LightSeek Foundation 发布面向 Kimi K3 的草稿模型合集（EAGLE-3、DFlash2、DSpark），在 40 张 NVIDIA GB200 上用 TorchSpec 解耦训练，并公开数据配方。博客给出 10 项基准的接受长度与 SPEED-Bench 端到端吞吐；DFlash2 平均接受长度约 4.02，低并发吞吐优于 EAGLE-3。
核心要点速览
- ✓三款草稿架构齐发：EAGLE-3、DFlash2、DSpark，面向 Kimi K3 投机解码加速。
- ✓40×GB200 + TorchSpec 解耦训练；公开 kimi-mtp-dataset 配方与 Docker/CI。
- ✓HumanEval 等编码基准上 DFlash2 接受长度约 5.08，显著高于 EAGLE-3 的 3.29。
⚡
一眼结论开发者 3 秒速决决策指标
🧭
本地显存不够？先比较云端 API 与自部署的实际成本
40 款主流编程套餐横向比价，支持输入/输出 Token 真实账单模拟
实战指南准备好将技术转化为生产力？
即刻查看该技术对应模型与主流工具的实测差异，或一键测算团队 API 调用与 $20/月套餐盈亏平衡点。
接着读vLLM 联手 NVIDIA 为 Kimi K3 定制 GB300 解码路径：batch 1 达 842 tok/s，无投机解码提速 1.3–1.9 倍
立即阅读→
讨论与评论
0登录后即可参与深度讨论
与广大 AI 开发者、工程师交流评测心得与前沿洞察