跳到正文
热点事件持续更新

SageMaker HyperPod Inference 新增托管式 NVIDIA Dynamo 支持

1 篇报道1 个报道来源45 分钟前更新

先了解这件事

AI 综述

Amazon SageMaker HyperPod Inference 现已支持 NVIDIA Dynamo,让团队能够在 vLLM、SGLang 或 TensorRT-LLM 上运行多节点、分离式 prefill 与 decode 服务,并支持 KV 感知路由。HyperPod Inference 附加组件会安装 Dynamo 的自定义资源定义以及服务与调度组件;vLLM 是默认引擎,单实例和多节点部署均受支持,HyperPod 负责节点健康管理与替换。部署可以使用自带的 DynamoGraphDeployment,也可以使用带 dynamoSpec 的 InferenceEndpointConfig,并通过 SageMaker 端点调用。 AWS 报告称,Qwen3-235B-A22B-FP8 的分离式服务相比聚合式服务,每 GPU 输出吞吐达到每秒 207 个 token,而聚合式为每秒 101 个 token;两节点 Qwen3.5-397B-A17B-FP8 部署保留了单节点吞吐的 99.1%。这些数字是 AWS 自行报告的结果。

AI 根据报道生成 · 30 分钟前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月18日
  1. AWS Machine Learning Blog
    Amazon SageMaker HyperPod Inference 新增托管 NVIDIA Dynamo 支持

    Amazon SageMaker HyperPod Inference 现已支持 NVIDIA Dynamo,让团队能够在 vLLM、SGLang 或 TensorRT-LLM 上运行多节点、分离式 prefill 与 decode 服务,并支持 KV 感知路由。AWS 报告称,Qwen3-235B-A22B-FP8 的分离式服务达到每 GPU 每秒 207 个输出 token,而聚合式服务为 101 个;两节点 Qwen3.5-397B-A17B-FP8 部署保留了单节点吞吐量的 99.1%。部署可使用自带的 DynamoGraphDeployment,或使用带 dynamoSpec 的 InferenceEndpointConfig,并通过 SageMaker 端点调用。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。