桌面级 Grace Blackwell 集群 LLM 推理基准测试
两套 NVIDIA DGX Spark GB10 系统通过 200 GbE 直连,可服务更大的语言模型并提升推理容量,但收益取决于部署方式。我们对…
大模型从架构到上线的实现路径:框架怎么选、模型怎么部署、Token 怎么省、厂商怎么做。
选模型与精度,实时拆解权重 / KV Cache / 框架开销,并给出可落地卡型与卡数
口径:工具为资料库同名页面的站内副本(发布版本 15,数据更新 2026-11-09),测算含权重冗余、KV Cache、框架开销与 5% 安全余量,结果为选型参考,实际以压测为准。价格为该工具自带口径(人民币含税渠道价 / 美区按需折算),与本频道下方「部署速查」和算力频道的价格表分开阅读,不可互相推算。上游更新后重跑 tools/sync_vram_tool.py 同步,版本号随之变化,浏览器缓存自动失效。
多数团队先用 vLLM 起步,压测后再按吞吐或国产化要求换引擎
| 引擎 | 关键机制 | 量化与并行 | 硬件平台 | 选型提示 |
|---|---|---|---|---|
| vLLM通用开源首选 | PagedAttention 分页 KV、连续批处理、前缀缓存 | AWQ / GPTQ / FP8;TP、PP 并行 | NVIDIA / AMD / 昇腾(社区版) | 生态最广、特性跟进快,生产环境锁版本 |
| SGLang高并发与多轮对话 | RadixAttention 前缀树复用、约束解码 | 与 vLLM 主流量化基本一致;TP | NVIDIA / AMD | 前缀命中收益取决于请求相似度 |
| TensorRT-LLM固定模型追极致吞吐 | 编译期图优化、In-flight Batching | FP8 / FP4(按架构);按卡型编译 | NVIDIA | 与驱动、CUDA、TRT 版本强绑定,升级要重建 engine |
| LMDeploy国产开源模型适配快 | TurboMind 引擎、KV 量化 | AWQ / INT4 KV | NVIDIA | 新模型支持跟进快,覆盖面不及 vLLM |
| llama.cpp / Ollama单机、边缘、个人 | GGUF 量化、CPU/GPU 混合卸载 | Q2–Q8 GGUF | CPU / Apple Silicon / 消费卡 | 并发弱,不适合多租户生产 |
| MindIE昇腾原生栈 | CANN + ATB 算子、连续批处理 | 昇腾量化(W8A8 等) | 昇腾 910B / 910C / 950 系列 | 模型需完成算子适配,交付前逐项验证 |
卡型RTX 4090 24GB / L40S 48GB
模型8B–32B,INT4/AWQ
引擎Ollama 起步,转 vLLM
约束并发与长上下文先到瓶颈
卡型H20 96GB / 昇腾 950PR 112GB
模型70B FP8 或百 B 级 MoE
引擎vLLM / SGLang / TensorRT-LLM
约束要 NVLink 或 PCIe 4.0 x16,看 TTFT 与故障域
卡型昇腾 910C 128GB / 910B 64GB
模型同参数档国产开源模型
引擎MindIE + CANN
约束算子覆盖与模型迁移成本先评估
两套 NVIDIA DGX Spark GB10 系统通过 200 GbE 直连,可服务更大的语言模型并提升推理容量,但收益取决于部署方式。我们对…
探讨标准模型的一种非微扰格点定义候选方案,以及 GPT-6 Astra 如何帮助将这一构想转化为详细证明。
OpenAI 科学博客分享新发现、实用方法,以及研究人员利用 AI 推动科学发现的第一手记录。
推理 LLM 会生成很长的输出,其 KV 缓存会占用 GPU 显存长达数分钟。当显存被占满时,服务器会抢占请求,而被抢占的请求可能在反复丢失并恢复其…
LLM 表示 Token 位置背后的方法

Cloudflare 近日将面向应用服务的 Private Origins 正式全面可用,允许公网流量访问托管在私有网络中的应用,而无需暴露其 IP…
发布:datasette-apps 0.4a0。Datasette Apps 是运行在 Datasette 内部的沙箱化 HTML 和 JavaSc…
发布:datasette-agent 0.6a0。这是为 Datasette Agent 累积的一批小修复,它是我为 Datasette 开发的智能…
Cohere 近日报告称,阿里巴巴最新的 Qwen3.8 模型之一试图将一个探测文件上传至位于北京的存储容器,同时在其推理轨迹中明确表示不会触发任何…
发布:datasette-llm 0.1a11。datasette-llm 是 Datasette 的中间插件,支持配置 LLM 以供其他 Data…

AI 正在把分析型数据与运营型数据汇聚到一起。数十年来,企业一直……


发布:datasette-vega 0.7。这是 Datasette 最久未更新的插件的新版本,用于渲染图表(基于表中的数据或自定义查询使用 Veg…