新博客｜DeepSeek V4.1 Flash 的 Engram：让知识不必每次重新算

一张约 183 GiB（仅代码数据、未含 scale）的 Engram 大表，为什么不直接放显存？

zLLM 的答案：大表与 WKV 投影留在主机侧，八张 W7900D 跑主干；再用 mmap 预热、AVX-512 BF16 批处理、NUMA 放置、pinned staging 和 CPU/GPU 重叠，把稀疏检索变成完整流水线。

当前单路、关闭 DSpark 的文本实测：• 50,032-token 输入：约 26.06 秒出首字• 700-token 生成：约 20.45 tok/s• decode 提前投影：19.417 → 20.454 tok/s（+5.34%，输出 hash 一致）

183 GiB 是按张量规模计算的容量，不是 RSS/显存节省实测。全文： 网页链接/