vLLM支持DFlash推理加速检查点
vllm_project · x · 2026-07-15
Red Hat AI 为 NVIDIA 的两个开放模型发布了 DFlash speculative checkpoints：
- Nemotron Ultra 550B
- Nemotron Super 120B
转发内容给出的效果是：
- 在数学/推理任务上，平均可接受约 5/7 个 draft tokens
- 在代码任务（HumanEval）上，平均可接受约 3.4/7 个 draft tokens
这些 checkpoint 使用开源 Speculators 库训练，许可证为 Apache 2.0，并在 NVIDIA B200 上验证。用户只需在 vLLM 中加一个 --speculative-config 参数即可启用。
所属事件:Red Hat AI为NVIDIA大模型发布DFlash推理加速检查点(2 条相关)→
「Infra」频道最新
- AI 数据中心时代用电论战：有人还在纠结灯泡省电与调整时区 — mgostIH · 2026-10-27
- 法律 AI 公司 Legora 在 Modal 上并行跑 2000 个 agent eval — blelbach · 2026-10-27
- 云厂商发布速度打分：AWS 95 分领先，Azure 90、谷歌云 82 — DavidLinthicum · 2026-10-27
- 卖掉 5090 换多机？一公司主拆解本地推理硬件扩展五套方案 — Anarchaotic · 2026-10-27
- AWS 教程:SageMaker SDK v3 搭建车队级边缘视觉模型流水线 — AWS ML Blog · 2026-10-27
- Embedl 把 Qwen3.8-27B 压进 Jetson Thor:解码 40 tok/s,精度反超 FP16 — No-Dragonfly6246 · 2026-10-27