SGLang将GLM-5.2推到500+ tok/s
ying11231 · x · 2026-07-15
这篇 deep dive 讲的是：如何用 SGLang 在 8×B300 上把 GLM-5.2 NVFP4 Agentic Workload 跑到 500+ tok/s/user（bs=1）。
文中给出的关键结果包括：
- 在真实的多轮 agentic coding 工作负载上，单用户交互性相比 day-0 提升 18% 到 34%
- 在高并发下，峰值吞吐提升 6% 到 11%
- 新的 TopK-V2 kernel 在 80K ISL 下快 2.33x，到 1M ISL 可达 10.17x
- 交互性基本能一直维持到 1M tokens
作者还说明了部分收益来自模型架构本身：GLM-5.2 在 DSA layers 里应用了 IndexShare，并引入更强的 MTP head，复用 IndexShare 和 KVShare；其余则来自 serving 优化。
所属事件:SGLang v0.5.15 调优 GLM-5.2，8×B300 跑出 500+ tok/s(6 条相关)→
「Infra」频道最新
- Anthropic 营收三年暴涨 4000 倍,上半年已入账 163 亿美元 — daniel_mac8 · 2026-10-27
- Tenstorrent 芯片跑通蛋白质生成模型,宣称无 HBM 短缺之忧 — gajesh · 2026-10-27
- YC 系创企 Hopper 出击语音推理：TTFT 80ms、价格为 GPT-4.1 的 15% — ycombinator · 2026-10-27
- a16z 数据:A100 租赁价格 2026 年仍在涨,旧卡并未贬值 — VraserX · 2026-10-27
- Anthropic S-1 曝超 8000 亿美元未入表的未来算力承诺 — GaryMarcus · 2026-10-27
- Anthropic 约 11GW 算力合同中 NVIDIA GPU 占约 42% — ns123abc · 2026-10-27