SGLang 在 B300 上跑出 500+ tok/s
mchiang0610 · x · 2026-07-15
这条转发围绕 SGLang + GLM-5.2 + NVIDIA B300 的服务优化展开，重点不是模型发布本身，而是推理/服务栈如何把前沿开源模型跑得更快、更稳。
引用内容给出的关键信息包括：
- 在真实多轮 agentic coding 工作负载上，SGLang 在 8xB300、bs=1 下实现了 500+ tok/s/user。
- 相比 day-0，两周内单用户交互性提升 18% 到 34%。
- 高并发场景下峰值吞吐提升 6% 到 11%。
- 新的 TopK-V2 kernel 在 80K ISL 时快 2.33x，到 1M ISL 可达 10.17x，且交互性在长上下文下基本保持平稳。
帖子还提到 GLM-5.2 采用了 IndexShare、更强的 MTP head 等架构设计，并强调“全开源栈”在 agentic coding 场景下更快、更稳定、更可靠。
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