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
- 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