vLLMvLLM 社区（原 UC Berkeley）
生产环境部署 LLM 的默认答案：PagedAttention 把 KV cache 碎片化问题解决掉，吞吐比朴素实现高一个量级。
推理框架 / 服务引擎PagedAttention张量并行FP8/AWQ/GPTQOpenAI 兼容 API多模态
Kimi K3
模型简介
2.8T 只激活 104B 的巨量 MoE，稀疏度拉到 896 选 16，原生多模态并支持 1M 上下文。
- 参数量
- 2.8T (激活 104B)
- 上下文
- 1M
- 所属
- Kimi
- 类型
- 纯文本 / 可识别图像
- 商用
- 有条件可商用
- 许可
- Kimi K3 License
- 发布
- 2026-06-13
- 收录
- 2026-10-03