Identität und Zugang
Der Publisher-Eintrag identifiziert dieses Repository als moonshotai/Kimi-K2-Instruct. Der aktuelle öffentliche Snapshot ist fd1984e2b7a3350dbf7305fe73a4ede25c14de50. Der Zugang ist öffentliches Repository; prüfen Sie die anwendbare Lizenz und die Publisher-Bedingungen; das aufgezeichnete Lizenzlabel ist other. Ein öffentliches Repository oder ein gated Download begründet keine Erlaubnis für jede Nutzung.
Konfigurationsfakten
Die gepinnte Konfiguration gibt Modelltyp kimi_k2 und Architektur DeepseekV3ForCausalLM an. Der Model Hub taggt es für text-generation; diese Labels beschreiben Repository-Metadaten und belegen keine Benchmark-Leistung.
- hidden_size: 7168
- intermediate_size: 18432
- max_position_embeddings: 131072
- n_routed_experts: 384
- num_attention_heads: 64
- num_experts_per_tok: 8
- num_hidden_layers: 61
- num_key_value_heads: 64
- quantization_config.quant_method: fp8
- rms_norm_eps: 1e-06
- rope_theta: 50000.0
- torch_dtype: bfloat16
- vocab_size: 163840
- quantization_config.activation_scheme: dynamic
- quantization_config.fmt: e4m3
Modellspezifische Qualifizierung
Diese Konfiguration oder Publisher-Metadaten kennzeichnen das Modell als Mixture of Experts. Bestätigen Sie, ob die Serving-Laufzeit seine Routing-Schichten unterstützt, und unterscheiden Sie Gesamtparameter von pro Token aktiven Parametern; hier wird keine aktive Anzahl abgeleitet, sofern der Publisher nicht explizit eine angibt.
Dieses Repository scheint eine quantisierte oder reduzierte Präzisionsvariante zu beschreiben (im öffentlichen Eintrag nicht angegeben). Bestätigen Sie das tatsächliche Gewichtsformat und die Laufzeit-Kernels anhand der gepinnten Dateien; die Speichergröße allein ist weder eine logische Parameteranzahl noch ein garantierter GPU-Speicherbedarf.
Gewichtsspeicher-Planung
Dieser Leitfaden enthält keine unabhängig verifizierte logische Parameteranzahl und lässt daher eine numerische Gewichtsspeicher-Schätzung aus. Wenn eine Anzahl für diese exakte Repository-Revision verifiziert wird, verwenden Sie Parameteranzahl × Bytes pro Parameter als Untergrenze für die Gewichte allein; berücksichtigen Sie dann separat KV-Cache, Kontext, Aktivierungen, Laufzeit und Nebenläufigkeit.
Revision und Reproduzierbarkeit
Die Metadaten und die Konfiguration sind auf Revision fd1984e2b7a3350dbf7305fe73a4ede25c14de50 gepinnt. Pinnen Sie diesen Commit, wenn Sie eine Evaluierung reproduzieren. Repository-Branches können sich ändern, und diese Quellenprüfung validiert die Modellgewichte selbst nicht.
Veröffentlichter Eintrag
- Task: text-generation
- Modelltyp: kimi_k2
- Architektur: DeepseekV3ForCausalLM
- Lizenzlabel: other
- Zugang: öffentliches Repository; prüfen Sie die anwendbare Lizenz und die Publisher-Bedingungen
- Revision: fd1984e2b7a3350dbf7305fe73a4ede25c14de50