vLLM 首日支持 501B 的 Beam,解码延迟降 2.71 倍
vLLM Blog · rss · 2026-10-16
vLLM 博客宣布从 Day 0 起支持 Reflection 的 Beam-1.0(总参数 501B、激活参数 23B 的 MoE 架构)。
关键优化包括:agent 驱动的优化将解码延迟降低 2.71 倍;以及 DFlash2 投机解码配合自适应验证机制。对想在自有推理栈上部署 Beam 的团队提供了开箱即用的支持。
「Infra」频道最新
- 覆盖 Bedrock/Azure/Vertex 三万条价格，开发者做出云端模型变动雷达 — jsandhu0780 · 2026-10-18
- 1270万 tokens 仅花 0.14 美元，缓存命中率 99.6% 的 agent 实测 — teortaxesTex · 2026-10-18
- 单卡 9060 XT 16GB 跑 Qwen3 27B：262k 上下文 42.7 tps — Maglcite · 2026-10-18
- SlateDB+Lance+Datafusion 自建数据栈,为客户年省数百万美元 — sh_reya · 2026-10-18
- 视频生成 API 每 10 秒约 0.5 美元,自建服务器何时更划算? — Key-Lychee-913 · 2026-10-18
- vLLM 联手 NVIDIA 优化 Kimi K3:GB300 上解码达 842 tokens/s — vllm_project · 2026-10-18