vLLM 表示 prime-rl 在 28 台 H200 上跑万亿级 agentic RL
vllm_project · x · 2026-07-23
vLLM 团队介绍，Prime Intellect 的 prime-rl 0.6.0 正在 vLLM 上跑“万亿级”的 agentic RL。方案里用了 FP8、宽专家并行、prefill/decode 解耦、KV cache offloading，以及 vllm-router 等推理侧优化。
这套系统被用于在 SWE 任务上训练 GLM-5，序列长度达到 131k，并且在 28 台 H200 节点上把单步训练压到 5 分钟以内。帖子还顺带预告了 vLLM Office Hours 的直播，会详细讲 prime-rl 的性能和 vLLM 0.25 的新变化。
「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