FP8+DSpark 叠加优化 Nemotron 3.5 Super VL，H100 上近 2 倍提速
vllm_project · x · 2026-10-15
vLLM 官方转发 Red Hat AI 的工作：为 NVIDIA Nemotron 3.5 Super VL（120B 多模态 MoE，面向长时 agent 任务）发布两个开源优化 checkpoint，可在 Hopper 上叠加量化与投机解码获得接近 2 倍加速且精度保持。
- FP8 版本（LLM Compressor 量化）：高负载下提升吞吐。
- DSpark 版本（Speculators 投机解码）：提升单用户流式响应速度。
- 4× H100 实测显示两者互补，叠加后在 HumanEval、数学推理和 RAG 工作负载上均优于任一单独优化。checkpoint 已在 Hugging Face 开放。
「Infra」频道最新
- 新推理引擎『e』单台 DGX Station 跑出 10500 tok/s 聚合吞吐 — brandon_galang · 2026-10-16
- SGLang Day-0 支持 FLUX 3 Image Klein：单图 10 参考图，BF16/FP8/NVFP4 多精度 — ying11231 · 2026-10-16
- 英伟达 Nemotron 3.5 Super VL 上线 CoreWeave：12B 激活参数多模态 MoE，输入仅 $0.25/百万 tokens — wandb · 2026-10-16
- 2026 晶圆厂设备支出上调至 1530 亿美元，设备周期被拉长 — BenBajarin · 2026-10-16
- Steam 更新实测 5.23 秒启动反超 Epic，网友调侃 vLLM 该加入「启动时间大战」 — AlpinDale · 2026-10-16
- Shadeform 预告下周一发布六项新功能：降 GPU 成本、扩算力来源 — _jaydeepkarale · 2026-10-16