vLLM合入硬件感知动态SD
vllm_project · x · 2026-07-11
vLLM 项目感谢 Cohere 团队把 hardware-aware Dynamic SD 贡献并合并进主干。该方案不再使用固定数量的 draft tokens，而是根据 batch size 和 硬件特性 自适应调整。
核心效果是：
- 在有收益的场景获得加速
- 在原本可能拖慢推理的场景自动回退
- 更适合生产环境中的不同负载
原帖还提到，speculative decoding 在高 batch size 下可能反而变慢，因此很多生产系统难以直接采用；这次的动态方案就是为了解决这个问题。
「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