पेपर और शोध

Ling-3.0-flash ने 4 Blackwell GPU पर बैच 1 डिकोडिंग विलंबता को 54% कैसे कम किया

मूल शीर्षक:Blog Chasing the Batch-1 Floor: Ling-3.0-flash Speculative Decode on Blackwell Batch-1 decode keeps getting more important. Xiaomi MiMo, for example, announced MiMo-V2.5-Pro UltraSpeed in June, claiming 1,000 tok/s decode on a one-trillion-parameter MoE model. Batch 1 gives an ... RadixArk SGLang Team, Ant Ling Infra Team

AI सारांश

Ant ने Ling Infra टीम और RadixArk SGLang टीम ने Ling-3.0-flash हाइब्रिड लीनियर अटेंशन MoE मॉडल की एकल-अनुरोध डिकोडिंग गति को 288 tok/s से बढ़ाकर 606 tok/s कर दिया, औसत TPOT 3.33 ms से घटकर 1.53 ms हो गया।

मुख्य जानकारी

  • Ant ने Ling Infra टीम और RadixArk SGLang टीम ने Ling-3.
  • 0-flash हाइब्रिड लीनियर अटेंशन MoE मॉडल की एकल-अनुरोध डिकोडिंग गति को 288 tok/s से बढ़ाकर 606…
  • 33 ms से घटकर 1.
  • 53 ms हो गया।

एक नज़र में

प्रकाशन समय
अपडेट समय
स्रोत
LMSYS Blog
श्रेणी
पेपर और शोध
AI स्कोर
63
मूल पढ़ें मूल स्रोत पर पूरा लेख पढ़ें
सुझाव का कारण

对做单请求低延迟推理的团队,可迁移的是先把主机从 GPU 进度上解绑再优化 GPU 关键路径,否则主机的同步等待会变成每步的 GPU 气泡,这与具体模型无关。

स्रोत और कॉपीराइट

यह लेख AIHOT के सार्वजनिक API की चयनित सुर्खियों और AI सारांशों के आधार पर तैयार किया गया है, स्रोत का उल्लेख और लिंक दिया गया है; मूल पाठ का कॉपीराइट मूल मीडिया और लेखक के पास है, यह साइट पूरा पाठ मिरर नहीं करती।

मूल लिंक · AIHOT प्रविष्टि

उद्धरण कैसे दें

इस लेख का उद्धरण देते समय शीर्षक, तिथि और स्थायी लिंक बनाए रखें और स्रोत Orange News बताएं।

Orange News: Ling-3.0-flash ने 4 Blackwell GPU पर बैच 1 डिकोडिंग विलंबता को 54% कैसे कम किया। 21 अगस्त 2026। https://new.nat6.net/hi/news/cmt393qov0kfhro6tuwhxhubl/

सभी देखें →