Backend de modélisation transformers vLLM à vitesse native
Titre original:Native-speed vLLM transformers modeling backend
Résumé IA
Hugging Face annonce que le backend transformers vLLM atteint désormais une vitesse équivalente ou supérieure aux implémentations vLLM natives écrites à la main. Les auteurs de modèles peuvent profiter automatiquement d'une inférence très rapide via transformers sans porter de code. Les tests ont utilisé trois configurations — Qwen3-4B (GPU unique), Qwen3-32B (parallélisme tensoriel) et Qwen3-235B-A22B-FP8 MoE (parallélisme de données et d'experts) — avec un débit égal ou supérieur au natif. Le backend analyse statiquement le graphe via torch.fx et réécrit le code par AST pour réaliser une fusion dynamique des couches, avec prise en charge du parallélisme tensoriel/pipeline/expert et de torch.compile. Les utilisateurs n'ont qu'à ajouter le flag `--model-impl transformers`. Les modèles à attention linéaire ne sont pas encore pris en charge, mais le seront bientôt.
Points clés
- Hugging Face annonce que le backend transformers vLLM atteint désormais une vitesse équivalente ou…
- Les auteurs de modèles peuvent profiter automatiquement d'une inférence très rapide via…
- Les tests ont utilisé trois configurations — Qwen3-4B (GPU unique),Qwen3-32B (parallélisme…
- Le backend analyse statiquement le graphe via torch.
- fx et réécrit le code par AST pour réaliser une fusion dynamique des couches,avec prise en charge…
En bref
- Publié
- Mis à jour
- Source
- Hugging Face 社区博客(混合发现)
- Catégorie
- Produits et applications
- Score IA
- 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。
Entités associées
Source et droits
Cet article s'appuie sur des titres sélectionnés et des résumés IA issus de l'API publique AIHOT, avec attribution et liens de retour. Les droits sur l'original restent ceux des médias et auteurs d'origine ; ce site ne reproduit pas les textes intégraux.
Comment citer
Pour citer cet article, conservez le titre, la date et le lien permanent, et indiquez Orange News comme source.
Orange News : Backend de modélisation transformers vLLM à vitesse native. 8. juillet 2026. https://new.nat6.net/fr/news/cmrcabmvj00ymihqce96ilbfi/