Kimi K3 开源：2.8 万亿参数，百万上下文，vLLM 同步适配
青稞AI · wechat · 2026-07-28
这条公众号内容讲的是 Kimi K3 正式开源，并且 vLLM day-0 支持同步上线。
文章重点不只是“开源”本身，还系统解释了 K3 的推理挑战：它是一个 2.8 万亿参数的原生多模态 MoE 模型，每个 token 从 896 个专家里激活 16 个，上下文长度最长可到 100 万 token。因此在 vLLM 上要同时处理混合注意力架构、KDA 循环状态缓存、PagedKVCache、专家并行和多模态输入适配。
后半部分主要是推理优化实践，包括 FlashKDA prefill、融合式 KDA decode kernel、LatentMoE tail fusion、KVCache offloading、SequenceParallelism、投机解码 等。官方测试里，DSpark 把单用户生成速度从 118 tok/s 提升到 370 tok/s，KDAMetadataBuilder 的准备延迟也从 870 微秒降到 34 微秒。
所属事件:Kimi K3 公开后焦点转向架构(25 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