文档中心

GPU云服务器

Kimi系列模型

GPU-部署Kimi K2.5模型

本文以1台ecs.hpcpni3ln.45xlarge实例为例，介绍如何在GPU云服务器上部署、运行Kimi K2.5模型。

背景信息

Kimi K2.5

Kimi K2.5是一款基于万亿参数混合专家 (MoE)架构的多模态模型，拥有1T的总参数量以及32 B的激活参数。Kimi K2.5在视觉理解、工具使用、Agent集群协作和编码任务中表现卓越，同时升级了长上下文处理与双模式推理能力。了解更多。

软件要求

NVIDIA驱动：

GPU驱动：用来驱动NVIDIA GPU的程序。本文以535.161.08为例。

运行环境：

SGLang框架：SGLang是一个用于大型语言模型和视觉语言模型的快速服务框架，本文以sglang:v0.5.8版本为例。

操作步骤

步骤一：准备环境

创建GPU计算型实例。

请根据通过向导购买实例指引，创建1台符合如下条件的实例：

配置项	推荐配置
基础配置
计算规格	ecs.hpcpni3ln.45xlarge 说明 ecs.hpcpni3ln.45xlarge规格实例正在邀测中，如需试用，请提交工单或联系客户经理申请。
镜像	Ubuntu 22.04 with GPU Driver 535.161.08 and doca 说明若您选用其他发行版本的镜像，需在创建实例后自行安装GPU驱动。
实例数量	1
存储	规格：吞吐型SSD TL0云盘容量：不低于1 TiB
网络配置
公网IP	勾选“分配弹性公网IP”。

安装依赖的软件、工具。

登录购买的实例。

执行如下命令，安装、配置Docker。

sudo apt update
sudo apt install ca-certificates curl gnupg lsb-release
sudo mkdir -p /etc/apt/keyrings
curl -fsSL https://mirrors.ivolces.com/docker/linux/ubuntu/gpg | sudo gpg --dearmor -o /etc/apt/keyrings/docker.gpg
echo "deb [arch=$(dpkg --print-architecture) signed-by=/etc/apt/keyrings/docker.gpg] https://mirrors.ivolces.com/docker/linux/ubuntu $(lsb_release -cs) stable" | sudo tee /etc/apt/sources.list.d/docker.list > /dev/null
sudo apt update
sudo apt install docker-ce docker-ce-cli containerd.io docker-compose-plugin -y

执行如下命令，安装NVIDIA Container Toolkit。

curl -s https://mirrors.ivolces.com/nvidia_all/ubuntu2204/x86_64/3bf863cc.pub | sudo apt-key add -
cat <<EOF >/etc/apt/sources.list.d/nvidia.list
deb http://mirrors.ivolces.com/nvidia_all/ubuntu2204/x86_64/ /
EOF
apt update
apt install nvidia-container-toolkit -y

执行如下命令配置Docker，使容器可以使用实例的GPU资源。

sudo nvidia-ctk runtime configure --runtime=docker
sudo systemctl restart docker

（可选）初始化本地盘。

若您选用的实例规格搭配有本地盘，建议您执行如下命令将本地盘挂载到存储模型的目录“/data01”，提升模型加载速度。

mkfs -t ext4 /dev/nvme0n1
mount -t ext4 /dev/nvme0n1 /data01

说明

请将/dev/nvme0n1替换为实际本地盘名称。

请将ext4替换为您期望使用的文件系统。

步骤二：部署、运行模型

登录购买的实例。

执行如下命令，下载模型文件。

执行如下命令，安装配置onion。

curl -fsSL https://mirrors.ivolces.com/extra-tools/ubuntu/GPG-KEY-system | sudo gpg --dearmor -o /etc/apt/trusted.gpg.d/volc-extra-tools.gpg
echo "deb [arch=$(dpkg --print-architecture) signed-by=/etc/apt/trusted.gpg.d/volc-extra-tools.gpg] http://mirrors.ivolces.com/extra-tools/ubuntu jammy main" > /etc/apt/sources.list.d/volctools.list && apt update && apt install -y onion-ai-data

cd /data01

说明

建议您选择容量较大的磁盘目录存放模型文件，Kimi K2.5模型规模较大，请选择大于1TB的存储空间，本文以/data01为例，请将其替换为实际目录路径。

执行如下命令，通过onion工具下载Kimi K2.5模型。

oniond download model Kimi-K2.5

请根据实例所在地域，执行如下命令，下载Docker镜像。

华北2（北京）
华东2（上海）

docker pull ai-containers-cn-beijing.cr.volces.com/deeplearning/sglang:v0.5.8.byted.202601292054

请根据实例所在地域，执行如下命令，启动Docker容器。

华北2（北京）
华东2（上海）

docker run --gpus all -itd --net=host --shm-size=100g --ulimit memlock=-1 --ulimit stack=67108864 --privileged --ipc=host --security-opt seccomp=unconfined --cap-add=ALL -v /data01/:/data00/ -v /var/run/nvidia-topologyd/:/var/run/nvidia-topologyd/ --entrypoint /bin/bash ai-containers-cn-beijing.cr.volces.com/deeplearning/sglang:v0.5.8.byted.202601292054

注意

请将/data01替换为模型实际存放目录路径。

执行如下命令，通过Docker日志确认容器及模型是否成功启动。

查看容器ID。

docker ps

查看对应容器的运行日志。

docker logs -f <CONTAINER_ID>

说明

请将<CONTAINER_ID>替换为实际容器ID。

启动模型服务。

执行如下命令，进入Docker容器。

docker exec -it <CONTAINER_ID> bash

说明

请将<CONTAINER_ID>替换为实际容器ID。

cd /sgl-workspace/sglang

执行如下命令，启动模型服务。

python3 -m sglang.launch_server --model-path /data00/Kimi-K2.5 --tp 8 --trust-remote-code --tool-call-parser kimi_k2 --reasoning-parser kimi_k2 --mem-fraction-static 0.8 --port 8080 --host 0.0.0.0 --max-running-requests 64

若回显中包含“The server is fired up and ready to roll”，表示服务已成功启动。

参数说明：

如上命令以部署、启动Kimi K2.5模型为例，如需部署、启动其他模型，可根据如下说明替换对应环境变量的参数值。

参数	说明	取值样例
--model-path	容器内模型存储路径。	/data00/Kimi-K2.5/
--tp	Tensor Parallelism并行度。	16
--tool-call-parser	处理工具调用交互的解析器。	kimi_k2
--reasoning-parser	推理模型的解析器。	kimi_k2
--mem-fraction-static	静态分配（模型权重和kv缓存池）的显存占比。	0.8
--max-running-requests	同时处理请求的最大数量。	64
--host	服务监听的主机地址。	0.0.0.0
--port	服务监听的主机端口。	8080

步骤三：调用模型

登录购买的实例。

执行如下命令调用模型，确保部署的模型可以正常进行推理。

curl -X POST http://0.0.0.0:8080/v1/chat/completions -H "Content-Type: application/json" -d '{
"model": "/data00/Kimi-K2.5",
"messages": [
{
"role": "user",
"content": "请证明一下黎曼猜想"
}
],
"max_tokens": 1000,
"temperature": 0.7
}'

回显如下所示时，表示推理服务已正常运行。

参数说明：

本文仅说明验证使用到的参数信息，更多参数详情可查看Kimi K2.5。

参数名	说明	取值样例
model	使用的模型。	/data00/models/Kimi-K2.5
messages	对话的消息列表。 role：该消息的发起角色。 content：消息的内容。	-
max_tokens	指定一次请求中模型生成Completion的最大Token数。取值：介于1 到 8192 间的整数。默认值为 4096。	1000
temperature	采样温度，值越高（例如1）会使输出更随机，而值越低（例如0.2）会使其更加集中和确定。取值：介于 0 和 2 之间。	0.7

最近更新时间：2026.06.23 16:25:17

这个页面对您有帮助吗？

有用

无用