英伟达发布 Rubin HPC GPU:单卡超 5 万 CUDA 核心创纪录,预计 2028 年上市
IT之家 11 月 17 日消息,英伟达今日在 SC26 大会发布 Rubin HPC GPU,基于 Vera Rubin 平台打造,专为科学研究、…
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
IT之家 11 月 17 日消息,英伟达今日在 SC26 大会发布 Rubin HPC GPU,基于 Vera Rubin 平台打造,专为科学研究、…
GPU 是数据密集型负载的主要计算引擎,这类负载的数据集超出设备内存,且存放在远程闪存上。传统上由主机 CPU 编排每一笔 NVMe-over-Fa…
智能体工作负载对推理系统提出了更高要求。AI 智能体在多轮交互中携带不断增长的对话历史,并生成推理、工具……

Uber 的法律审阅智能体(Legal Redlining Agent)借助 RAG、历史律师反馈与确定性的政策规则,在 Microsoft Wor…
美团正式开源 LongCat-2.5,采用MIT协议,支持商用推理部署与二次训练,无需额外授权。

Airbnb 研究人员推出 CASTLE 框架,旨在解决自然语言搜索中的冷启动问题。该方法利用去标识化的预订会话与大语言模型(LLM),联合……
了解 1800 多名科研人员如何在研究中使用 ChatGPT,包括日常工作流、其自述的生产力变化以及对科学发现的预期。

五种部署方案、一套盲评打分:教科书测试的得分在 20 分中为 12 到 20 分,但今年发表的一篇论文让其降至 15 分中的 0 到 9 分。
阿里巴巴发布 Qwen4-Max,这是一款专有的 2.4T 参数混合专家模型,拥有 71B 激活参数、原生视觉能力和 100 万 Token 上下文…
了解 Revolut 如何借助 OpenAI 模型与 Codex 将编码时间缩短 30–60%、扩大金融犯罪调查规模,并在不牺牲安全性的前提下持续创…
LVMH 旗下媒体部门与 OpenAI 宣布建立合作伙伴关系,以 AI 支持新闻业,并通过 ChatGPT 让其刊物更易获取。
OpenAI 与 Apollo Research、METR、Transluce 及 Goodfire 启动嵌入式评估,对模型对齐、防护机制和监控系统…