vLLM 在 AMD 上跑出吞吐提升
vLLM Blog · rss · 2026-07-13
vLLM 博客介绍了在 AMD Instinct GPU 上用 vLLM + AMD Quark 训练、量化并部署 EAGLE-3 speculative decoding draft 模型的方法。
核心结果是：这种组合在推理吞吐上带来明显提升，文中给出的数字包括：
- Kimi-K2.5：最高 2.00x 吞吐提升
- MiniMax-M2.5：最高 1.79x 吞吐提升
文章重点不是模型本身，而是如何把 speculative decoding、量化和 serving 栈结合起来，在 AMD 这条硬件路径上获得更高的服务效率。
「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