vLLM整合腾讯混元生产内核，Hopper推理大幅提速
vllm_project · x · 2026-07-06
vLLM项目宣布，Hunyuan3（Hy3）模型在NVIDIA Hopper上的服务现已大幅优化。腾讯混元AI Infra团队用于其生产环境的HPC-Ops注意力与MoE后端，已成为vLLM主分支的一等公民后端。
该方案包含逐步骤负载均衡的decode调度器和全融合FP8 MoE流水线：在混合长度decode上相比静态split-KV调度最高提速2.95倍，并将Hy3的TTFT降低约24%、TPOT降低约17%，无需fork或修改源码即可使用。
「Infra」频道最新
- 推理服务关键指标盘点:流式速度 TPOT 与可用性如何影响体验 — abhijithneil · 2026-09-11
- PlanetScale 推出分片 Postgres,768 台服务器组成 1PB 单库 — dhruv2038 · 2026-09-11
- 7900 XTX 24GB 能否跑 Qwen，Reddit 征集 ROCm 实测数据 — thenomadexplorerlife · 2026-09-11
- 实测戳破 RTK 省钱神话:token 省了,账单分文未降 — Bartaseth · 2026-09-11
- SF Compute 创始人：现在买算力是「绝对糟糕的体验」 — IgorCarron · 2026-09-11
- 开源 SmolVM:2026 年 Agent 不止用浏览器,而是拥有整台电脑 — aniketmaurya · 2026-09-11