TokenSpeed 一周内完成 Kimi K3 双平台首发支持
zhyncs42 · x · 2026-07-27
TokenSpeed 让 Kimi K3 首发支持英伟达和 AMD 旗舰平台
TokenSpeed 表示，它与 Moonshot AI 协作，在 Kimi K3 官宣后一周内，就把模型的 Day 0 支持落到了两类旗舰平台上：NVIDIA (G)B200/(G)B300 和 AMD Instinct MI350X/MI355X。
这篇长文重点讲的是推理与部署栈的工程细节，包括：
- 前缀缓存（prefix caching）
- 推测解码（speculative decoding）
- 解耦式服务（disaggregated serving）
- CUDA Graph decode
文中还提到团队针对 KDA、Gated MLA、Stable LatentMoE、AttnRes 以及统一的 Flat KV 架构做了优化，并开始为下一代平台如 NVIDIA Vera Rubin 和 AMD MI455X 做准备。
在模型侧，文章把 Kimi K3 描述为一个 2.8T 参数 MoE transformer，支持 100 万 token 上下文，主打长程推理和编程能力。文中给出的部分基准包括：AutomationBench 30.8、SpreadsheetBench 2 34.8、BrowseComp 91.2 和 DeepSWE 67.5。
所属事件:TokenSpeed实现Kimi K3双平台首发支持(2 条相关)→
「Infra」频道最新
- Engram 随机读取不适合 SSD，CPU 内存低延迟共享或成正解 — bookwormengr · 2026-09-11
- 劝退帖:推理工程是真金白银的硬活,八成尝鲜者已悄然放弃 — abhijithneil · 2026-09-11
- Hugging Face《Ultra Scale Playbook》:GPU 集群训练 LLM 的免费技术书 — mdancho84 · 2026-09-11
- 从聊天到 Agent,推理延迟正在成为生产级瓶颈 — Euphoric_Sea632 · 2026-09-11
- 推理服务关键指标盘点:流式速度 TPOT 与可用性如何影响体验 — abhijithneil · 2026-09-11
- PlanetScale 推出分片 Postgres,768 台服务器组成 1PB 单库 — dhruv2038 · 2026-09-11