SGLang 0.5.15 推理提速
BanghuaZ · x · 2026-07-12
SGLang v0.5.15 发布，重点是面向生产推理的性能优化。
- 官方称在 8x B300 上，针对 GLM-5.2 NVFP4 的生产 serving 达到 500+ tok/s/user；在 4x GB300 上达到 450 tok/s/user（bs=1）。
- 这次周期主要围绕推理栈调优，并计划很快补上完整技术细节和运行命令。
- 新增支持的模型包括：Hunyuan 3 (Hy3)、HRM-Text、NVIDIA LocateAnything-3B、Baidu Unlimited-OCR、JoyEcho、Qwen3.6。
- 版本亮点还包括：
- Breakable CUDA Graph 成为默认捕获路径
- 内建 web search，由 Exa 提供支持
- 为 MLA 模型加入 decode context parallelism，包括 DeepSeek V3
- 为路由模型提供 FlashInfer all-to-all
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
- Galaxy S26 纯端侧跑 MiniMax H3：7 分钟生成 5 秒带音频视频 — BidFunny4862 · 2026-10-27
- Unconventional AI 收购 NeuReality,冲刺算力效率提升 1000 倍 — NaveenGRao · 2026-10-27
- 马斯克断言:机器人 RAM 需求将超其他一切,超级智能算力将移向深空 — elonmusk · 2026-10-27
- RTX 5090 卖到 7000 美元，PC 游戏社区集体否认 AI 热潮 — PAstynome · 2026-10-27
- Wan2GP 上架 Pinokio：6GB 显存一键跑 AI 视频生成 — cocktailpeanut · 2026-10-27
- AWS 详解 Agent 提示缓存：显式+隐式双模式省下重复 token 账单 — AWS ML Blog · 2026-10-27