Baseten 将 GLM-5.2 API 性能翻倍，并推出低延迟 Fast 版本
philipkiely · x · 2026-07-26
Baseten 介绍了他们为 GLM-5.2 做的推理服务优化：相较发布初期，API 性能已经提升到 2 倍以上，并且专门做了一版面向 coding 和 agent 场景的 GLM-5.2-Fast API。
文中列出的主要优化包括：
- 调整 scheduler、修复推理栈中的性能/质量 bug
- 更新 NVFP4 权重
- 改进 speculative decoding 配置
- 为 fast API 采用更偏低延迟的并行与 batch 策略
- 在 fast API 上减少 max batch size，并从 ADP 转向更偏延迟优化的张量/专家并行
这两套 API 都跑在 NVIDIA B200 GPU 上。为了换取更低延迟，fast API 的输入/输出 token 价格比通用版 高 50%。文章也提醒，真实性能会受流量形态、输入输出长度影响，后续还会继续优化 speculative decoding。
所属事件:Baseten将GLM-5.2提速至280 tok/s(3 条相关)→
「Infra」频道最新
- Anthropic S-1 关键数字:成立以来算力支出仅 193 亿美元,算力过度建设警报 — bookwormengr · 2026-10-27
- CoreWeave 三周 RL 后训练:BrowseComp 提升 22.9%,工具调用省三成 — RichardSocher · 2026-10-27
- 电网排队成 AI 工厂瓶颈,Exowatt 与 Redwood 给出储能新解法 — ingliguori · 2026-10-27
- Wasmtime 曝两个 CVSS 9.9 沙箱逃逸漏洞，其中一个仅影响 ARM64 — basedjensen · 2026-10-27
- AI 数据中心时代用电论战：有人还在纠结灯泡省电与调整时区 — mgostIH · 2026-10-27
- 传 NVIDIA 暂停接收 RTX 5090 板卡订单,连补单都不收 — chemist_slime · 2026-10-27