ข้ามไปที่เนื้อหา
เหตุการณ์ร้อนแรงจับตาดู

vLLM adds day-0 support for Thinking Machines' Inkling 2 Small

เนื้อหานี้ยังไม่มีในภาษาของคุณ จึงแสดงเป็นEnglish

1 รายงาน1 แหล่งข่าวที่รายงานอัปเดต 2 วันที่แล้ว

เริ่มตรงนี้

ไดเจสต์ AI

vLLM added day-0 inference support for Thinking Machines' Inkling 2 Small, a multimodal text-and-vision mixture-of-experts model with 594B total and 17B active parameters and up to 1M tokens of context. vLLM says the model can be served on a single node. The integration adds kernel fusion with PDL, sequence parallelism for prefill that vLLM says cuts an 8K-token prefill step by 22% at TP4 and 26% at TP8, and a Gluon relative attention decode kernel that reduces a batch-1 decode step at 100K context from 15.1 ms to 4.8 ms. vLLM reports up to 630 TPS/user at TP4 on GB200 with acceptance length 3.5, and says LoRA and reinforcement learning via SkyRL are also supported.

สร้างจากรายงาน · อัปเดต 14 ชม. ที่แล้ว

ไทม์ไลน์รายงาน

ไล่ตามรายงานเพื่อดูเหตุการณ์นี้จากหลายด้าน

12 พฤศจิกายน
  1. vLLM Blogคัดสรร
    vLLM เพิ่มการรองรับ day-0 สำหรับ Inkling 2 Small ของ Thinking Machines

    vLLM รองรับ Inkling 2 Small ของ Thinking Machines ใน day 0 ซึ่งเป็น MoE แบบมัลติโหมดข้อความและภาพที่มีพารามิเตอร์รวม 594B และพารามิเตอร์ที่ใช้งาน 17B และมีบริบทสูงสุด 1M โทเค็น การผสานรวมนี้เพิ่ม kernel fusion กับ PDL, sequence parallelism สำหรับ prefill ที่ลดขั้นตอน prefill 8K โทเค็นลง 22% ที่ TP4 และ 26% ที่ TP8 และ Gluon relative attention decode kernel ที่ลดขั้นตอน decode แบบ batch-1 ที่บริบท 100K จาก 15.1 ms เหลือ 4.8 ms vLLM รายงานสูงสุด 630 TPS/user ที่ TP4 บน GB200 ด้วย acceptance length 3.5 และยังรองรับ LoRA และ RL ผ่าน SkyRL

ความร้อนแรงของเหตุการณ์นี้

ยังมีการเฝ้าดูต่อเนื่องไม่พอจะวาดแนวโน้ม