Inkling 上线 Modal 并提速67%
graceisford · x · 2026-07-16
Inkling 现在可在 Modal 的 Auto Endpoints 上运行，配合自定义 DFlash speculator，官方称可带来 67% 更高的吞吐和交互性。
这条信息的核心不是模型能力本身，而是它在部署栈上的优化：使用 SGLang 跑推理，并通过 speculator 提升端点性能，说明开源模型在托管推理侧还有明显优化空间。
所属事件:Modal 接入 Inkling并主打 DFlash 加速(5 条相关)→
「Infra」频道最新
- 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
- 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