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-Linear-48B-A3B
模型简介
用混合线性注意力做的长上下文模型，1M 上下文下解码速度几乎不衰减。
- 参数量
- 49.1B (激活 3B)
- 上下文
- 1M
- 所属
- Kimi
- 类型
- 纯文本
- 商用
- 可商用
- 许可
- MIT
- 发布
- 2025-10-30
- 收录
- 2026-10-03