Hugging Face 发布 tokenizers v1,性能比 v0.23 快数十倍
art_zucker · x · 2026-09-21
Hugging Face 团队正式推出 tokenizers 库的首个主版本 v1，重点解决在大规模训练、高并发推理和长输入处理下 tokenization 成为瓶颈的问题——避免 GPU 因 CPU 分词太慢而空转。
关键信息：
- 性能较 v0.23 常见提升数十倍，覆盖单线程、多线程及跨线程扩展场景，支持全语言；
- 同时压缩了包体积与内存占用；
- 团队明确承认此前 tokenizers 性能远未达潜力，很多优化思路来自 gigatoken、tiktoken、kitoken 等开源同类的竞争；
- NVIDIA、IBM 和 ExecuTorch 团队贡献补丁并帮助在多种硬件上测试，拓宽了平台支持。
发布附带完整 benchmark 文章，详列各模式下的对比数据。
所属事件:Hugging Face 发布 tokenizers v1(3 条相关)→
「Infra」频道最新
- 让 AI 实习生优化任务启动时间，中位数提速约 60% — DanielLockyer · 2026-09-21
- Tim Dettmers 实验室开源周：2 框架 4 篇论文构建本地前沿 AI 生态 — Tim_Dettmers · 2026-09-21
- 实测翻案:这台设备真能跑 LLM 还能做开发 — gnukeith · 2026-09-21
- 拿下 CoreWeave 大单，Backblaze CEO：AI 存储是场圈地运动 — TiernanRayTech · 2026-09-21
- 训练老手支招:checkpoint 存 K8s PVC,但千万别给它设告警 — cto_junior · 2026-09-21
- Baseten CEO:Agent 疯狂烧 token,推理将成为每家公司的核心 IP — baseten · 2026-09-21