3
其他
新人贴
海光K100AI用flagos推理MiniMax-M2.5-AWQ输出可以到27.6tps
2026-04-14 10:06:06
970
近期尝试使用flagos,发现推理效率相较海光自有的vllm0.11.0提升3倍多。命令如下: ```language docker run \ --name flagos-minimax \ --network=host \ --ipc=host \ --device=/dev/kfd \ --device=/dev/mkfd \ --device=/dev/dri \ -v /opt/hyhal:/opt/hyhal \ -v /{path_to}/workspace:/workspace \ -v /{path_to}/models:/models \ --group-add video \ --cap-add=SYS_PTRACE \ --security-opt seccomp=unconfined \ -itd \ harbor.baai.ac.cn/flagrelease-public/flagrelease-hygon-minimax:202604120035 \ /bin/bash -c ' HIP_VISIBLE_DEVICES="2,3,4,5" \ OMP_NUM_THREADS=32 \ NCCL_MIN_NCHANNELS=16 \ NCCL_MAX_NCHANNELS=16 \ VLLM_V1_FAST_TOKEN_ID_COPY=1 \ NCCL_P2P_LEVEL=LOC \ HSA_FORCE_FINE_GRAIN_PCIE=1 \ HIP_PERF=1 \ SAFETENSORS_FAST_GPU=1 \ vllm serve /models/QuantTrio/MiniMax-M2.5-AWQ \ --trust-remote-code \ --served-model-name minimax-m2.5 \ --max-model-len 196608 \ --max-num-batched-tokens 32768 \ --dtype bfloat16 \ --gpu_memory_utilization 0.90 \ --max-num-seqs 10 \ --tensor-parallel-size 4 \ --port 8000 \ --enable-auto-tool-choice \ --tool-call-parser minimax_m2 \ --reasoning-parser minimax_m2 \ --disable-custom-all-reduce ' ``` ![1776132154953.png](/api-forum/file/RedirectImage?path=20260414/1776132198311_1776132154953.jpg '1776132154953.png')
全部评论(30)
只看楼主
网
网友B3ZN40
9楼
又试回之前的https://developer.sourcefind.cn/codes/modelzoo/glm-4.6v_vllm这里面的镜像了,发现也有28tps。
看起来和这个flagos没什么关系,主要是dcu的vllm0.15镜像就是比0.11强
4/15
A
aq
8楼
harbor.sourcefind.cn:5443/dcu/admin/base/custom:vllm018-ubuntu22.04-dtk26.04-gemma4-0413
该镜像可以正常部署gemma4、Qwen3.5-27B、minimax-2.7,只是没有做优化,速度较慢。实测4卡部署(部署的量化版),Qwen3.5-27B的每秒token为12.5,minimax-2.7的每秒token为19。昨天实测了工具、技能调用能力,相比vllm0.15,表现的很好了。推理能力也很稳定,未出现死循环、乱推理等情况。希望海光后期抓紧做好该镜像的优化适配,让用户早点用于实际工作!
4/15
网
网友B3ZN40
回复 @aq
minimax2.7的awk量化哪儿弄的?
4/15
A
aq
回复 @网友B3ZN40
魔搭社区去下载
4/15
网
网友B3ZN40
回复 @aq
只有compressd-tensor格式的,这个dcu的vllm镜像好像一直都是不支持的
4/15
全部9条回复
木
木土
7楼
这个对操作系统有要求吗?
4/15
K
kaiwong_mnt0vxc6icgq
6楼
请教一下:我看到您采用的是2,3,4,5 四块卡,如果是全部八块卡用上会怎么样速度,能告诉一下我们吗?谢谢🙏
4/15
网
网友B3ZN40
5楼
试了下和用之前官方给的GLM4.7的vllm0.15镜像速度差不多啊,都是10tokens/s。
你这个27是受到哪个参数影响吗?
我的机器是k100_AI,用4块跑minimax-m2.5的awq量化模型
4/14
O
ox696c
回复 @网友B3ZN40
我比较了一下和官方镜像的区别是多了FlagGems算子库,github上有开源https://github.com/flagos-ai/FlagGems,估计性能提升是算子库带来的影响。初步看了一下这个算子库好像是直接调用硬件实现计算的,你可以看看是不是驱动版本的问题。我的驱动版本是Driver Version: 6.3.30-V1.4.1a
4/15
网
网友B3ZN40
回复 @ox696c
这个版本是怎么查的?
4/15
网
网友B3ZN40
回复 @ox696c
我看modelscope上有USE_FLAGGEMS参数,我设置1还会报错
另外qwen3.5那个又有个 GEMS_VENDOR="hygon",这些东西不设置都没问题吗。
4/15
全部6条回复
X
xw
4楼
可以看一下pip list的输出吗?我是安装的FlagRelease/Qwen3.5-35B-A3B-hygon-FlagOS这个镜像,然后运行的时候提示vllm_fl这个插件找不到。我看了一下pip list的输出,发现这个包是以-e的形式挂载安装的,而打包镜像的时候原始位置没有打包进来。我手动安装后,疯狂报错。想看看您有没有遇到这个问题?您的这个镜像里面pip list的输出是什么?谢谢~
4/14
O
ox696c
回复 @xw
我是flagrelease-hygon-minimax:202604120035这个镜像,也没有vllm_fl这个库。
4/15
O
ox696c
回复 @xw
https://github.com/flagos-ai/vllm-FL
4/15
A
aq
3楼
4/14
网友liyl-06
2楼
棒啊!感谢分享:hanxiao:emoji,我也去实验一下。
4/14
C
codingmiao
1楼
有点厉害啊,这个VLLM是什么版本
4/14
O
ox696c
回复 @codingmiao
0.15.1版本的
4/14
C
codingmiao
回复 @ox696c
感谢,再请教一下,我看文档里说“通过魔搭(ModelScope)或 Hugging Face 的 FlagRelease 页面,选择所需的大模型及对应芯片版本,直接下载模型权重文件。”但是您的启动命令里似乎使用的是原版模型而非带"-hygon-FlagOS"后缀的?也就是其实下载对应版本模型这不是必须的?
4/14
O
ox696c
回复 @codingmiao
我自己尝试了是这样的,其它模型也没测试:xieyanxiao:emoji
4/14
全部4条回复
没有更多内容了
--
楼主
Level.2
0 帖子
楼主热帖
暂无数据