แบ็กเอนด์ transformers ของ vLLM ที่ความเร็วระดับเนทีฟ
หัวข้อต้นฉบับ:Native-speed vLLM transformers modeling backend
สรุปโดย AI
Hugging Face ประกาศว่าแบ็กเอนด์ vLLM ของ transformers มีความเร็วเทียบเท่าหรือเร็วกว่าการใช้งาน vLLM แบบเนทีฟที่เขียนด้วยมือ ผู้พัฒนาโมเดลสามารถใช้ transformers เพื่อการอนุมานที่รวดเร็วมากโดยไม่ต้องพอร์ตโค้ด การทดสอบใช้สามการตั้งค่า ได้แก่ Qwen3-4B (GPU เดียว), Qwen3-32B (tensor parallel) และ Qwen3-235B-A22B-FP8 MoE (data + expert parallel) โดยมี throughput ถึงหรือเกินระดับเนทีฟ แบ็กเอนด์นี้วิเคราะห์กราฟแบบสถิตผ่าน torch.fx และเขียนโค้ดใหม่ด้วย AST เพื่อทำ dynamic layer fusion รองรับ tensor/pipeline/expert parallel และ torch.compile ผู้ใช้เพียงเพิ่มแฟล็ก `--model-impl transformers` ปัจจุบันยังไม่รองรับโมเดล linear attention แต่จะรองรับในเร็วๆ นี้
ข้อมูลสำคัญ
- Hugging Face ประกาศว่าแบ็กเอนด์ vLLM ของ transformers มีความเร็วเทียบเท่าหรือเร็วกว่าการใช้งาน…
- fx และเขียนโค้ดใหม่ด้วย AST เพื่อทำ dynamic layer fusion รองรับ tensor/pipeline/expert parallel…
- compile ผู้ใช้เพียงเพิ่มแฟล็ก `--model-impl transformers` ปัจจุบันยังไม่รองรับโมเดล linear…
สรุปสั้น
- เวลาเผยแพร่
- เวลาอัปเดต
- แหล่งที่มา
- Hugging Face 社区博客(混合发现)
- หมวดหมู่
- ผลิตภัณฑ์และแอป
- คะแนน AI
- 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。
เอนทิตีที่เกี่ยวข้อง
แหล่งที่มาและลิขสิทธิ์
บทความนี้เรียบเรียงจากพาดหัวคัดสรรและบทสรุป AI จาก API สาธารณะของ AIHOT โดยระบุแหล่งที่มาและลิงก์กลับแล้ว ลิขสิทธิ์ต้นฉบับเป็นของสื่อและผู้เขียนต้นทาง เว็บไซต์นี้ไม่ได้สะท้อนเนื้อหาฉบับเต็ม
วิธีอ้างอิง
เมื่ออ้างอิงบทความนี้ โปรดระบุชื่อเรื่อง วันที่ และลิงก์ถาวร พร้อมระบุแหล่งที่มาเป็น Orange News
Orange News: แบ็กเอนด์ transformers ของ vLLM ที่ความเร็วระดับเนทีฟ 8 กรกฎาคม 2026 https://new.nat6.net/th/news/cmrcabmvj00ymihqce96ilbfi/