SGLang v0.5.15 发布
BanghuaZ · x · 2026-07-11
SGLang 发布 v0.5.15，这一轮重点是面向生产环境的推理服务优化。
主要进展
- 团队围绕 GLM-5.2 NVFP4 做了生产 serving 调优，在 8x B300 上达到 500+ tok/s/user，在 4x GB300 上达到 450 tok/s/user（bs=1）。
- 新增支持的模型包括：Hunyuan 3、HRM-Text、NVIDIA LocateAnything-3B、Baidu Unlimited-OCR、JoyEcho、Qwen3.6 等。
- 默认捕获路径改为 Breakable CUDA Graph。
- 内置 web search，由 Exa 提供支持。
- 增强了 decode context parallelism，覆盖 MLA 模型（包括 DeepSeek V3）。
- 为 routed MoE 加入 FlashInfer all-to-all。
- DeepSeek-V4 相关的 FlashMLA sparse prefill 默认开启，长上下文预填充和端到端性能也有提升。
额外信息
- 这次版本吸收了 43 位新贡献者。
所属事件:SGLang v0.5.15聚焦生产推理性能优化(2 条相关)→
「Infra」频道最新
- 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
- PyTorch Day Korea 2026 首届线下大会启动,9月13日截止征集演讲 — PyTorch · 2026-09-11
- 本地跑 LLM 选卡:4 张 CMP-170HX 涨价 vs Mac Studio M5 — rumboll · 2026-09-11
- llama.cpp 为 RDNA4 调优 Flash Attention,大上下文提升明显 — pmttyji · 2026-09-11