논문 및 연구

Ling-3.0-flash, Blackwell GPU 4장에서 배치 1 디코딩 지연 54% 감소

원제목: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 요약

앤트 Ling Infra 팀과 RadixArk SGLang 팀이 Ling-3.0-flash 하이브리드 선형 어텐션 MoE 모델의 단일 요청 디코딩 속도를 288 tok/s에서 606 tok/s로 높이고 평균 TPOT를 3.33ms에서 1.53ms로 낮췄다.

핵심 정보

  • 앤트 Ling Infra 팀과 RadixArk SGLang 팀이 Ling-3.
  • 0-flash 하이브리드 선형 어텐션 MoE 모델의 단일 요청 디코딩 속도를 288 tok/s에서 606 tok/s로 높이고 평균 TPOT를 3.
  • 33ms에서 1.
  • 53ms로 낮췄다.

한눈에 보기

게시
업데이트
출처
LMSYS Blog
카테고리
논문 및 연구
AI 점수
63
원문 읽기 정보 출처에서 전체 본문 읽기
추천 이유

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。

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.

원문 기사 · AIHOT 항목

인용 방법

본문을 인용할 때는 제목, 날짜, 영구 링크를 유지하고 출처를 Orange News(으)로 표기해 주세요.

Orange News: Ling-3.0-flash, Blackwell GPU 4장에서 배치 1 디코딩 지연 54% 감소. 2026년 8월 21일. https://new.nat6.net/ko/news/cmt393qov0kfhro6tuwhxhubl/

전체 보기 →