跳到正文
热点事件持续更新

Inkling 2 Mini 完成 vLLM 移植

2 篇报道1 个报道来源2 小时前更新

先了解这件事

AI 综述

开发者 peaster 将 Inkling 2 Mini 从 llama.cpp 移植至面向 Ampere GPU 的 vLLM,并开源仓库和详细评测。部署使用未经量化的原始权重,支持 196K 上下文窗口。 在双 RTX 3090 上,评测称解码速度随提示词变长由约 216 tok/s 降至 169 tok/s,整体约为 200 tok/s。

AI 根据报道生成 · 1 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月22日
  1. AGI Hunt
    开发者优化 Inkling 2 Mini 推理,双 3090 解码速度达到约 200 tok/s

    peaster_ 将 Inkling 2 Mini 移植到 Ampere 架构 GPU 上的 vLLM,使双 3090 解码速度达到约 200 tok/s。该模型为 26B MoE、约 3B 激活,未优化时在 llama.cpp 上约为 50 tok/s,开发者量化后单张 4090 可接近 60 tok/s。

  2. AGI Hunt
    开发者将 Inkling 2 Mini 移植到 vLLM,双 RTX 3090 解码速度约 200 tok/s

    开发者借助前沿模型指导,将 Inkling 2 Mini 从 llama.cpp 移植到 Ampere 架构 GPU 上的 vLLM,双 RTX 3090 解码速度约 200 tok/s。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。