Kimi K2.5 — VRAM, szybkość i lokalna konfiguracja
Autor: Jakub Rusinowski · Ostatnia aktualizacja:
Moonshot AI's January 2026 flagship: a 1-trillion-parameter MoE that routes 8 of 384 experts per token, so it costs about what a 32B dense model costs to serve — but every one of those 1T weights has to be resident. Native multimodal via the 400M MoonViT encoder, 256K context, Modified MIT. Scores 76.8% on SWE-bench Verified. Self-hosting is datacenter-class: ~605 GB at Q4_K_M.
Kimi K2.5 potrzebuje około 605 GB VRAM przy Q4_K_M — skwantyzowane wagi plus narzut frameworka, bez pamięci podręcznej KV. Na Apple Silicon ta wartość pochodzi z pamięci zunifikowanej.
VRAM i szybkość według kwantyzacji
Liczone dla NVIDIA RTX 4090 (24 GB). Tylko wagi i narzut: architektura tego modelu nie jest opublikowana, więc nie doliczamy pamięci KV.
| Kwant. | Pamięć | VRAM | Szybkość (szac.) | Dopasowanie |
|---|---|---|---|---|
| Q2_K 2.63 bpw | 329.6 GB | — | Za duży | |
| Q3_K_M 3.41 bpw | 427.1 GB | — | Za duży | |
| Q4_K_M 4.83 bpw | 604.6 GB | — | Za duży | |
| Q5_K_M 5.67 bpw | 709.6 GB | — | Za duży | |
| Q6_K 6.56 bpw | 820.8 GB | — | Za duży | |
| Q8_0 8.50 bpw | 1063.3 GB | — | Za duży | |
| F16 16.00 bpw | 2000.8 GB | — | Za duży |
Czarny znacznik = dostępna pamięć na NVIDIA RTX 4090 (24 GB). Szacunki z modelu przepustowości pamięci opisanego na stronie metodologii. Kalkulator VRAM dla Kimi K2.5 →
Uruchom Kimi K2.5
Kimi K2.5 is not practical on a single consumer GPU: it needs about 604.6 GB at Q4_K_M, more than any single device in our catalogue holds with headroom. How multi-GPU inference works, or rent a multi-GPU server by the hour:
Jako partner Amazon zarabiamy na kwalifikujących się zakupach. Linki do chmurowych GPU są linkami polecającymi — możemy otrzymać prowizję bez dodatkowych kosztów dla Ciebie.
Jak uruchomić Kimi K2.5
Zainstaluj Ollama, a potem uruchom:
ollama run hf.co/moonshotai/Kimi-K2.5-Instruct-Q4_K_MSpecyfikacja
Verified — Checked against the primary source — the model card or the vendor spec page — and corroborated by a second independent source.
- Parametry
- 1 Trillion (32B active)
- Okno kontekstu
- 256,000
- Architektura
- MoE (384 experts, 8 active, MLA) + MoonViT vision
- Dostawca
- Moonshot AI
- Licencja
- Modified MIT
- Practical deployment
- Private cloud / datacenter cluster
- Określono przy
- Q4_K_M
- RAM systemowy
- 768 GB
- Rekord zaktualizowany
- 2026-09-06
Commercial use permitted. No usage restrictions beyond attribution.
Jakość i zastosowania
Wyniki opublikowane przez autorów modelu lub niezależnego oceniającego — jakość, nie przepustowość, i nie mierzone przez nas.
| Benchmark | Wynik | Źródło |
|---|---|---|
| SWE-bench Verified | 76.8 / 100 % | opublikowane · https://artificialanalysis.ai/articles/kimi-k2-5-everything-you-need-to-know |
Inne rozmiary Kimi K2.5 / K2.6 / K2.7
Kimi K2.5 — najczęściej zadawane pytania
How much VRAM does Kimi K2.5 need?
About 605 GB at Q4_K_M — quantized weights plus framework overhead, before any KV cache. The cache grows with context length and is added on top; the table above folds it in. Apple Silicon counts unified memory toward the same figure.
Does Kimi K2.5 run on an RTX 4090 (24 GB)?
No. Kimi K2.5 needs about 605 GB at Q4_K_M, more than a single RTX 4090's 24 GB. It needs a larger card, several GPUs, or Apple Silicon with enough unified memory — or it runs with part of the weights offloaded to system RAM, which is much slower.
How do I run Kimi K2.5 locally?
Install Ollama and run `ollama run hf.co/moonshotai/Kimi-K2.5-Instruct-Q4_K_M`. That pulls the weights and starts a local OpenAI-compatible endpoint; after the download nothing leaves the machine.
What other sizes does Kimi K2.5 / K2.6 / K2.7 come in?
Kimi K2.5 (605 GB), Kimi K2.6 (605 GB), Kimi K2.5 1T (32B Active) (605 GB), Kimi K2.7 Code (605 GB). Every size shares the family's training and licence; the larger ones score higher and need proportionally more memory.