Rust 分词器并行吞吐达 8.27 GB/s，远超 HF tokenizers
deliprao · x · 2026-07-25
在一台 Apple M4 Max 上的基准测试显示，并行场景里 tokenizer 吞吐差距非常大。
- Gigatoken（Rust 优化）在 GPT-2 分词、12GB 数据集上达到 8.27 GB/s。
- tiktoken 为 61.5 MB/s。
- HF tokenizers 只有 6.2 MB/s。
这条帖子的核心结论是：当并行吞吐是关键指标时，Rust 路线的 tokenizer 可能比 Python/Hugging Face 方案快出几个数量级。
「Infra」频道最新
- 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
- 实测戳破 RTK 省钱神话:token 省了,账单分文未降 — Bartaseth · 2026-09-11
- SF Compute 创始人：现在买算力是「绝对糟糕的体验」 — IgorCarron · 2026-09-11
- 开源 SmolVM:2026 年 Agent 不止用浏览器,而是拥有整台电脑 — aniketmaurya · 2026-09-11