文档中心

GPU云服务器

Kimi系列模型

GPU-部署Kimi-K2.6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Kimi K2.6模型。

背景信息

Kimi K2.6是月之暗面发布并开源的旗舰级多模态智能体模型。该模型延续了高效的MoE（混合专家）架构，总参数量达1.1 万亿（1.1 TB），激活参数量为320 亿（32 B），支持高达256 K的超长上下文处理。相比上一代Kimi K2.5模型，K2.6在长程编码执行、大规模Agent集群协同、全栈视觉交互构建以及复杂系统推理等核心能力上实现了跨越式提升。

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框架是一款专为大语言模型（LLMs）及视觉语言模型打造的高性能服务框架，通过协同设计前端结构化生成语言与后端运行时系统，实现与模型的高效交互，并保障了生成过程的可控性。本文以v0.5.9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，创建一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1024 GiB 说明本文使用的Kimi K2.6模型参数量为1.1 TB，建议您配置云盘容量不低于1024 GiB。
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。

登录目标实例。

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“/data00”，提升模型加载速度。

mkfs -t ext4 /dev/nvme0n1
mount -t ext4 /dev/nvme0n1 /data00

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

登录目标GPU实例。了解更多。

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 /data00

执行如下命令，下载Kimi K2.6模型。

oniond download model Kimi-K2.6

说明

您也可以执行oniond list model命令，查看支持模型列表。

请根据实例所在地域执行对应命令，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:v0.5.9.byted.0.0.9.202604140901

请根据实例所在地域执行对应如下命令，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 /data00/:/data00/ -v /var/run/nvidia-topologyd/:/var/run/nvidia-topologyd/ --entrypoint /bin/bash ai-containers-cn-beijing.cr.volces.com/deeplearning/sglang:v0.5.9.byted.0.0.9.202604140901

注意

请将/data00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。

执行如下命令，启动Kimi K2.6模型服务。

GLOO_SOCKET_IFNAME=eth0 NCCL_MIN_NCHANNELS=24 NCCL_IB_QPS_PER_CONNECTION=8 python -m sglang.launch_server --model-path /data00/Kimi-K2.6/ --host 0.0.0.0 --port 30300 --tp 8 --trust-remote-code --tool-call-parser kimi_k2 --reasoning-parser kimi_k2 --cuda-graph-bs 1 2 4 8 --max-running-requests 8 --attention-backend flashmla --mem-fraction-static 0.9 --context-len 262144 --served-model-name kimi-k2.6 --chunked-prefill-size 16384 --kv-cache-dtype fp8_e4m3

参数说明：

如上命令以部署、启动Kimi K2.6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和参数值。

参数名称	参数类型	说明	取值示例
python -m sglang.launch_server	启动指令	通过Python模块方式，启动SGLang的模型服务端。说明该内容是命令入口，而非参数。	-
--model	路径/模型ID	指定加载的LLM模型，取值： Hugging Face模型ID。本地模型路径。	/data00/Kimi-K2.6/
--tp	整数	配置张量并行度（Tensor Parallelism），默认值为 16。	8
--host	IP地址	指定服务绑定的主机地址。	0.0.0.0
--port	整数	指定服务监听的端口号，用于客户端连接。	30300

步骤三：调用模型

登录目标GPU实例，进入Docker容器。

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://127.0.0.1:30300/v1/chat/completions -H "Content-Type: application/json" -d '{
"model": "kimi-k2.6",
"messages": [
{
"role": "user",
"content": "介绍一下北京故宫"
}
],
"max_tokens": 500,
"temperature": 0.7
}'

若展示如下信息，则服务正常运行。

参数说明：

本文仅说明验证使用到的参数信息。

参数名	说明	取值样例
model	使用的实际模型。	kimi-k2.6
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。	100
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