// Kimi · 视觉语言
Kimi-VL-A3B-Thinking 本地部署与显存需求
总 16.4B · 激活 3B（MoE） 参数。4 位量化约 11.7 GB，BF16 约 36.8 GB（1 个 8K token 请求）。
发布 2025-04-09许可：可商用显存为估算值
01规格
| 发布方 | 月之暗面 · moonshotai |
|---|---|
| 系列 | Kimi · Kimi-VL-Thinking |
| 类型 | 视觉语言 (image-text-to-text) |
| 参数量 | 总 16.4B · 激活 3B（MoE） 来源：按官方 safetensors 权重统计 |
| 上下文长度 | 128K tokens (131,072)取自 config.json 的 max_position_embeddings |
| 结构 | 27 层 · MLA · MoE |
| 发布权重 | BF16 · 32.8 GB下载量 |
| 许可 | MIT · 可商用宽松许可（Apache-2.0 / MIT / CC-BY / OpenMDW）：允许商用。 |
| 发布日期 | 2025-04-09 （Hugging Face 仓库创建日） |
02需要多少显存（估算）
合计 = 权重 + 10% + 0.5GB 运行开销 + 1 个请求的 KV 缓存（FP16）。并发用户越多，KV 部分成倍增加。
| 精度 | 权重 | 合计 @ 8K | 合计 @ 32K | 合计 @ 128K | 最低显卡 | Mac |
|---|---|---|---|---|---|---|
| BF16 / FP16（原始精度） | 32.8 GB | 36.9 GB | 37.6 GB | 40.7 GB | 2 × RTX 5090（64GB） | Mac 64GB |
| FP8 / INT8 / Q8_0 | 17.4 GB | 19.9 GB | 20.7 GB | 23.8 GB | RTX 4090 24GB | Mac 36GB |
| 4 位量化（Q4_K_M / AWQ / GPTQ-Int4） | 9.9 GB | 11.7 GB | 12.5 GB | 15.5 GB | 16GB 显卡 | Mac 24GB |
每个请求的 KV 缓存：8K 0.3 GB · 32K 1.0 GB · 128K 4.1 GB
每权重比特：BF16 16、FP8 8.5、4 位 4.85。“放得下” = 合计 ≤ 显存 90%；Mac GPU 约可用统一内存的 2/3（≤36GB）或 3/4（更大机型）。MoE 模型所有专家都要进显存，按总参数算。 估算方法 →
03怎么跑
只列厂商或推理框架官方明确支持的方式。
- vLLM — 官方模型卡提及
- Transformers — 官方模型卡提及
04官方仓库与量化版
moonshotai 官方发布的 1 个仓库。
- Kimi-VL-A3B-Thinking main
05Kimi 其他模型
全部 14 个 →| 模型 | 参数 | 4 位合计 | 发布 |
|---|---|---|---|
| Kimi-VL-A3B-Thinking-2506 · 同系列 | 16.4B / 3B | 11.7 GB | 2025-06-21 |
| Kimi-K3 | 2.8T / 104B | 1.87 TB | 2026-06-13 |
| Kimi-K2.7-Code | 1T / 32B | 668 GB | 2026-06-11 |
| Kimi-K2.6 | 1T / 32B | 668 GB | 2026-04-14 |
| Kimi-K2.5 | 1T / 32B | 668 GB | 2026-01-01 |
| Kimi-K2-Thinking | 1T / 32B | 668 GB | 2025-11-04 |
| Kimi-Linear-48B-A3B-Instruct | 49.1B / 3B | 33.3 GB | 2025-10-30 |
| Kimi-K2-Instruct-0905 | 1T / 32B | 668 GB | 2025-09-03 |
| Kimi-K2-Instruct | 1T / 32B | 668 GB | 2025-07-11 |
06来源
数据核对于 2026-01-30。参数、上下文、许可取自官方仓库；显存为本站估算。