原生速度的 vLLM transformers 建模后端
原文标题:Native-speed vLLM transformers modeling backend
AI 摘要
Hugging Face 宣布 transformers vLLM 后端现与手写原生 vLLM 实现速度相当甚至更快。模型作者无需移植代码,即可自动利用 transformers 获得超快推理。测试使用 Qwen3-4B(单 GPU)、Qwen3-32B(张量并行)和 Qwen3-235B-A22B-FP8 MoE(数据+专家并行)三种配置,吞吐量均达到或超过原生。该后端通过 torch.fx 静态分析图、AST 重写代码实现动态层融合,支持张量/管道/专家并行及 torch.compile。用户仅需添加 `--model-impl transformers` 标志。目前不支持线性注意力模型但即将支持。
关键信息
- Hugging Face 宣布 transformers vLLM 后端现与手写原生 vLLM 实现速度相当甚至更快。
- 模型作者无需移植代码,即可自动利用 transformers 获得超快推理。
- 测试使用 Qwen3-4B(单 GPU)、Qwen3-32B(张量并行)和 Qwen3-235B-A22B-FP8 MoE(数据+专家并行)三种配置,吞吐量均达到或超过原生。
- 该后端通过 torch.
- fx 静态分析图、AST 重写代码实现动态层融合,支持张量/管道/专家并行及 torch.
速览
- 发布时间
- 更新时间
- 分类
- 产品与应用
- AI 评分
- 66
推荐理由
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。
相关实体
来源与版权
本文基于 AIHOT 公开 API 的精选标题与 AI 摘要整理,已注明来源并回链;原文版权归原媒体与作者所有,本站不镜像全文。
如何引用
引用本文时请保留标题、日期与永久链接,并注明来源为橙子新闻。
橙子新闻:原生速度的 vLLM transformers 建模后端。2026年7月8日。https://new.nat6.net/news/cmrcabmvj00ymihqce96ilbfi/