SGLang v0.5.15 提升推理吞吐
TheZachMueller · x · 2026-07-15
SGLang 发布 v0.5.15，重点是面向生产推理的服务端优化：
- 针对 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）。
- 新增支持一些模型，包括 Hunyuan 3 (Hy3)、HRM-Text、NVIDIA LocateAnything-3B、Baidu Unlimited-OCR、JoyEcho、Qwen3.6。
- 本次更新的技术点包括：
- Breakable CUDA Graph 成为默认 capture 路径
- 内置 web search，由 Exa 提供
- 为 MLA 模型加入 decode context parallelism，覆盖 DeepSeek V3
- 增强 routed 模型的 all-to-all 通信能力
原帖还提到，后续会补充运行命令和更完整的技术细节博客。
所属事件:SGLang v0.5.15 调优 GLM-5.2，8×B300 跑出 500+ tok/s(6 条相关)→
「编程与Agent」频道最新
- Alex Townsend 汇编 200 个数值线性代数开放问题，供人类与 AI 攻关 — IgorCarron · 2026-09-11
- Kimi K2.8 Preview 上线：性能接近 K3、1M 上下文全档开放 — teortaxesTex · 2026-09-11
- 有人想给软件工程任务建「形态分类」数据库,好按任务选模型 — StewartalsopIII · 2026-09-11
- 用 prompt 造硬件:一次对话让智能体组装定制设备寄到家 — paraschopra · 2026-09-11
- 模型之外才是关键:一文拆解 RAG 到多智能体的六大 AI 架构 — goyalshaliniuk · 2026-09-11
- 零基础开发者自建分层记忆架构，仅 20k token 记住一年对话 — matteoianni · 2026-09-11