Model · Moonshot AI · 2025· config.json 已核实
Kimi K2 Instruct（1.03T）显存要求 · 本地部署需要什么显卡
原生上下文 131,072 tokens · MLA · MoE 384 选 8 · 每 token 激活 32B
推理显存需求（llama.cpp 口径，batch = 1，含 KV/缓冲/开销）
| 量化档 | 权重体积 | 4K 上下文 | 32K 上下文 | 128K 上下文 |
|---|---|---|---|---|
| FP8 (E4M3)原生 | 955.9 GiB | 957.5 GiB | 962.8 GiB | 981.3 GiB |
| FP16 / BF16 | 1911.8 GiB | 1913.4 GiB | 1918.8 GiB | 1937.2 GiB |
| GGUF Q8_0 | 1015.7 GiB | 1017.2 GiB | 1022.6 GiB | 1041.0 GiB |
| GGUF Q4_K_M | 579.5 GiB | 581.1 GiB | 586.5 GiB | 604.9 GiB |
| GGUF Q2_K | 314.3 GiB | 315.8 GiB | 321.2 GiB | 339.6 GiB |
显存需求 = 权重 + KV cache + 计算/输入缓冲 + 框架开销（≈0.8 GB）。权重与 KV 为精确公式， 典型误差 ±3%；≥24 GB 显存可从 4-bit 档起步。
微调显存估算（4096 上下文 × batch 1，梯度检查点开）
| 全参微调（AdamW 混合精度） | 15298.8 GiB |
| LoRA（r=16，7 模块） | 1918.5 GiB |
| QLoRA（NF4，r=16） | 499.8 GiB |
微调框架与部署引擎推荐
微调：LLaMA-Factory（社区支持）
部署：vLLM · SGLang · llama.cpp
硬件参考：官方以 FP8/INT8 量化发布（K2 FP8 / K3 INT8）；T 级参数需多节点