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
- 500 万美元种子轮不够 DeepSeek 训一遍:没 GPU 的 AI 创业只剩三条路 — FinanceYF5 · 2026-10-26
- HBM 需求转向:低端推理砍单,Rubin 将全系 12-high HBM — BenBajarin · 2026-10-26
- CircuitHub 发布工厂级机器人 The Grid，美国产 PCB 提速两倍对标深圳 — garrytan · 2026-10-26
- Ubicloud 发文修复 vLLM 工具调用准确率问题 — petrusenko_max · 2026-10-26
- Meta 批准无投票权 C 类股，2026 年资本开支指引达 1350–1450 亿美元 — thione · 2026-10-26
- Unsloth 发布 MiniMax-M3.1-Flash 量化：2-bit 保留 91.5% 精度，150GB 内存可跑 — danielhanchen · 2026-10-26