Kimi K3 登陆 AMD MI350 与英伟达 B200，首日即搞定推理优化
zhyncs42 · x · 2026-07-28
TokenSpeed 团队与月之暗面（Moonshot）紧密合作，仅用一周时间就实现了 Kimi K3 模型在英伟达 Blackwell（B200/B300）和 AMD Instinct（MI350X/MI355X）上的 Day 0 支持。
核心推理优化技术包括：
- Prefix caching（前缀缓存）
- Speculative decoding（投机解码）
- Disaggregated serving（分离式推理）
- CUDA Graph decode
此外，团队还详细分享了针对 KDA、Gated MLA、Stable LatentMoE、AttnRes 以及统一 Flat KV 架构的底层优化经验。
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