Red Hat AI发vLLM加速 checkpoint
vllm_project · x · 2026-07-16
Red Hat AI 给两个 NVIDIA 开源大模型发布了 DFlash speculator checkpoints：
- Nemotron Ultra 550B
- Nemotron Super 120B
它们基于 vLLM 的开源 Speculators 库训练，许可证为 Apache 2.0，并在 NVIDIA B200 上验证。官方给出了一条 vLLM 启用参数：--spec-model ... --spec-tokens 7 --spec-method dflash。
效果上，在数学和推理任务里平均约 7 个 draft token 接受 5 个，在代码任务（HumanEval）里平均约 7 个里接受 3.4 个。
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
- 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
- 推理服务关键指标盘点:流式速度 TPOT 与可用性如何影响体验 — abhijithneil · 2026-09-11
- PlanetScale 推出分片 Postgres,768 台服务器组成 1PB 单库 — dhruv2038 · 2026-09-11
- 7900 XTX 24GB 能否跑 Qwen，Reddit 征集 ROCm 实测数据 — thenomadexplorerlife · 2026-09-11