# Kimi-K2-Instruct 的 GPU 需求

Kimi-K2-Instruct 有 1.0T 參數。部署推理時，16 位約需 2,463 GB 視訊記憶體，8 位約 1,232 GB，4 位約 616 GB，其中包含約 20% 用於 KV 快取和啟用值。

它是混合專家模型：共 384 個專家，每個 token 啟用其中 8 個。所有專家都常駐視訊記憶體，因此視訊記憶體要按全部 1.0T 參數來規劃。

[在 Arrakis 上部署](/console/#/models?model=moonshotai/Kimi-K2-Instruct)。

## 部署推理需要什麼

| 精度 | 視訊記憶體與最小配置 |
|---|---|
| 16 位 | 2,463 GB：多於一台 8 卡機器 |
| 8 位 | 1,232 GB：8 × [B200](/zh-tw/gpus/b200.html.md)，8 塊合計每小時 $54.32 起 |
| 4 位 | 616 GB：8 × [H100](/zh-tw/gpus/h100.html.md)，8 塊合計每小時 $13.20 起 |

## 微調需要什麼

| 方法 | 視訊記憶體與最小配置 |
|---|---|
| QLoRA | 718 GB：4 × [B200](/zh-tw/gpus/b200.html.md)，4 塊合計每小時 $27.16 起 |
| LoRA | 2,463 GB：多於一台 8 卡機器 |
| 全量微調 | 16,423 GB：多於一台 8 卡機器 |

## 關於這個模型

| | |
|---|---|
| 引數量 | `1.0T` |
| 專家數 | `384` |
| 每個 token 的專家數 | `8` |
| 上下文視窗（token） | `131,072` |
| 釋出精度 | `FP8` |
| 許可證 | `other` |
| 釋出日期 | `2025-07-11` |
| 權重 | [moonshotai/Kimi-K2-Instruct](https://huggingface.co/moonshotai/Kimi-K2-Instruct) |

## 常見問題

**Kimi-K2-Instruct 需要多少視訊記憶體？** 推理部署時，16 位約需 2,463 GB，8 位約 1,232 GB，4 位約 616 GB，其中包含約 20% 用於 KV 快取和啟用值。微調時，QLoRA 約需 718 GB，LoRA 約需 2,463 GB，使用 Adam 全量微調約需 16,423 GB，均未計入啟用值。

**Kimi-K2-Instruct 能在單張 GPU 上執行嗎？** 不能。即使是 4 位也約需 616 GB：需要 8 張 H100。

**執行 Kimi-K2-Instruct 要多少錢？** 16 位下需要多於一台 8 卡機器；4 位下需要 8 張 H100。本頁每種配置都顯示 Arrakis 目前每 GPU 小時的最低價格，從預付餘額中按小時扣費。

**如何在 Arrakis 上部署 Kimi-K2-Instruct？** 在 Arrakis 控制台中開啟 Models，貼上 moonshotai/Kimi-K2-Instruct，選擇 vLLM、SGLang 或 llama.cpp，然後租用一張能放下它的 GPU。你會得到一個相容 OpenAI 的端點，帶有專屬 API 金鑰，並可透過 root SSH 登入機器。


更多模型：[/models](/zh-tw/models.html.md)。