moonshotai/Kimi-K2-Instruct

moonshotai/Kimi-K2-Instruct est répertorié sur Hugging Face comme modèle text-generation. Cette page consigne l'instantané public du dépôt fd1984e2b7a3350dbf7305fe73a4ede25c14de50 ; vérifiez la révision indiquée, la licence et la prise en charge d'exécution avant de l'utiliser.

Mis à jour le

Computraq prépare son lancement. Ces guides décrivent les préparatifs et le cadre proposé ; ils n’établissent aucun service actif, aucune intégration ni aucun partenariat.

Identité et accès

L'enregistrement de l'éditeur identifie ce dépôt comme moonshotai/Kimi-K2-Instruct. Son instantané public actuel est fd1984e2b7a3350dbf7305fe73a4ede25c14de50. L'accès est dépôt public ; consultez la licence applicable et les conditions de l'éditeur ; le libellé de licence consigné est other. Un dépôt public ou un téléchargement sous conditions ne confère pas une autorisation pour tous les usages.

Faits de configuration

La configuration épinglée indique le type de modèle kimi_k2 et l'architecture DeepseekV3ForCausalLM. Le hub de modèles l'étiquette pour text-generation ; ces libellés décrivent les métadonnées du dépôt et n'établissent pas de performance de référence.

  • 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

Qualification propre au modèle

Cette configuration ou les métadonnées de l'éditeur marquent le modèle comme un mélange d'experts. Confirmez si le moteur d'exécution prend en charge ses couches de routage, et distinguez les paramètres totaux des paramètres actifs par token ; aucun décompte d'actifs n'est déduit ici, sauf si l'éditeur en déclare un explicitement.

Ce dépôt semble décrire une variante quantifiée ou à précision réduite (non indiqué dans l'enregistrement public). Confirmez le format réel des poids et les noyaux d'exécution à partir des fichiers épinglés ; la taille de stockage seule n'est ni un décompte logique de paramètres ni une exigence garantie de mémoire GPU.

Planification de la mémoire des poids

Ce guide ne retient pas de décompte logique de paramètres vérifié indépendamment, il omet donc une estimation numérique de la mémoire des poids. Si un décompte est vérifié pour cette révision exacte du dépôt, utilisez nombre de paramètres × octets par paramètre pour un plancher des poids seuls ; tenez ensuite compte séparément du cache KV, du contexte, des activations, de l'exécution et de la concurrence.

Révision et reproductibilité

Les métadonnées et la configuration sont épinglées à la révision fd1984e2b7a3350dbf7305fe73a4ede25c14de50. Épinglez ce commit lors de la reproduction d'une évaluation. Les branches du dépôt peuvent changer, et cette vérification à la source ne valide pas les poids du modèle eux-mêmes.

Enregistrement publié

  • Tâche : text-generation
  • Type de modèle : kimi_k2
  • Architecture : DeepseekV3ForCausalLM
  • Libellé de licence : other
  • Accès : dépôt public ; consultez la licence applicable et les conditions de l'éditeur
  • Révision : fd1984e2b7a3350dbf7305fe73a4ede25c14de50

Sources et vérification