开源 Kimi K3 speculator 让单流吞吐升至 370 tok/s
vllm_project · x · 2026-07-27
- vLLM 这条回复强调：在 2.8T 参数模型上要做超低延迟且不掉精度，speculative decoding 是自然选择。
- @inferact 为 Kimi K3 训练并开源了一个 DSpark speculator，能在单次并行前向里一次草拟多个 token。
- 在真实推理任务数据集上，单流吞吐从 118 tok/s 提升到 370 tok/s，约 3.14×。
所属事件:vLLM 为 Moonshot Kimi K3 提供 Day-0 支持(11 条相关)→
「Infra」频道最新
- Rat Stack：把应用和云写成一个类型化程序，让 AI agent 可靠地搭建部署 — samgoodwin89 · 2026-09-23
- optimAIzr:本地 CLI 找出 AI 用量浪费,支持 Claude Code 与 Codex 省钱 — stichstichstich · 2026-09-23
- 256GB 内存版 Mac Studio 二手溢价 6000 美元仍一机难求 — GabGarrett · 2026-09-23
- Ben Bajarin 解析 AI 数据中心:CPU 与内存如何限制 GPU 推理服务能力 — BenBajarin · 2026-09-23
- Epoch AI 报告:「思考」的价格正在暴跌,智能成本持续陡降 — Proper_Actuary2907 · 2026-09-23
- 从燃气到吉瓦:Diligence Stack 专家访谈拆解 AI 数据中心供电难题 — BenBajarin · 2026-09-23