RTX 6000 PROФлагманский класс GPU
96 ГБGDDR7
от 133,20 ₽/час
≈ 97 236 ₽ / мес
Обучение моделей с нуляФайнтюнинг и LoRAИнференс и API в продакшене3D, рендер и видеомонтаж
LLM
GPU для Kimi K3
Kimi K3 - открытая frontier-модель Moonshot AI (2.8T параметров, Stable LatentMoE: 16 из 896 экспертов), с Kimi Delta Attention, native vision и окном 1M токенов. Веса в MXFP4; Moonshot рекомендует деплой на supernode от 64 ускорителей. Для продакшна обычно vLLM с KDA; альтернатива - API у агрегаторов без своего кластера.
Требования к VRAM
1400 ГБ
Минимум
Суммарно, MXFP4 (~18× H100 80 ГБ)
5120 ГБ
Рекомендуется
64×80 ГБ, supernode Moonshot
Нода GPU от
133,20 ₽/час
цена одной карты ≥ 80 ГБ
API от
299,58 ₽/1M
без своего сервера · у агрегаторов
- Суммарно мин.
- 1400 ГБ
- Рекомендуется
- 5120 ГБ
- Ноды ≥ 80 ГБ
- 7
Ноды кластера под Kimi K3
7 видеокарт ≥ 80 ГБ. Полный деплой - суммарно от 1400 ГБ (~18× нод по 80 ГБ).
32 предложения →
A100 80GBФлагманский класс GPU
80 ГБHBM2e
от 185,00 ₽/час
≈ 135 050 ₽ / мес
Обучение моделей с нуляФайнтюнинг и LoRAИнференс и API в продакшене
H100Флагманский класс GPU
80 ГБHBM3
от 242,00 ₽/час
≈ 176 660 ₽ / мес
Обучение моделей с нуляФайнтюнинг и LoRAИнференс и API в продакшене
H100 NVLФлагманский класс GPU
94 ГБHBM3
от 364,74 ₽/час
≈ 266 257 ₽ / мес
Обучение моделей с нуляФайнтюнинг и LoRAИнференс и API в продакшене
H200Флагманский класс GPU
141 ГБHBM3e
от 375,00 ₽/час
≈ 273 750 ₽ / мес
Обучение моделей с нуляФайнтюнинг и LoRAИнференс и API в продакшене
B200Флагманский класс GPU
180 ГБHBM3e
от 842,16 ₽/час
≈ 614 777 ₽ / мес
Обучение моделей с нуляФайнтюнинг и LoRAИнференс и API в продакшене
B300Флагманский класс GPU
288 ГБHBM3e
от 941,78 ₽/час
≈ 687 500 ₽ / мес
Обучение моделей с нуляФайнтюнинг и LoRAИнференс и API в продакшене
| GPU | Память | Применение | ₽/час↑ | ≈ в месяц | |
|---|---|---|---|---|---|
RTX 6000 PROФлагманский класс GPU | 96 ГБGDDR7 | Обучение моделей с нуляФайнтюнинг и LoRAИнференс и API в продакшене3D, рендер и видеомонтаж | от 133,20 ₽/час | ≈ 97 236 ₽ | 32 предложения → |
A100 80GBФлагманский класс GPU | 80 ГБHBM2e | Обучение моделей с нуляФайнтюнинг и LoRAИнференс и API в продакшене | от 185,00 ₽/час | ≈ 135 050 ₽ | 50 предложений → |
H100Флагманский класс GPU | 80 ГБHBM3 | Обучение моделей с нуляФайнтюнинг и LoRAИнференс и API в продакшене | от 242,00 ₽/час | ≈ 176 660 ₽ | 47 предложений → |
H100 NVLФлагманский класс GPU | 94 ГБHBM3 | Обучение моделей с нуляФайнтюнинг и LoRAИнференс и API в продакшене | от 364,74 ₽/час | ≈ 266 257 ₽ | 4 предложения → |
H200Флагманский класс GPU | 141 ГБHBM3e | Обучение моделей с нуляФайнтюнинг и LoRAИнференс и API в продакшене | от 375,00 ₽/час | ≈ 273 750 ₽ | 22 предложения → |
B200Флагманский класс GPU | 180 ГБHBM3e | Обучение моделей с нуляФайнтюнинг и LoRAИнференс и API в продакшене | от 842,16 ₽/час | ≈ 614 777 ₽ | 3 предложения → |
B300Флагманский класс GPU | 288 ГБHBM3e | Обучение моделей с нуляФайнтюнинг и LoRAИнференс и API в продакшене | от 941,78 ₽/час | ≈ 687 500 ₽ | 4 предложения → |
Без своего сервера - через API агрегаторов
Альтернатива аренде GPU: готовый API с оплатой в рублях
Kimi K3
от 299,58 ₽/1M за вход
вход 299,58 ₽/1M
выход 1 446,24 ₽/1M
moonshotai/kimi-k3
вход 336,79 ₽/1M
выход 1 683,95 ₽/1M
moonshotai/kimi-k3
вход 342,08 ₽/1M
выход 1 710,39 ₽/1M
moonshotai/kimi-k3
вход 405 ₽/1M
выход 2 025 ₽/1M
moonshot/kimi-k3
вход 580 ₽/1M
выход 2 800 ₽/1M
moonshot/kimi-k3
вход 0,75 ₽/1K≈ 750 ₽/1M
выход 3,75 ₽/1K≈ 3 750 ₽/1M
moonshot/kimi-k3
| ID модели | ||||
|---|---|---|---|---|
| RouterAI | moonshotai/kimi-k3 | 299,58 ₽/1M | 1 446,24 ₽/1M | Перейти → |
| Polza AI | moonshotai/kimi-k3 | 336,79 ₽/1M | 1 683,95 ₽/1M | Перейти → |
| RouterAPI | moonshotai/kimi-k3 | 342,08 ₽/1M | 1 710,39 ₽/1M | Перейти → |
| Timeweb Cloud | moonshot/kimi-k3 | 405 ₽/1M | 2 025 ₽/1M | Перейти → |
| AITunnel | moonshot/kimi-k3 | 580 ₽/1M | 2 800 ₽/1M | Перейти → |
| GenAPI | moonshot/kimi-k3 | 0,75 ₽/1K≈ 750 ₽/1M | 3,75 ₽/1K≈ 3 750 ₽/1M | Перейти → |
Частые вопросы
Сколько VRAM нужно для Kimi K3?+−
Все 2.8T параметров должны лежать в памяти (MoE не уменьшает вес чекпоинта). В MXFP4 это порядка ~1.4 ТБ суммарной VRAM (~18× H100 80 ГБ). Moonshot для нормального throughput рекомендует supernode от 64 ускорителей (~5.1 ТБ при 80 ГБ на карту). Одна H100/H200 - нода кластера, не полный деплой.
Как запустить Kimi K3 на арендованном GPU?+−
Собери multi-node кластер (H100/H200/B200) с быстрой связью на суммарные ≥1.4 ТБ VRAM. Инференс через vLLM с Kimi Delta Attention. Для старта без железа - API: /llm-api/kimi-k3.
Kimi K3 или API-агрегатор?+−
Self-host имеет смысл при огромном объёме и контроле данных. Иначе дешевле и проще API у российских агрегаторов с оплатой в рублях - цены на /llm-api/kimi-k3.
Чем Kimi K3 отличается от Kimi K2?+−
K3 крупнее (2.8T vs линейка K2), нативная мультимодальность, контекст 1M, архитектура KDA + AttnRes и MXFP4 QAT. K2/K2.5/K2.6 легче поднять на меньшем железе; K3 - кластерный frontier.