vLLM 引入 HiSparse 分级卸载，KV 溢出时 GLM 5.3 解码不再中断
vLLM Blog · rss · 2026-09-07
vLLM 博客介绍了针对 GLM 5.3 的混合 HiSparse 卸载优化（系列第一篇）。HiSparse 被集成为一层由显存压力驱动的存储分级，与混合内存分配器和 KV 卸载机制协同工作：当请求的 KV cache 超出 GPU 显存时，可被卸载而保持解码继续进行，从而在不牺牲吞吐的情况下维持高并发。
关键点：
- HiSparse 是压力驱动的显存分级，而非静态配置
- 与 Hybrid Memory Allocator、KV offloading 组合使用
- 目标场景是长上下文/高并发下 KV 溢出导致的解码停顿
「Infra」频道最新
- 开源编译器 Latch 从 PyTorch 生成训练 megakernel，H100 上提速 2.75 倍 — sguada · 2026-10-27
- NVIDIA 称 HGX Rubin NVL8 每兆瓦 token 吞吐为 B200 的 10 倍 — thursdai_pod · 2026-10-27
- 要么人力商品化，要么 GPU 商品化：算力经济二选一之辩 — _AustinCalvert_ · 2026-10-27
- Anthropic S-1 曝租约义务 3214 亿美元,11 月 IPO 概率 90% — ivan_bezdomny · 2026-10-27
- DeepSpeed 发布 AutoEP/AutoTP 等并行化进展并办线上答疑 — PyTorch · 2026-10-27
- 9B 本地模型干机械活,规划交给大模型:一套省 token 的编程 agent 分工法 — Electrical_Ninja3805 · 2026-10-27