SGLang 为 Kimi K3 混合架构做推理优化
SonglinYang4 · x · 2026-07-28
SGLang 表示，针对 Kimi K3 的混合 KDA-MLA 架构，它做了一系列推理与服务栈适配，包括：
- 混合 KDA 管理
- 统一内存
- ReplaySSM
- 分块 PP 和 decode CP
- 大量 kernel 优化与 fusion
帖子还给出 GSM8K 上 423 tok/s 的 day-0 速度，称 RL 支持已在 Miles 中就绪，并表示已经通过 Kimi Vendor Verifier，可进入生产环境。评论区附有 blog、cookbook 和 benchmark；文末还提到演示视频本身由 Kimi K3 生成。
所属事件:SGLang首发支持Kimi K3，吞吐量飙升至423 tok/s(8 条相关)→
「Infra」频道最新
- 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
- 7900 XTX 24GB 能否跑 Qwen，Reddit 征集 ROCm 实测数据 — thenomadexplorerlife · 2026-09-11