Laguna S 2.1 在 DGX Station 上可跑 10 路 256K agent
max_paperclips · x · 2026-07-25
Laguna S 2.1 118B-A8B 在一台 DGX Station 上做了并发推理配置展示，核心卖点是 NVFP4 + FP8 KV cache 下可支撑 10 路完整上下文 agent，每路上下文都能到 256k。
- 图中给出的模型参数是 117.6B 总参数、8.5B active per token、71.92GB NVFP4，并使用 vLLM + FlashInfer 0.6.15.post1。
- 服务配置里写明 maxseqs=64、batchtokens=65,536、无 swap、GPU utilization 约 0.95，走 prefix caching 和 chunked prefill。
- 容量测算显示 FP8 KV cache 可到 2,768,010 tokens，约等于 10.56 个 262,144-token 序列。
- 性能数据包括：1K prompt/1-token decode 时单 agent 202.42 tok/s；8K unique、并发 32 时总吞吐 1,943.78 tok/s；并发 64 时 2,571.54 tok/s。
「Infra」频道最新
- 本地 Qwen 模型驱动机械臂测试 78 款手机续航 — gappyvalley · 2026-07-27
- MiniBot 2.40 新增 xAI、HF Studio 和 vLLM 支持 — Creative-Type9411 · 2026-07-27
- 苹果智能眼镜、英伟达SK合作与携程51.79亿罚单汇总 — APPSO · 2026-07-27
- DeepSeek 融资传闻、欧盟 AI 透明度规则与 OpenAI 安全事故 — 创业邦 · 2026-07-27
- QuixiCore 主张原生量化内核取代先反量化再执行 — QuixiAI · 2026-07-27
- Nvidia 被曝洽谈为 OpenAI 俄亥俄数据中心提供 2500 亿美元背书 — Wonderful_Buffalo_32 · 2026-07-27