但 @PrimeIntellect 的一個優點是提供即時實例 -- 今天我以每小時僅 $8 的價格獲得了一個 8xH200 的節點！ 我將展示如何快速設置 moonshotai/Kimi-K2-Instruct 推理，使用 vllm 1. 獲得 SSH 訪問您的 pod 後（大約等待 10 分鐘），創建您的項目並安裝所需的庫： apt update && apt install htop tmux uv init uv venv -p 3.12 source .venv/bin/activate export UV_TORCH_BACKEND=auto export HF_HUB_ENABLE_HF_TRANSFER="1" uv pip install vllm blobfile datasets huggingface_hub hf_transfer 之後，打開一個 tmux 會話 2. 要開始托管 vllm，您只需使用 vllm serve： vllm serve moonshotai/Kimi-K2-Instruct --trust-remote-code --dtype bfloat16 --max-model-len 12000 --max-num-seqs 8 --quantization="fp8" --tensor_parallel_size 8 實際的檢查點下載很困難，因為即使使用 hf_transfer 也需要 1 小時（有沒有人知道更快的解決方案或以某種方式掛載已下載的檢查點？） 3. 然後在新的 tmux 窗格中安裝 cloudflare quick tunnel 並啟動它 install cloudflared cloudflared tunnel --url 基本上就是這樣！一個與 OpenAI 兼容的伺服器將在 Cloudflare 提供的 URL 上可用，在我的情況下是，並且我只是使用我對 openai 客戶端的簡單包裝來通過它生成大量合成數據。