# Requisitos de GPU do Kimi-K2-Instruct

O Kimi-K2-Instruct tem 1,0T parâmetros. Para servi-lo, conte com cerca de 2.463 GB de memória de GPU em 16 bits, 1.232 GB em 8 bits ou 616 GB em 4 bits, incluindo cerca de 20% para o cache KV e as ativações.

É um modelo de mistura de especialistas: 384 especialistas, 8 deles ativos para cada token. Todos ficam na memória da GPU, então conte memória para todos os 1,0T parâmetros.

[Implante na Arrakis](/console/#/models?model=moonshotai/Kimi-K2-Instruct).

## O que é preciso para servi-lo

| Precisão | Memória e menor configuração |
|---|---|
| 16 bits | 2.463 GB: mais de uma máquina de 8 GPUs |
| 8 bits | 1.232 GB: 8 × [B200](/pt/gpus/b200.html.md), a partir de US$ 54,32 por hora pelas 8 |
| 4 bits | 616 GB: 8 × [H100](/pt/gpus/h100.html.md), a partir de US$ 13,20 por hora pelas 8 |

## O que é preciso para fazer ajuste fino

| Método | Memória e menor configuração |
|---|---|
| QLoRA | 718 GB: 4 × [B200](/pt/gpus/b200.html.md), a partir de US$ 27,16 por hora pelas 4 |
| LoRA | 2.463 GB: mais de uma máquina de 8 GPUs |
| Ajuste fino completo | 16.423 GB: mais de uma máquina de 8 GPUs |

## Sobre o modelo

| | |
|---|---|
| Parâmetros | `1.0T` |
| Especialistas | `384` |
| Especialistas por token | `8` |
| Janela de contexto (tokens) | `131,072` |
| Publicado em | `FP8` |
| Licença | `other` |
| Data de lançamento | `2025-07-11` |
| Pesos | [moonshotai/Kimi-K2-Instruct](https://huggingface.co/moonshotai/Kimi-K2-Instruct) |

## Perguntas

**Quanta memória de GPU o Kimi-K2-Instruct precisa?** Para servi-lo, cerca de 2.463 GB em 16 bits, 1.232 GB em 8 bits e 616 GB em 4 bits, incluindo cerca de 20% para o cache KV e as ativações. Para fazer ajuste fino, cerca de 718 GB com QLoRA, 2.463 GB com LoRA e 16.423 GB para ajuste fino completo com Adam, sem contar as ativações.

**Posso rodar o Kimi-K2-Instruct em uma única GPU?** Não. Mesmo em 4 bits ele precisa de cerca de 616 GB: 8 GPUs H100.

**Quanto custa rodar o Kimi-K2-Instruct?** Em 16 bits ele precisa de mais de uma máquina de 8 GPUs; em 4 bits, de 8 GPUs H100. Cada configuração desta página mostra o menor preço por GPU-hora na Arrakis agora, e você paga por hora a partir de um saldo pré-pago.

**Como implanto o Kimi-K2-Instruct na Arrakis?** Abra Models no console da Arrakis, cole moonshotai/Kimi-K2-Instruct, escolha vLLM, SGLang ou llama.cpp e alugue uma GPU em que ele caiba. Você recebe um endpoint compatível com OpenAI com sua própria chave de API, e SSH root na máquina.


Mais modelos: [/models](/pt/models.html.md).