシンへの root SSH が使えます。


ほかのモデル：[/models](/ja/models.html.md)。