待验证50% 置信基准精确时间
MiniMax新架构通过跨层共享KVCache、智能筛选注意力机制，在百万级上下文下将预填充算力消耗降低约5倍、KV缓存缩小约4.5倍
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/9/28
首次发现
有效期至：2026/12/27
来源
涉及实体
相关事实
已验证多头潜在注意力机制（MLA）通过将KV投影到低维潜在空间压缩存储，将KV Cache显存占用降低至传统方法的5%至13%75% 相似待验证MiniMax M3采用MSA（Multi-head Shared Attention，多头共享注意力）架构，通过在多个注意力头之间共享部分KV缓存来降低长序列推理时的内存占用和计算成本75% 相似待验证DeepSeek的前缀缓存实现基于MLA（Multi-head Latent Attention）架构，MLA通过低秩压缩将KV Cache的存储需求降低了数十倍73% 相似待验证随着模型上下文窗口从4K到128K再到未来可能的数百万token持续扩大，记忆管理和状态管理的实际效果差距会逐渐缩小73% 相似待验证压缩KV缓存的技术会直接转化为更长的上下文窗口和更低的单位推理成本71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/954827API
curl https://kongchang.com/api/v1/knowledge/claims/954827MCP
get_claim(id=954827)