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
- Ortet 自托管评测 34 个开源模型在 50 项健康基准上的表现 — kchonyc · 2026-10-27
- AWS 教程:SageMaker SDK v3 搭建车队级边缘视觉模型流水线 — AWS ML Blog · 2026-10-27
- Embedl 把 Qwen3.8-27B 压进 Jetson Thor:解码 40 tok/s,精度反超 FP16 — No-Dragonfly6246 · 2026-10-27
- Celesto 推出便宜近 90% 的 CI Runner，兼做 Agent 云电脑 — aniketmaurya · 2026-10-27
- Supabase 联创谈 AI 时代后端：为十亿个 AI 生成应用而设计 — Latent Space · 2026-10-27
- AW-0 单卡 RTX 5090 推理 230ms:联合去噪比自回归代码快 2.4 倍 — trevordarrell · 2026-10-27