FP4 KV cache 直出无退化,推理工程师有得玩了
stochasticchasm · x · 2026-09-11
作者评论某新模型架构的两个关键设计:一是 KV cache 直接以 FP4 精度存储且观察不到退化,二是通过 CSA(及其 v4 中 CSA/HCA 双频率交替的压缩方案,新设计改为纯 CSA2)压缩 KV。两者叠加使模型几乎不占 KV cache 空间。作者认为这对推理工程是大利好,同时好奇 kernel 缩减顺序等实现细节会对性能产生什么影响。
所属事件:DeepSeek V4.1 Flash 技术报告流出：死磕 KV cache 压缩(44 条相关)→
「Infra」频道最新
- DeepSpeed 发布 AutoEP/AutoTP 等并行化进展并办线上答疑 — PyTorch · 2026-10-27
- Cloudflare Durable Objects 被验证为 AI agent 高并发场景优选架构 — tristanbob · 2026-10-27
- Gary Marcus:补上 Q3 数据后，Anthropic 算力效率增速现拐点 — GaryMarcus · 2026-10-27
- 推理社区与 K8s 社区高度重合：万亿市场的 Kubernetes 翻版 — matt_slotnick · 2026-10-27
- vLLM 考虑将更多栈迁往 Rust，推理引擎 Rust 化成趋势 — AccBalanced · 2026-10-27
- 同一套 DeepSeek 内核两种优化路线：vLLM 拆专家、SGLang 降访存 — AccBalanced · 2026-10-27