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 工程师必懂的 12 种 KV Cache 压缩技术一文讲透 — blaizedsouza · 2026-09-11
- 影子算力市场走向台前,Meta 对外出售过剩 GPU 算力成标志性信号 — DavidLinthicum · 2026-09-11
- Engram 随机读取不适合 SSD，CPU 内存低延迟共享或成正解 — bookwormengr · 2026-09-11
- 劝退帖:推理工程是真金白银的硬活,八成尝鲜者已悄然放弃 — abhijithneil · 2026-09-11
- Hugging Face《Ultra Scale Playbook》:GPU 集群训练 LLM 的免费技术书 — mdancho84 · 2026-09-11
- 从聊天到 Agent,推理延迟正在成为生产级瓶颈 — Euphoric_Sea632 · 2026-09-11