NVIDIA quantiza o Kimi-K2.5 da Moonshot AI em NVFP4, mantendo benchmarks praticamente intactos (AIME 2025: 96,3 vs. 96,1 de base) e viabilizando inferência do modelo de 1T parâmetros em hardware Blackwell via vLLM.
El laboratorio no publicó benchmark verificable para este modelo.
Modelos de 1T parâmetros historicamente exigem clusters de GPU de grande escala para inferência viável; a quantização NVFP4 reduz a pegada de memória de forma significativa sem degradação mensurável relevante — no MMLU Pro, o NVFP4 (87,3) supera até o baseline oficial (87,1), e o AIME 2025 cai apenas 0,2 pontos percentuais (96,3 vs. 96,5 da medição interna da NVIDIA).
O movimento consolida a estratégia da NVIDIA de empacotar modelos frontier de terceiros em formatos otimizados para seu próprio hardware, criando lock-in de infraestrutura no momento em que empresas decidem qual geração de acelerador adotar para workloads de frontier AI.
Arquitetos de infraestrutura de IA e CTOs avaliando a geração Blackwell para workloads de raciocínio em escala devem considerar este modelo como referência prática: ele demonstra o custo-benefício real da combinação B200 + NVFP4 para um modelo de 1T parâmetros com contexto longo de 256 mil tokens — relevante especialmente para casos de uso em análise de documentos extensos, pipelines de código e pesquisa científica onde SciCode (48,7) e LiveCodeBench (84,0) são métricas operacionais diretas.