Cerebras 公布了一份技术说明，介绍如何用 59 片 WSE-3T 晶圆、通过流水线并行的方式运行 3 万亿参数的 Kimi K3 模型，并配合 4 位权重量化和 8 位 KV 缓存，达到每秒 1000 至 2000 个以上 Token 的生成速度。
这组数字引发的讨论同样值得注意：有评论按整套设备的功耗算出约 1.18 兆瓦的总功耗、约每 Token 4.1 焦耳；也有人指出宣传与现实之间的落差——Cerebras 公开可用的模型目前仍以 GPT OSS 120B、Qwen 3.8 27B 这类规模为主。万亿参数模型的晶圆级部署正在从演示走向工程验证，但成本与能耗仍是绕不开的账。
同一份 10 月 25 日的日报还提到，Kimi K3.1 Pro 已于前一天发布，而一个名为 GVS5H 的开源项目用 5 个 Qwen3.8-27B 实例协同，在 LiveCodeBench 高难度题目上取得 92.4% 的 pass@1，与 Claude Fable 5 的 90.4% 大致相当——不过评论也提醒，这种多智能体循环跑单次评测基准的对比并不完全公平，成本故事对本地已有硬件的用户更有意义。
评论（0）
暂无评论