Kimi論文自曝推理架構，80%流量都靠它承擔

AIGC動態(tài)歡迎閱讀

原標題：Kimi論文自曝推理架構，80%流量都靠它承擔
關鍵字：節(jié)點,負載,緩存,知乎,策略
文章來源：量子位
內容字數：0字

內容摘要：

克雷西 發(fā)自 凹非寺量子位 | 公眾號 QbitAI月之暗面和清華KVCache.ai團隊的最新論文，首次揭秘了Kimi背后的推理架構！
要知道Kimi是國產大模型的當紅炸子雞，火到可以說從來沒缺過流量，甚至還經常出現過載。
而隨著論文的發(fā)布，這潑天的流量到底如何被Kimi接住的問題，也有了答案。
Kimi背后的推理架構名叫Mooncake（月餅），主要特點是采取了分離式的設計方案。
而且，Mooncake在設計之時就考慮了可能出現的大流量場景，并針對這種情況專門研發(fā)。
在模擬場景下，Mooncake最高能帶來525%的吞吐量增長，實際場景中也能多處理75%請求。
另據月之暗面工程副總裁許欣然的一篇知乎文章介紹，Kimi有80%以上的流量，都是由該系統(tǒng)承接。
從KV緩存出發(fā)，建造分布式系統(tǒng)整個Mooncake系統(tǒng)設計的核心，是圍繞著KV緩存展開的。
（KV緩存用于存儲鍵-值對（Key-Value Pairs），主要優(yōu)勢在于可以簡單高效地訪問和檢索數據，在大模型當中可以提高推理速度并減少計算資源消耗。）
之所以這樣做，是因為團隊預計KV緩存的容量會長期保持高位，因此圍繞KV緩存進行優(yōu)化十

原文鏈接：Kimi論文自曝推理架構，80%流量都靠它承擔

聯系作者

文章來源：量子位
作者微信：QbitAI
作者簡介：追蹤人工智能新趨勢，關注科技行業(yè)新突破