vLLM-transformers-Backend mit nativer Geschwindigkeit
Originaltitel:Native-speed vLLM transformers modeling backend
KI-Zusammenfassung
Hugging Face gibt bekannt, dass das transformers-vLLM-Backend nun ebenso schnell oder schneller ist als handgeschriebene native vLLM-Implementierungen. Modellautoren können ohne Code-Portierung automatisch schnelle Inferenz über transformers nutzen. Getestet wurden drei Konfigurationen: Qwen3-4B (einzelne GPU), Qwen3-32B (Tensor-Parallelität) und Qwen3-235B-A22B-FP8 MoE (Daten- und Experten-Parallelität); der Durchsatz erreicht oder übertrifft jeweils den nativen Wert. Das Backend analysiert Graphen statisch über torch.fx, schreibt Code per AST um und erreicht dynamische Layer-Fusion; es unterstützt Tensor-/Pipeline-/Experten-Parallelität sowie torch.compile. Nutzer müssen nur das Flag `--model-impl transformers` hinzufügen. Lineare Attention-Modelle werden derzeit noch nicht unterstützt, sollen aber bald folgen.
Kernpunkte
- Hugging Face gibt bekannt,dass das transformers-vLLM-Backend nun ebenso schnell oder schneller ist…
- Modellautoren können ohne Code-Portierung automatisch schnelle Inferenz über transformers nutzen.
- Getestet wurden drei Konfigurationen: Qwen3-4B (einzelne GPU),Qwen3-32B (Tensor-Parallelität) und…
- der Durchsatz erreicht oder übertrifft jeweils den nativen Wert.
- Das Backend analysiert Graphen statisch über torch.
Auf einen Blick
- Veröffentlicht
- Aktualisiert
- Quelle
- Hugging Face 社区博客(混合发现)
- Kategorie
- Produkte & Apps
- KI-Bewertung
- 66
用 transformers 写的模型,现在不用改一行代码就能在 vLLM 里跑到手写实现的水平,模型作者最大的集成痛被抹平了。虽然主要是工程黑魔法,但生态意义不小。
Verwandte Entitäten
Quelle & Urheberrecht
Dieser Artikel basiert auf kuratierten Titeln und KI-Zusammenfassungen der öffentlichen AIHOT-API, mit Quellenangabe und Rückverlinkung. Das Urheberrecht am Original liegt bei den ursprünglichen Medien und Autoren; diese Seite spiegelt keine Volltexte.
Zitierhinweis
Beim Zitieren dieses Artikels bitte Titel, Datum und Permalink beibehalten und Orange News als Quelle angeben.
Orange News: vLLM-transformers-Backend mit nativer Geschwindigkeit. 8. Juli 2026. https://new.nat6.net/de/news/cmrcabmvj00ymihqce96ilbfi/