ARGODRIVE Deltafin 在配备 128 GB 内存的 M5 Max MacBook Pro 上运行完整的 Kimi K3（2.8T 参数 MoE，1.45 TB 专家），从四个 SSD 流式加载专家。它在 512 token 的答案上实现 1.00 tok/s 的稳定解码速度，在 128 token 上为 1.13，在 17 token 的提示上为 0.96（上游为 0.68）。诚实的限制：512 token 的提示需要约 6.3 分钟才能生成第一个 token。原因已找到：预填充阶段每层专家被重复读取 8 次；修复计划已制定但尚未实现。有用的发现：一个驱动器提供四驱动器速度的约 52%，两个约 73%，三个约 90%——每层 16 次读取中最慢的驱动器决定速度，而不是总带宽。每个数字都是使用确切提示的一次冷运行；每次运行的日志和放置清单位于 k3-public-bench/ 中。此 gavamedia/deltafin（MIT）的分支包含引擎（见 CREDITS.md）和基准测试工具。测量于 2026-09-08 使用此分支的记录配置（k3-public-bench/env.sh）。结果：0.9232 tok/s 稳定解码（512 tokens），1.0015 tok/s（128 tokens），0.92611 tok/s（17-token 提示，3 次中位数；上游 0.684）。首个 token 时间：512-token 提示约 376 秒。驱动器数量阶梯：一个驱动器约为四驱动器速度的 52%，两个约 73%，三个约 90%（results/SCALING.md）。预填充缓慢的原因及修复：results/PREFILL.md。定义、身份范围、精度：k3-public-bench/README.md。在消费级硬件上尽可能快地运行完整、永不剪枝的 Kimi K3。Deltafin 是一个单一原生二进制文件，没有剪枝或跳过任何内容。K3 决定每个 token，所有 16 个专家，没有捷径。质量规则：K3 自己决定，没有小型草稿模型。上游基准测试在 M1 Max 笔记本电脑上（gavamedia/deltafin，未更改）显示 0.2901 tok/s（3.447 s/token）——比上次更新吞吐量高 1.9%。历史 M1 基准：0.2847 tok/s（2026 年 8 月 2 日），0.2660 tok/s（2026 年 7 月 30 日），0.1311 tok/s（2026 年 7 月 28 日），0.0141 tok/s（2026 年 7 月 27 日）。使命：纯粹、未删减的 K3 质量，速度而不降低模型质量。Deltafin 保留所有 16 个路由专家和完整的 K3 目标作为每个 token 的唯一权威。目标：在运行像 K3 这样的大型模型时榨取每一分效率，所有选项都在桌面上，除了降低质量。这不是产品推销，而是一个推动消费级硬件极限并从尝试中学习的实验。Kimi K3 面向约 16 个节点、总 VRAM 约 4.8 TB 的基础设施。在单个 MacBook 上运行它是一个极端的约束，每一个 1% 的改进都是来之不易的。每一次收益都教会我们一些东西；研究和探索才是重点。并非所有东西都必须是最小可行产品才能打动风投。如果 Deltafin 能帮助前沿模型在 15,000 美元的家庭设置上运行，而不是 2,000,000 美元的基础设施，那对自托管 AI 来说就是有价值的进步。此外，学到的一切都可能有益于……