Arrakis / Modelos / Kimi-K2.5

Requisitos de GPU do Kimi-K2.5

O Kimi-K2.5 tem 1,0T parâmetros. Para servi-lo, conte com cerca de 2.465 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.

Implantar este modelo Verificar outro modelo

O que é preciso para servi-lo

A memória de GPU para rodá-lo em inferência, com a menor configuração de GPU que o comporta e o menor preço na Arrakis agora.

Precisão	Memória e menor configuração
16 bits	2.465 GB: mais de uma máquina de 8 GPUs
8 bits	1.232 GB: 8 × B200, a partir de US$ 54,32 por hora pelas 8
4 bits	616 GB: 8 × H100, a partir de US$ 18,00 por hora pelas 8

O que é preciso para fazer ajuste fino

O QLoRA treina adaptadores sobre um modelo congelado em 4 bits, o LoRA sobre um em 16 bits, e o ajuste fino completo atualiza todos os pesos. Os valores não incluem as ativações, que crescem com o tamanho do lote e o comprimento da sequência.

Método	Memória e menor configuração
QLoRA	719 GB: 4 × B200, a partir de US$ 27,16 por hora pelas 4
LoRA	2.465 GB: mais de uma máquina de 8 GPUs
Ajuste fino completo	16.430 GB: mais de uma máquina de 8 GPUs

Sobre o modelo

Do cartão e dos arquivos no Hugging Face. Os números de memória seguem o guia de memória de GPU.

Parâmetros: 1.0T
Especialistas: 384
Especialistas por token: 8
Janela de contexto (tokens): 262,144
Licença: other
Data de lançamento: 2026-01-01
Pesos: moonshotai/Kimi-K2.5

Implante na Arrakis

Abra Models no console, 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. Ou rode você mesmo em qualquer máquina com memória de GPU suficiente:

Implantar este modelo Como funciona a implantação

Perguntas

Os preços em tempo real de todas as GPUs estão na página de preços de GPU.

Quanta memória de GPU o Kimi-K2.5 precisa?

Para servi-lo, cerca de 2.465 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 719 GB com QLoRA, 2.465 GB com LoRA e 16.430 GB para ajuste fino completo com Adam, sem contar as ativações.

Posso rodar o Kimi-K2.5 em uma única GPU?

Não. Mesmo em 4 bits ele precisa de cerca de 616 GB: 8 GPUs H100.

Quanto custa rodar o Kimi-K2.5?

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-K2.5 na Arrakis?

Abra Models no console da Arrakis, cole moonshotai/Kimi-K2.5, 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

Todos os modelos, e uma verificação para qualquer outro.