Kimi K2.5 本地部署测算
Kimi K2.5（月之暗面）在不同算力卡上的本地部署配置、预估性能与适用场景。
数据更新时间：2026-09-16B300 288GB
288GB · 8,000GB/s带宽 · 顶级Blackwell卡（对华无官方渠道）- 建议精度
- INT8量化
- 所需卡数
- 8张
- 预估解码速度
- 2,000 tok/s单流理论上限 · 原厂API实测 61 tok/s
- 预估并发吞吐
- 输出 3,400 tok/s输入 36,562 tok/s · 多请求批处理估算
- 硬件出厂价
- ¥2,010,120–¥2,345,136按1台8卡整机计价云端时租(实时)×8张：¥532.0–¥532.8/时（2026-10-15）
- 硬件市场价
- ¥7,000,000按1台8卡整机计价报价日期 2026-09-17
- 适用场景
- 机构级超大规模训练与高并发推理集群
GB200 192GB（单卡等效）
192GB · 8,000GB/s带宽 · 顶级Blackwell卡（对华无官方渠道）- 建议精度
- INT8量化
- 所需卡数
- 8张
- 预估解码速度
- 2,000 tok/s单流理论上限 · 原厂API实测 61 tok/s
- 预估并发吞吐
- 输出 3,400 tok/s输入 40,625 tok/s · 多请求批处理估算
- 硬件出厂价
- ¥1,601,280–¥2,401,920
- 硬件市场价
- ¥4,800,000–¥9,600,000报价日期 2026-06
- 适用场景
- 超大规模万亿参数模型训练与推理集群（与Grace CPU协同组网）
B200 180GB
180GB · 8,000GB/s带宽 · 顶级Blackwell卡（对华无官方渠道）- 建议精度
- INT8量化
- 所需卡数
- 8张
- 预估解码速度
- 2,000 tok/s单流理论上限 · 原厂API实测 61 tok/s
- 预估并发吞吐
- 输出 3,400 tok/s输入 36,562 tok/s · 多请求批处理估算
- 硬件出厂价
- ¥1,608,096–¥3,766,656按1台8卡整机计价云端时租(实时)×8张：¥335.2–¥461.6/时（2026-10-15）
- 硬件市场价
- ¥3,000,000–¥3,500,000按1台8卡整机计价报价日期 2026-06
- 适用场景
- 机构级大规模在线推理与训练
H200 141GB
141GB · 4,800GB/s带宽 · 顶级出口管制卡（对华渠道多变）- 建议精度
- INT4量化(AWQ/GPTQ)
- 所需卡数
- 8张
- 预估解码速度
- 2,400 tok/s单流理论上限 · 原厂API实测 61 tok/s
- 预估并发吞吐
- 输出 4,080 tok/s输入 16,071 tok/s · 多请求批处理估算
- 硬件出厂价
- ¥1,876,504–¥2,412,648按1台8卡整机计价云端时租(实时)×8张：¥214.4–¥247.2/时（2026-10-15）
- 硬件市场价
- ¥1,500,000–¥1,560,000按1台8卡整机计价报价日期 2026-01（较旧）
- 适用场景
- 企业级生产环境高并发推理
H100 SXM5 80GB
80GB · 3,350GB/s带宽 · 顶级出口管制卡（对华无官方渠道）- 建议精度
- INT4量化(AWQ/GPTQ)
- 所需卡数
- 8张
- 预估解码速度
- 1,675 tok/s单流理论上限 · 原厂API实测 61 tok/s
- 预估并发吞吐
- 输出 2,848 tok/s输入 16,071 tok/s · 多请求批处理估算
- 硬件出厂价
- ¥1,661,696–¥2,144,128按1台8卡整机计价云端时租(实时)×8张：¥103.2–¥321.6/时（2026-10-15）
- 硬件市场价
- ¥2,700,000–¥2,800,000按1台8卡整机计价报价日期 2024-04（较旧）
- 适用场景
- 企业级生产环境高并发推理/训练
H800 SXM 80GB
80GB · 3,350GB/s带宽 · 顶级出口管制卡（已停供）- 建议精度
- INT4量化(AWQ/GPTQ)
- 所需卡数
- 8张
- 预估解码速度
- 1,675 tok/s单流理论上限 · 原厂API实测 61 tok/s
- 预估并发吞吐
- 输出 2,848 tok/s输入 16,071 tok/s · 多请求批处理估算
- 硬件出厂价
- ¥1,960,000–¥2,080,000按1台8卡整机计价
- 硬件市场价
- ¥2,700,000–¥2,800,000按1台8卡整机计价报价日期 2024-04（较旧）
- 适用场景
- 企业级生产部署（原对华合规型号，现已停供）
H20 96GB
96GB · 4,000GB/s带宽 · 出口合规特供卡（算力大幅阉割）- 建议精度
- INT4量化(AWQ/GPTQ)
- 所需卡数
- 8张
- 预估解码速度
- 2,000 tok/s单流理论上限 · 原厂API实测 61 tok/s
- 预估并发吞吐
- 输出 3,400 tok/s输入 2,405 tok/s · 多请求批处理估算
- 硬件出厂价
- 资料不足
- 硬件市场价
- ¥640,000–¥880,000报价日期 2026-09-16
- 适用场景
- 出口合规环境下的次优选择，中大规模推理部署（FP16算力仅约H100的15%，但内存带宽较高，解码密集场景相对占优）
A800 PCIe 80GB
80GB · 1,935GB/s带宽 · 合规特供卡（出口合规状态多次调整）- 建议精度
- INT4量化(AWQ/GPTQ)
- 所需卡数
- 8张
- 预估解码速度
- 968 tok/s单流理论上限 · 原厂API实测 61 tok/s
- 预估并发吞吐
- 输出 987 tok/s输入 3,042 tok/s · 多请求批处理估算 · PCIe 多卡打折
- 硬件出厂价
- ¥800,000–¥832,000
- 硬件市场价
- ¥1,160,000报价日期 2026-10-08
- 适用场景
- 出口合规环境下的中等规模推理/训练部署
昇腾910C 128GB
128GB · 3,200GB/s带宽 · 华为双芯片数据中心卡（国产）- 建议精度
- INT4量化(AWQ/GPTQ)
- 所需卡数
- 8张
- 预估解码速度
- 1,600 tok/s单流理论上限 · 原厂API实测 61 tok/s
- 预估并发吞吐
- 输出 2,720 tok/s输入 12,220 tok/s · 多请求批处理估算
- 硬件出厂价
- 资料不足
- 硬件市场价
- 资料不足
- 适用场景
- 国产化大模型训练与推理集群，CloudMatrix 等超节点方案
昇腾910B 64GB
64GB · 400GB/s带宽 · 国产替代（不受美国出口管制）- 建议精度
- INT4量化(AWQ/GPTQ)
- 所需卡数
- 16张（超单机，需多节点）
- 预估解码速度
- 400 tok/s单流理论上限 · 原厂API实测 61 tok/s
- 预估并发吞吐
- 输出 680 tok/s输入 10,400 tok/s · 多请求批处理估算
- 硬件出厂价
- 资料不足
- 硬件市场价
- ¥1,760,000–¥1,920,000报价日期 2026-09-16
- 适用场景
- 国产替代，不受美国出口管制，中大规模推理/训练部署，内存带宽明显低于同显存量级NVIDIA卡
RTX PRO 6000 Blackwell 96GB
96GB · 1,792GB/s带宽 · 专业工作站/服务器卡（对华版为 6000D 84GB）- 建议精度
- INT4量化(AWQ/GPTQ)
- 所需卡数
- 8张
- 预估解码速度
- 896 tok/s单流理论上限 · 原厂API实测 61 tok/s
- 预估并发吞吐
- 输出 914 tok/s输入 4,875 tok/s · 多请求批处理估算 · PCIe 多卡打折
- 硬件出厂价
- ¥800,000–¥880,000云端时租(实时)×8张：¥53.6–¥125.6/时（2026-10-15）
- 硬件市场价
- 资料不足
- 适用场景
- 单卡大显存推理、中型 MoE 模型本地部署、私有化一体机
RTX PRO 5500 Blackwell 84GB
84GB · 1,398GB/s带宽 · 专业工作站卡（规格为 NVIDIA 初步数据）- 建议精度
- INT4量化(AWQ/GPTQ)
- 所需卡数
- 8张
- 预估解码速度
- 699 tok/s单流理论上限 · 原厂API实测 61 tok/s
- 预估并发吞吐
- 输出 713 tok/s输入 4,407 tok/s · 多请求批处理估算 · PCIe 多卡打折
- 硬件出厂价
- 资料不足
- 硬件市场价
- ¥680,000–¥760,000报价日期 2026-10-13
- 适用场景
- 工作站大显存推理、部门级私有化部署
RTX PRO 5000 Blackwell 48GB
48GB · 1,344GB/s带宽 · 专业工作站卡- 建议精度
- INT4量化(AWQ/GPTQ)
- 所需卡数
- 16张（超单机，需多节点）
- 预估解码速度
- 1,344 tok/s单流理论上限 · 原厂API实测 61 tok/s
- 预估并发吞吐
- 输出 1,371 tok/s输入 5,031 tok/s · 多请求批处理估算 · PCIe 多卡打折
- 硬件出厂价
- 资料不足云端时租(实时)×16张：¥64.0–¥115.2/时（2026-10-15）
- 硬件市场价
- ¥864,000报价日期 2026-10-14
- 适用场景
- 中小模型推理、开发测试、单机多卡私有化
L40S 48GB
48GB · 864GB/s带宽 · 合规推理卡- 建议精度
- INT4量化(AWQ/GPTQ)
- 所需卡数
- 16张（超单机，需多节点）
- 预估解码速度
- 864 tok/s单流理论上限 · 原厂API实测 61 tok/s
- 预估并发吞吐
- 输出 881 tok/s输入 7,059 tok/s · 多请求批处理估算 · PCIe 多卡打折
- 硬件出厂价
- ¥720,000–¥1,040,000云端时租(实时)×16张：¥64.0–¥89.6/时（2026-10-15）
- 硬件市场价
- ¥720,000–¥1,040,000报价日期 2026-09-16
- 适用场景
- 中小团队自建推理服务，中低并发
L20 48GB
48GB · 864GB/s带宽 · 合规推理卡- 建议精度
- INT4量化(AWQ/GPTQ)
- 所需卡数
- 16张（超单机，需多节点）
- 预估解码速度
- 864 tok/s单流理论上限 · 原厂API实测 61 tok/s
- 预估并发吞吐
- 输出 881 tok/s输入 2,330 tok/s · 多请求批处理估算 · PCIe 多卡打折
- 硬件出厂价
- ¥373,552–¥375,696
- 硬件市场价
- ¥400,000–¥560,000报价日期 2026-09-29
- 适用场景
- 中小团队自建推理服务，中低并发
RTX 5090 32GB
32GB · 1,792GB/s带宽 · 消费级旗舰（对华不售，国内为 5090D）- 建议精度
- INT4量化(AWQ/GPTQ)
- 所需卡数
- 32张（超单机，需多节点）
- 预估解码速度
- 3,584 tok/s单流理论上限 · 原厂API实测 61 tok/s
- 预估并发吞吐
- 输出 3,656 tok/s输入 16,341 tok/s · 多请求批处理估算 · PCIe 多卡打折
- 硬件出厂价
- 资料不足云端时租(实时)×32张：¥99.2–¥160.0/时（2026-10-15）
- 硬件市场价
- ¥1,307,840–¥2,039,360报价日期 2026-09-15
- 适用场景
- 个人/小团队本地推理与开发，多卡拼显存跑量化 MoE
RTX 5090D 24GB
24GB · 1,344GB/s带宽 · 消费级/小规模自建- 建议精度
- INT4量化(AWQ/GPTQ)
- 所需卡数
- 32张（超单机，需多节点）
- 预估解码速度
- 2,688 tok/s单流理论上限 · 原厂API实测 61 tok/s
- 预估并发吞吐
- 输出 2,742 tok/s输入 11,583 tok/s · 多请求批处理估算 · PCIe 多卡打折
- 硬件出厂价
- ¥527,968云端时租(实时)×32张：¥99.2–¥160.0/时（2026-10-15）
- 硬件市场价
- ¥960,000–¥1,280,000报价日期 2026-09-10
- 适用场景
- 个人开发/小规模验证/POC，不建议生产级高并发
RTX 4090D 24GB
24GB · 1,008GB/s带宽 · 消费级/小规模自建- 建议精度
- INT4量化(AWQ/GPTQ)
- 所需卡数
- 32张（超单机，需多节点）
- 预估解码速度
- 2,016 tok/s单流理论上限 · 原厂API实测 61 tok/s
- 预估并发吞吐
- 输出 2,056 tok/s输入 11,466 tok/s · 多请求批处理估算 · PCIe 多卡打折
- 硬件出厂价
- ¥415,968–¥607,968云端时租(实时)×32张：¥86.4–¥105.6/时（2026-10-15）
- 硬件市场价
- ¥832,000–¥960,000报价日期 2026-09-16
- 适用场景
- 个人开发/小规模验证/POC，不建议生产级高并发
FAQ
常见问题
预估解码速度是怎么算的?
预估解码速度 = (显存带宽 × 卡数) ÷ (激活参数 × 精度字节数),是内存带宽瓶颈下单条请求吞吐量的理论上限(roofline 模型),按卡数线性放大,未计入多卡通信开销、批处理并发和框架损耗,实际压测通常明显低于此值。
消费级显卡的速度数字可信吗?
线性放大对带 NVLink/NVSwitch 的数据中心卡(H/B 系列)相对合理;对常见 PCIe 互联、无 NVLink 的消费级卡(RTX 5090D/4090D 等)明显过于乐观,多卡张量并行会因通信大打折扣。所以「卡数一样、速度不输数据中心卡」是理论上限的假象,仅用于数量级横向比较,不是性能承诺。
「建议精度」是怎么选的?
按单机常见的 8 张卡以内容纳的最高精度自动选择,超过即标注「需多节点」。实际大规模生产部署也常用更多卡换取更高并发,而不是单纯追求最高精度。
价格从哪来?
硬件出厂价/市场价按所需卡数折算总额,取自公开报道、每周自动检索更新;「云端时租(实时)」取自 vast.ai 公开市场 API,每日刷新,是国际云端市场时租价 × 卡数,不代表中国大陆整卡采购价。完整硬件明细见 大模型本地部署测算总览 底部硬件对照表。