创建

登录 ReadmeX

或

了解我们如何处理你的信息: 隐私政策

ReadmeX

陪你读懂 AI 动态

今天,想先了解什么?

选一份动态总结,或直接聊聊你的问题。

社区和关注动态总结只属于你自己。

资讯

LMSYS报告Muse Spark Open解码速度超过每秒1,000个token

AI 总结

LMSYS称其使用CUDA C++和PTX从零为Muse Spark Open构建了巨型内核,将每层的注意力与MoE工作作为一个内核运行,并通过大量延迟隐藏提高并行度。在八块GB300 GPU上,其报告的解码吞吐量从每秒517个token提升至1,109个token。该实现支持推测解码,但目前仅支持批大小为一。

深度见解

据LMSYS报告,该优化将注意力与MoE工作整合进一个常驻于各流处理器的内核,使更多GPU任务能够重叠执行;在其八块GB300测试环境中,解码吞吐量由每秒517个token提升至1,109个token。

#LMSYS#Muse Spark Open#SGLang#NVIDIA GB300#CUDA#MoE

原文约 18 分钟读完阅读原文
群聊

还没有评论,来说说你的看法。