SGLang-JAX로 TPU에서 Ling-2.6-1T 최적화: Pallas 커널 하나로 MoE 데이터 이동을 연산에 숨겨
원제목:Blog Optimizing Ling-2.6-1T on TPU with SGLang-JAX: Hiding MoE Data Movement Behind Compute with One Pallas Kernel SGLang-JAX now supports efficient serving of inclusionAI's Ling-2.6-1T on TPU v7x. With a working baseline in place, profiling pointed to the Mixture-of-Experts (MoE) path as the main bottleneck: each... Prayer, JamesBrianD, Haolin Fu, Haoguang Cai, Qinghan Chen
AI 요약
SGLang-JAX가 이제 inclusionAI의 Ling-2.6-1T(1T 희소 MoE, 63B 활성 파라미터, 256 라우팅 전문가, top-8 라우팅 및 공유 전문가)를 TPU v7x에서 효율적으로 추론할 수 있게 지원한다. 팀은 scatter, 전문가 FFN, gather를 융합한 Pallas 커널 Fused MoE V2를 개발해 MoE 데이터 이동을 연산에 숨김으로써 MoE 프리필 지연을 5.16ms에서 2.42ms로(53% 감소), 디코드 커널 지연을 0.249ms에서 0.211ms로(약 15% 감소) 줄였다. MoE 커널만 교체해도 프리필 처리량 24.8%, 디코드 처리량 18.5%~35.3%가 향상됐다. SGLang 디코드 벤치마크에서 TPU v7x 칩 16개는 H200 GPU 16개의 1.29배(mc=128)에서 1.77배(mc=512)의 출력 처리량을 달성했다. 전체 출시에는 하이브리드 KV/순환 메모리 풀, GLA 선형 어텐션, 단일 컨트롤러 데이터 병렬 지원도 포함된다.
핵심 정보
- SGLang-JAX가 이제 inclusionAI의 Ling-2.
- 6-1T(1T 희소 MoE,63B 활성 파라미터,256 라우팅 전문가,top-8 라우팅 및 공유 전문가)를 TPU v7x에서 효율적으로 추론할 수 있게 지원한다.
- 팀은 scatter,전문가 FFN,gather를 융합한 Pallas 커널 Fused MoE V2를 개발해 MoE 데이터 이동을 연산에 숨김으로써 MoE 프리필 지연을 5.
- 16ms에서 2.
- 42ms로(53% 감소),디코드 커널 지연을 0.
한눈에 보기
- 게시
- 업데이트
- 출처
- LMSYS Blog
- 카테고리
- 논문 및 연구
- AI 점수
- 69
这是针对TPU上MoE推理的硬核优化复盘,用成本模型定位瓶颈,通过单内核融合把延迟砍半,对做大规模推理工程的团队是高质量参考。
출처 및 저작권
이 기사는 AIHOT 공개 API가 제공하는 선별 제목과 AI 요약을 바탕으로 하며, 출처를 밝히고 원문으로 연결합니다. 원문 저작권은 원 미디어와 저자에게 있으며, 본 사이트는 전문을 전재하지 않습니다.
인용 방법
본문을 인용할 때는 제목, 날짜, 영구 링크를 유지하고 출처를 Orange News(으)로 표기해 주세요.
Orange News: SGLang-JAX로 TPU에서 Ling-2.6-1T 최적화: Pallas 커널 하나로 MoE 데이터 이동을 연산에 숨겨. 2026년 6월 17일. https://new.nat6.net/ko/news/cmqiddvsx07xcslf0wcefjhm6/