作者：林岚｜OC 开发者生态编辑

据开源项目 deltafin 的演示，开发者已经能在 Apple Silicon 设备上加载并运行 Kimi K3。这个模型共有 2.8 万亿参数，每次推理激活约 1042 亿参数；完整模式需要约 1.7TB 存储，演示速度大致在每个 token 60 至 76 秒。

一句话结论：deltafin 证明消费级 Mac 可以作为超大模型的外存推理平台，但一分钟左右生成一个 token，更像一次系统边界实验，而不是能替代云端服务的本地助手。

Kimi K3 使用混合专家架构，共有 896 个专家，每次选择其中 16 个。它不需要每个 token 都计算全部 2.8 万亿参数，但模型权重仍要被保存和按需读取。Mac 的统一内存装不下完整权重，deltafin 因此把 SSD 当成更慢的扩展内存，流式读取当前计算需要的部分。

完整模式要下载约 1.7TB 数据，预计耗时 5 到 10 小时。流式模式可以先准备约 215GB 缓存、约半小时开始运行，代价是推理过程中等待更多远程或本地数据。问题不在模型“有没有启动”，而在存储带宽、随机读取和内存换页会把每一步计算拖多慢。

一分钟一个 token 意味着生成一小段回复可能要等数十分钟。它仍有工程价值：开发者可以验证模型格式、路由逻辑和极限内存方案，也能研究超大 MoE 模型在低成本硬件上的数据调度。但把它称为高效本地 AI，会混淆“理论可运行”和“实际可使用”。

真正可能落地的是这些技术的缩小版。更激进的量化、更小的专家集合、更好的预取和本地 NVMe 优化，都能把经验迁移到几十亿或几百亿参数模型。先别急着激动，最大的模型能在笔记本上吐出 token，不代表最大的模型就是笔记本的正确选择。

关键事实

• 来源：deltafin 仓库、Kimi K3 官方仓库与论文
• 涉及项目：deltafin、Kimi K3
• 核心技术：混合专家模型、Apple Silicon 统一内存、SSD 流式加载、量化
• 关键数字：2.8 万亿总参数、约 1042 亿激活参数、完整权重约 1.7TB、每 token 约 60 至 76 秒

OC 判断

这是漂亮的工程证明，不是性能胜利。它把超大模型推理的瓶颈从“算不动”改成“搬不动”：即便稀疏计算减少乘法，权重仍要在存储和内存之间移动。对多数本地应用，选择更小且能持续每秒生成多个 token 的模型，比加载参数最多的模型更有价值。

为什么重要

• 对开发者：项目提供了研究外存推理和 MoE 路由的真实样本。
• 对硬件用户：需要数百 GB 到 TB 级存储，且运行速度不适合日常对话。
• 对模型厂商：参数规模与可部署性是两套指标，发布时应同时披露。

参考来源

• deltafin
• Kimi K3 official repository
• Kimi K3 technical report