DeepSeek 开发的新开源推理框架 DeepInfer 已在八个 NVIDIA B200 GPU 上与 vLLM 进行了基准测试。此次集成由 GPUStack 和一个名为 DeepInfer-server 的轻量级服务项目促进,旨在评估实际部署性能。在使用 DeepSeek-V4.1-Flash 模型进行的测试中,DeepInfer-server 报告了更高的输出吞吐量和更低的 token 间延迟,而 vLLM 在首 token 时间和 P95 请求延迟方面表现出优势。 AI
影响 提供了关于推理框架性能差异的见解,帮助开发人员为其部署需求选择最佳解决方案。
排序理由 在新型硬件上对开源推理框架进行基准测试。[lever_c_demoted from research: ic=1 ai=1.0]
- B200 GPUs
- DeepGEMM
- DeepInfer-server
- deepseek-recipe
- DeepSelect
- FlashMLA
- GPUStack
- Nvidia
- Seph Martin
- vLLM
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →