KV缓存与内存分层基准讨论
AccBalanced · x · 2026-07-11
这条转发围绕 AI 推理中的 KV cache 管理、内存与存储分层展开，重点关注未来的 tiering hierarchy 会如何设计。
引用内容里提到一个来自 Oracle Cloud 的 WEKA AMG 基准：测试的是现代模型上的真实 agent swarm 工作负载，而不是传统合成压测。结果声称在高并发、真实 SLO 的前提下，能够达到 每 GPU、每瓦 10 倍 tokens 的提升，并据此讨论 Hopper 系统中 DRAM 带宽与 NVLink、节点级内存带宽之间的关系。
「Infra」频道最新
- 34 个开源模型全部自托管在 Blackwell 集群上跑健康评测 — keunwoochoi · 2026-10-27
- 开源编译器 Latch 从 PyTorch 生成训练 megakernel，H100 上提速 2.75 倍 — sguada · 2026-10-27
- NVIDIA 称 HGX Rubin NVL8 每兆瓦 token 吞吐为 B200 的 10 倍 — thursdai_pod · 2026-10-27
- 要么人力商品化，要么 GPU 商品化：算力经济二选一之辩 — _AustinCalvert_ · 2026-10-27
- DeepSpeed 发布 AutoEP/AutoTP 等并行化进展并办线上答疑 — PyTorch · 2026-10-27
- 9B 本地模型干机械活,规划交给大模型:一套省 token 的编程 agent 分工法 — Electrical_Ninja3805 · 2026-10-27