moonshotai
Kimi-K2-Instruct
- パラメータ数
- 1,026.4B
- 最大コンテキスト長
- 131,072
- アーキテクチャ
- deepseek2
- ライセンス
- 条件付き
- ライセンス
- modified-mit
Kimi-K2-Instruct の概要
Kimi-K2-Instruct は、Hugging Face の moonshotai/Kimi-K2-Instruct をもとにした GGUF 形式のモデルです。GGUF は unsloth/Kimi-K2-Instruct-GGUF が公開しています。パラメータ数は約 1,026.4B（10,264億）、アーキテクチャは deepseek2、最大コンテキスト長は 131,072 トークンです（GGUF に書かれた値）。
量子化は 27 種類あり、ファイルサイズは UD-TQ1_0 の 244 GB から BF16 の 2,053 GB まであります（Hugging Face 上の実際のサイズ）。
Q4_K_M（621 GB）を 8,192 トークンのコンテキストで動かすときの必要メモリは推定 622 GB、32,768 トークンでは推定 624 GBです。最も小さい UD-TQ1_0（244 GB）なら、8,192 トークンで推定 245 GBです。
元のモデルのライセンスは Modified MIT License（Moonshot AI の Kimi） で、商用利用には規模・用途などの条件があります。利用条件は原文で確認してください。
量子化ごとのファイルサイズと必要メモリの目安
- 8 GB まで
- 16 GB まで
- 24 GB まで
- 48 GB まで
- 128 GB まで
- それ以上
ファイルサイズは Hugging Face 上の実際の値です。必要メモリはコンテキスト長ごとの推定値（KVキャッシュ f16）。計算式は 必要メモリの計算方法で公開しています。
必要メモリはすべて 推定 （KVキャッシュ f16）。このページの「必要メモリ」以上の VRAM（または Mac の統合メモリ）を持つ環境で動作する見込みです。数値をクリックすると、その容量で動く機種・モデルの一覧（GPU・Macで探す）に移動します。
「品質の目安」について（量子化でどれだけ元のモデルからずれるか）
量子化の型ごとに、元のモデルの出力からどれだけずれるかを、llama.cpp が Llama-3-8B で測った値から6段階に分けたものです。
使っている値は平均 KLD（元のモデルと量子化したモデルの、次の単語の確率の分布の差）で、小さいほど元のモデルに近い出力になります。imatrix（重要度の情報）を使って量子化したものは少し小さくなります。段階は、imatrix を使わない値（無い型は使った値）で分けています。
★このモデルで測った値ではありません。モデルが大きいほど、また MoE のモデルほど、同じ型でもずれは小さくなりやすいです。配布元独自の混合型（UD-Q4_K_XL など）は型の名前だけでは当てはめられないので「-」にしています。
| 量子化 | 品質の目安 | KLD（imatrix なし） | KLD（imatrix あり） | サイズ（Llama-3-8B） |
|---|---|---|---|---|
| Q8_0 | ほぼ同じ | 0.0014 | - | 7.96 GiB |
| Q6_K | ごく小さい | 0.0055 | - | 6.14 GiB |
| Q5_K_M | ごく小さい | 0.0108 | - | 5.33 GiB |
| Q5_K_S | 小さい | 0.0166 | - | 5.21 GiB |
| Q5_1 | 小さい | 0.0180 | - | 5.65 GiB |
| Q5_0 | 小さい | 0.0222 | - | 5.21 GiB |
| Q4_K_M | 小さい | 0.0313 | 0.0282 | 4.58 GiB |
| Q4_K_S | 中くらい | 0.0431 | 0.0320 | 4.37 GiB |
| IQ4_NL | 小さい | - | 0.0357 | 4.35 GiB |
| IQ4_XS | 小さい | - | 0.0363 | 4.14 GiB |
| Q4_1 | 中くらい | 0.0717 | - | 4.78 GiB |
| Q4_0 | 中くらい | 0.0719 | - | 4.34 GiB |
| Q3_K_L | 中くらい | 0.0872 | 0.0731 | 4.03 GiB |
| Q3_K_M | 中くらい | 0.1019 | 0.0844 | 3.74 GiB |
| IQ3_M | 中くらい | - | 0.1025 | 3.53 GiB |
| IQ3_S | 中くらい | - | 0.1113 | 3.42 GiB |
| IQ3_XS | 大きい | - | 0.1387 | 3.28 GiB |
| IQ3_XXS | 大きい | - | 0.1836 | 3.05 GiB |
| Q3_K_S | 大きい | 0.2282 | 0.1998 | 3.41 GiB |
| IQ2_M | 大きい | - | 0.3260 | 2.74 GiB |
| Q2_K | とても大きい | 0.4451 | 0.3322 | 2.96 GiB |
| Q2_K_S | とても大きい | - | 0.4034 | 2.96 GiB |
| IQ2_S | とても大きい | - | 0.4392 | 2.56 GiB |
| IQ2_XS | とても大きい | - | 0.5463 | 2.43 GiB |
| IQ2_XXS | とても大きい | - | 0.8120 | 2.24 GiB |
| IQ1_M | とても大きい | - | 1.3931 | 2.01 GiB |
| IQ1_S | とても大きい | - | 2.2546 | 1.88 GiB |
出典：llama.cpp（MIT）、Llama-3-8B・FP16 を基準・Wikitext-2・revision f364eb6f の測定。 元の表 · 量子化の読み方と選び方
最終確認：2026年10月5日
- アーキテクチャ
- deepseek2
- llama.cpp b4409 より前から
- パラメータ数
- 1,026.4B
- 最大コンテキスト長
- 131,072
- ライセンス
- modified-mit 条件付き
| 量子化 | ファイルサイズ 実測 | 品質の目安 | 4,096 | 8,192 | 16,384 | 32,768 | 65,536 | 131,072 最大 |
|---|---|---|---|---|---|---|---|---|
| UD-TQ1_0 （5分割） | 244 GB | - | 245 GB | 245 GB | 246 GB | 247 GB | 249 GB | 254 GB |
| UD-IQ1_S （6分割） | 280 GB | - | 281 GB | 282 GB | 282 GB | 283 GB | 286 GB | 290 GB |
| UD-IQ1_M （7分割） | 304 GB | - | 305 GB | 306 GB | 306 GB | 307 GB | 310 GB | 314 GB |
| UD-IQ2_XXS （7分割） | 329 GB | - | 330 GB | 330 GB | 331 GB | 332 GB | 334 GB | 339 GB |
| UD-IQ2_M （8分割） | 347 GB | - | 348 GB | 349 GB | 349 GB | 350 GB | 353 GB | 357 GB |
| Q2_K （8分割） | 373 GB | とても大きい | 374 GB | 375 GB | 375 GB | 376 GB | 379 GB | 383 GB |
| Q2_K_L （8分割） | 373 GB | - | 375 GB | 375 GB | 375 GB | 377 GB | 379 GB | 384 GB |
| UD-Q2_K_XL （8分割） | 382 GB | - | 383 GB | 383 GB | 384 GB | 385 GB | 387 GB | 392 GB |
| UD-IQ3_XXS （9分割） | 417 GB | - | 418 GB | 418 GB | 419 GB | 420 GB | 422 GB | 427 GB |
| Q3_K_S （10分割） | 442 GB | 大きい | 444 GB | 444 GB | 444 GB | 446 GB | 448 GB | 453 GB |
| UD-Q3_K_XL （10分割） | 452 GB | - | 453 GB | 454 GB | 454 GB | 455 GB | 458 GB | 462 GB |
| Q3_K_M （11分割） | 489 GB | 中くらい | 491 GB | 491 GB | 491 GB | 493 GB | 495 GB | 499 GB |
| IQ4_XS （12分割） | 547 GB | 小さい | 548 GB | 548 GB | 549 GB | 550 GB | 552 GB | 557 GB |
| IQ4_NL （12分割） | 578 GB | 小さい | 580 GB | 580 GB | 581 GB | 582 GB | 584 GB | 589 GB |
| Q4_0 （13分割） | 581 GB | 中くらい | 582 GB | 582 GB | 583 GB | 584 GB | 586 GB | 591 GB |
| Q4_K_S （13分割） | 583 GB | 中くらい | 584 GB | 584 GB | 585 GB | 586 GB | 588 GB | 593 GB |
| UD-Q4_K_XL （13分割） | 587 GB | - | 588 GB | 589 GB | 589 GB | 590 GB | 593 GB | 597 GB |
| Q4_K_M （13分割） | 621 GB | 小さい | 622 GB | 622 GB | 623 GB | 624 GB | 626 GB | 631 GB |
| Q4_1 （13分割） | 643 GB | 中くらい | 644 GB | 644 GB | 645 GB | 646 GB | 648 GB | 653 GB |
| Q5_K_S （15分割） | 707 GB | 小さい | 708 GB | 708 GB | 709 GB | 710 GB | 712 GB | 717 GB |
| Q5_K_M （16分割） | 728 GB | ごく小さい | 730 GB | 730 GB | 730 GB | 732 GB | 734 GB | 738 GB |
| UD-Q5_K_XL （16分割） | 731 GB | - | 732 GB | 732 GB | 733 GB | 734 GB | 736 GB | 741 GB |
| Q6_K （18分割） | 843 GB | ごく小さい | 844 GB | 844 GB | 845 GB | 846 GB | 848 GB | 853 GB |
| UD-Q6_K_XL （19分割） | 879 GB | - | 880 GB | 881 GB | 881 GB | 882 GB | 885 GB | 889 GB |
| Q8_0 （23分割） | 1,091 GB | ほぼ同じ | 1,092 GB | 1,093 GB | 1,093 GB | 1,094 GB | 1,097 GB | 1,101 GB |
| UD-Q8_K_XL （25分割） | 1,190 GB | - | 1,191 GB | 1,192 GB | 1,192 GB | 1,193 GB | 1,196 GB | 1,200 GB |
| BF16 （45分割） | 2,053 GB | 元の精度 | 2,054 GB | 2,055 GB | 2,055 GB | 2,056 GB | 2,059 GB | 2,063 GB |
Ollama ollama run hf.co/unsloth/Kimi-K2-Instruct-GGUF:Q4_K_M
llama.cpp llama-server -hf unsloth/Kimi-K2-Instruct-GGUF:Q4_K_M
ライセンスと商用利用
Modified MIT License（Moonshot AI の Kimi） 条件付き
MIT ライセンスに1つ条件を足したものです。商用の製品・サービスの月間アクティブユーザーが1億人を超える、または月の売上が2,000万米ドルを超えるときは、画面にモデル名（Kimi K2・Kimi K2.6・Kimi K2.7 Code など）を目立つように表示します。そのほかは MIT と同じで、著作権表示とライセンス文を残します。確かめたのは Moonshot AI の Kimi K2・K2.6・K2.7 Code の原文です。ほかの作者が同じ名前で出していても条件が同じとは限りません。
元のモデルの Hugging Face のページにあるライセンスで判定しています。 ライセンスの原文（2026年11月1日 に確認）
要約は当サイトが原文から読み取った事実で、法的な助言ではありません。実際に使う前に、必ずライセンスの原文と最新の条件を確認してください。 ライセンスごとの一覧
動かし方
例として Q4_K_M を使う場合のコマンドです。他の量子化を使う場合は、上の表から量子化名を選んで置き換えてください。 ローカルLLMの動かし方
Ollama
Hugging Face 上の GGUF を直接指定して動かせます。
ollama run hf.co/unsloth/Kimi-K2-Instruct-GGUF:Q4_K_M
llama.cpp
llama-server（または llama-cli）に -hf でリポジトリと量子化名を指定します。
llama-server -hf unsloth/Kimi-K2-Instruct-GGUF:Q4_K_M
LM Studio
検索欄に unsloth/Kimi-K2-Instruct-GGUF を貼り付けてダウンロードし、量子化ファイルの一覧から量子化名を選びます。
moonshotai のほかのモデル
-
2,779.5B
moonshotai
Kimi-K3
- UD-Q1_0 のサイズ
- 466 GB
- 8K で必要なメモリ
- 468 GB
実測 推定
-
1,026.4B
moonshotai
Kimi-K2.7-Code
- UD-IQ1_M のサイズ
- 304 GB
- 8K で必要なメモリ
- 305 GB
実測 推定
-
1,026.4B
moonshotai
Kimi-K2.6
- UD-Q2_K_XL のサイズ
- 340 GB
- 8K で必要なメモリ
- 342 GB
実測 推定
-
49.1B
moonshotai
Kimi-Linear-48B-A3B-Instruct
- Q4_K_M のサイズ
- 30.1 GB
- 8K で必要なメモリ
- 31.0 GB
実測 推定 VRAM 32 GB〜
-
72.7B
moonshotai
Kimi-Dev-72B
- UD-IQ1_S のサイズ
- 23.0 GB
- 8K で必要なメモリ
- 26.6 GB
実測 推定 VRAM 32 GB〜
同じくらいの大きさのモデル（ほかの開発元）
よくある質問
- Kimi-K2-Instruct（Q4_K_M）を動かすのに必要なメモリはどれくらいですか？
- ファイルサイズは621 GB（実測）。8,192トークンのコンテキストで動かす場合、KVキャッシュ等を含めた推定必要メモリは622 GBです。計算式はhttps://localllm.az-arte.com/ja/guide/memory-calculationで公開しています。
- Kimi-K2-Instructは商用利用できますか？
- 元のモデルのライセンスはModified MIT License（Moonshot AI の Kimi）（商用利用は条件付き）。MIT ライセンスに1つ条件を足したものです。商用の製品・サービスの月間アクティブユーザーが1億人を超える、または月の売上が2,000万米ドルを超えるときは、画面にモデル名（Kimi K2・Kimi K2.6・Kimi K2.7 Code など）を目立つように表示します。そのほかは MIT と同じで、著作権表示とライセンス文を残します。確かめたのは Moonshot AI の Kimi K2・K2.6・K2.7 Code の原文です。ほかの作者が同じ名前で出していても条件が同じとは限りません。最終的な判断はライセンスの原文で確認してください。
- Kimi-K2-Instruct は VRAM 8GB・12GB・16GB・24GB で動きますか？
- 8GB に収まる量子化は無し、12GB に収まる量子化は無し、16GB に収まる量子化は無し、24GB に収まる量子化は無し（8,192 トークン・KV キャッシュ f16 の推定。いちばん多くダウンロードされている配布元のファイル）。
- Kimi-K2-Instruct を Ollama で動かすコマンドは？
- 「ollama run hf.co/unsloth/Kimi-K2-Instruct-GGUF:Q4_K_M」で、Hugging Face の GGUF をそのまま動かせます。ほかの量子化を使うときは、最後の量子化名を置き換えます。