{"id":484543,"date":"2026-06-22T11:53:09","date_gmt":"2026-06-22T11:53:09","guid":{"rendered":"https:\/\/savepearlharbor.com\/?p=484543"},"modified":"-0001-11-30T00:00:00","modified_gmt":"-0001-11-29T21:00:00","slug":"","status":"publish","type":"post","link":"https:\/\/savepearlharbor.com\/?p=484543","title":{"rendered":"DeepSeek\u2011V4\u2011Flash \u043d\u0430\u00a0\u0434\u0432\u0443\u0445 DGX Spark: \u043a\u0430\u043a\u00a0\u043c\u044b \u0443\u0431\u0440\u0430\u043b\u0438 \u043e\u0447\u0435\u0440\u0435\u0434\u044c \u0438 \u043f\u043e\u043b\u0443\u0447\u0438\u043b\u0438 multi\u2011user"},"content":{"rendered":"<div xmlns=\"http:\/\/www.w3.org\/1999\/xhtml\">\n<figure class=\"full-width \"><img decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/4c4\/b2a\/e79\/4c4b2ae79e250d3ef732287283278d07.png\" width=\"1200\" height=\"675\" sizes=\"auto, (max-width: 780px) 100vw, 50vw\" srcset=\"https:\/\/habrastorage.org\/r\/w780\/getpro\/habr\/upload_files\/4c4\/b2a\/e79\/4c4b2ae79e250d3ef732287283278d07.png 780w,&#10;       https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/4c4\/b2a\/e79\/4c4b2ae79e250d3ef732287283278d07.png 781w\" loading=\"lazy\" decode=\"async\"\/><\/figure>\n<p>\u041f\u043e\u0434\u043d\u044f\u043b\u0438 DeepSeek\u2011V4\u2011Flash \u043d\u0430\u00a0\u0434\u0432\u0443\u0445 GB10, \u0443\u043f\u0451\u0440\u043b\u0438\u0441\u044c \u0432\u00a0\u043f\u043e\u0442\u043e\u043b\u043e\u043a consumer Blackwell, \u043f\u0440\u043e\u0448\u043b\u0438 \u0442\u0440\u0438 \u0442\u0443\u043f\u0438\u043a\u0430 \u0441\u043e \u0441\u043f\u0435\u043a\u0443\u043b\u044f\u0442\u0438\u0432\u043d\u044b\u043c \u0434\u0435\u043a\u043e\u0434\u0438\u043d\u0433\u043e\u043c\u00a0\u2014 \u0438 \u0432\u00a0\u0438\u0442\u043e\u0433\u0435 \u043f\u043e\u043b\u0443\u0447\u0438\u043b\u0438 \u043f\u0430\u0440\u0430\u043b\u043b\u0435\u043b\u044c\u043d\u0443\u044e \u0440\u0430\u0431\u043e\u0442\u0443 \u0440\u0435\u0441\u0451\u0440\u0447\u2011\u0430\u0433\u0435\u043d\u0442\u0430 \u0438 \u0434\u043b\u0438\u043d\u043d\u043e\u0439 \u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u0438 \u0431\u0435\u0437\u00a0\u043e\u0447\u0435\u0440\u0435\u0434\u0438. \u0426\u0438\u0444\u0440\u044b\u00a0\u2014 \u0438\u0437\u00a0Grafana.<\/p>\n<h3>\u0427\u0442\u043e\u00a0\u0440\u0435\u0430\u043b\u044c\u043d\u043e \u0441\u0440\u0430\u0431\u043e\u0442\u0430\u043b\u043e<\/h3>\n<div class=\"floating-image\">\n<p>\u041f\u043e\u0441\u043b\u0435 \u0432\u0441\u0435\u0445 \u0442\u0443\u043f\u0438\u043a\u043e\u0432 \u043e\u0441\u0442\u0430\u043b\u0438\u0441\u044c \u0441\u043a\u0443\u0447\u043d\u044b\u0435, \u043d\u043e\u00a0\u0440\u0430\u0431\u043e\u0442\u0430\u044e\u0449\u0438\u0435 \u0438\u0437\u043c\u0435\u043d\u0435\u043d\u0438\u044f.<\/p>\n<p><strong>\u0413\u043b\u0430\u0432\u043d\u043e\u0435\u00a0\u2014 \u043f\u043e\u0434\u043d\u044f\u0442\u044c <\/strong><code><strong>--max-num-seqs<\/strong><\/code><strong> \u0441 1\u00a0\u0434\u043e 8.<\/strong> \u0415\u0434\u0438\u043d\u0438\u0446\u0430 \u043e\u0437\u043d\u0430\u0447\u0430\u043b\u0430, \u0447\u0442\u043e\u00a0\u0432\u00a0\u0440\u0430\u043d\u0442\u0430\u0439\u043c\u0435 \u043e\u0434\u043d\u043e\u0432\u0440\u0435\u043c\u0435\u043d\u043d\u043e \u0436\u0438\u0432\u0451\u0442 \u0440\u043e\u0432\u043d\u043e \u043e\u0434\u0438\u043d \u0437\u0430\u043f\u0440\u043e\u0441; \u0432\u0441\u0451 \u043e\u0441\u0442\u0430\u043b\u044c\u043d\u043e\u0435 \u0436\u0434\u0430\u043b\u043e \u0432\u00a0\u043e\u0447\u0435\u0440\u0435\u0434\u0438, \u0438 \u0432\u0442\u043e\u0440\u043e\u0439 \u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u0435\u043b\u044c \u043f\u043e\u043b\u0443\u0447\u0430\u043b \u043f\u0435\u0440\u0432\u044b\u0439 \u0442\u043e\u043a\u0435\u043d \u0447\u0435\u0440\u0435\u0437 14\u201315\u00a0\u0441\u0435\u043a\u0443\u043d\u0434.<\/p>\n<p>\u041e\u0442\u043a\u0443\u0434\u0430 \u0432\u0437\u044f\u043b\u0430\u0441\u044c \u044d\u0442\u0430 \u0435\u0434\u0438\u043d\u0438\u0446\u0430\u00a0\u2014 \u043e\u0442\u0434\u0435\u043b\u044c\u043d\u0430\u044f \u0438\u0441\u0442\u043e\u0440\u0438\u044f. \u041a\u043e\u0433\u0434\u0430 \u043c\u044b \u0442\u043e\u043b\u044c\u043a\u043e \u043f\u043e\u0434\u043d\u044f\u043b\u0438 V4\u00a0\u0438 \u0434\u0430\u043b\u0438 \u0435\u0439 \u0434\u0432\u0430 \u043f\u0430\u0440\u0430\u043b\u043b\u0435\u043b\u044c\u043d\u044b\u0445 \u0437\u0430\u043f\u0440\u043e\u0441\u0430 \u0441\u00a0\u0434\u043b\u0438\u043d\u043d\u044b\u043c \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442\u043e\u043c, \u0441\u043a\u043e\u0440\u043e\u0441\u0442\u044c \u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u0438 \u043f\u0430\u0434\u0430\u043b\u0430 \u043f\u043e\u0447\u0442\u0438 \u0434\u043e\u00a0\u043d\u0443\u043b\u044f: \u0432\u0438\u0434\u0435\u043e\u043a\u0430\u0440\u0442\u0430 \u0437\u0430\u0433\u0440\u0443\u0436\u0435\u043d\u0430 \u043f\u043e\u043b\u043d\u043e\u0441\u0442\u044c\u044e, \u0430\u00a0\u043d\u0430\u00a0\u0432\u044b\u0445\u043e\u0434\u0435 \u0434\u043e\u043b\u0438 \u0442\u043e\u043a\u0435\u043d\u0430 \u0432\u00a0\u0441\u0435\u043a\u0443\u043d\u0434\u0443. \u041f\u0440\u043e\u0449\u0435 \u0432\u0441\u0435\u0433\u043e\u00a0\u0431\u044b\u043b\u043e \u0443\u0431\u0440\u0430\u0442\u044c \u0441\u0438\u043c\u043f\u0442\u043e\u043c, \u0437\u0430\u043f\u0440\u0435\u0442\u0438\u0432 \u043f\u0430\u0440\u0430\u043b\u043b\u0435\u043b\u044c\u043d\u043e\u0441\u0442\u044c,\u00a0\u2014 \u0447\u0442\u043e\u00a0\u043c\u044b \u0438 \u0441\u0434\u0435\u043b\u0430\u043b\u0438, \u0437\u0430\u043e\u0434\u043d\u043e \u0440\u0435\u0448\u0438\u0432, \u0447\u0442\u043e\u00a0GB10\u00a0\u043f\u0430\u0440\u0430\u043b\u043b\u0435\u043b\u044c\u043d\u0443\u044e \u043d\u0430\u0433\u0440\u0443\u0437\u043a\u0443 \u043d\u0435\u00a0\u0432\u044b\u0432\u043e\u0437\u0438\u0442. \u0414\u0438\u0430\u0433\u043d\u043e\u0437 \u043e\u043a\u0430\u0437\u0430\u043b\u0441\u044f \u043d\u0435\u0432\u0435\u0440\u043d\u044b\u043c. \u0414\u0435\u043b\u043e\u00a0\u0431\u044b\u043b\u043e \u043d\u0435\u00a0\u0432\u00a0\u043f\u0430\u0440\u0430\u043b\u043b\u0435\u043b\u044c\u043d\u043e\u0441\u0442\u0438, \u0430\u00a0\u0432\u00a0\u0442\u043e\u043c, \u0447\u0442\u043e\u00a0\u043f\u043e\u0434\u00a0SM121\u00a0\u043d\u0435\u00a0\u0431\u044b\u043b \u0432\u043a\u043b\u044e\u0447\u0451\u043d \u043d\u0443\u0436\u043d\u044b\u0439 attention\u2011\u043f\u0443\u0442\u044c (sparse\u2011MLA, \u043e\u00a0\u043d\u0451\u043c \u043d\u0438\u0436\u0435), \u0438 \u0440\u0430\u0437\u043c\u0435\u0440 \u0431\u0430\u0442\u0447\u0430 \u0440\u0430\u0431\u043e\u0442\u0430\u043b \u043f\u0440\u043e\u0442\u0438\u0432 \u043d\u0430\u0441. \u0415\u0434\u0438\u043d\u0438\u0446\u0430 \u043d\u0438\u0447\u0435\u0433\u043e \u0438\u0437\u00a0\u044d\u0442\u043e\u0433\u043e \u043d\u0435\u00a0\u043b\u0435\u0447\u0438\u043b\u0430\u00a0\u2014 \u043e\u043d\u0430 \u043f\u0440\u044f\u0442\u0430\u043b\u0430 \u0441\u0438\u043c\u043f\u0442\u043e\u043c, \u0432\u044b\u043a\u043b\u044e\u0447\u0430\u044f \u0440\u043e\u0432\u043d\u043e \u0442\u0443 \u0432\u043e\u0437\u043c\u043e\u0436\u043d\u043e\u0441\u0442\u044c, \u0440\u0430\u0434\u0438 \u043a\u043e\u0442\u043e\u0440\u043e\u0439 \u0432\u0441\u0451 \u0437\u0430\u0442\u0435\u0432\u0430\u043b\u043e\u0441\u044c. \u0421\u0442\u043e\u0438\u043b\u043e \u0432\u043a\u043b\u044e\u0447\u0438\u0442\u044c sparse\u2011MLA \u0438 \u0432\u0435\u0440\u043d\u0443\u0442\u044c \u043d\u043e\u0440\u043c\u0430\u043b\u044c\u043d\u044b\u0439 \u0440\u0430\u0437\u043c\u0435\u0440 \u043f\u0443\u043b\u0430\u00a0\u2014 \u043f\u0440\u043e\u0432\u0430\u043b \u043d\u0435\u00a0\u0432\u0435\u0440\u043d\u0443\u043b\u0441\u044f.<\/p>\n<p><strong>Sparse\u2011MLA \u043f\u043e\u0434\u00a0SM121\u00a0\u2014 <\/strong><code><strong>VLLM_TRITON_MLA_SPARSE=1<\/strong><\/code><strong>.<\/strong> \u0412\u043a\u043b\u044e\u0447\u0430\u0435\u0442 sparse\u2011MLA \u043f\u0443\u0442\u044c, \u0437\u0430\u0442\u043e\u0447\u0435\u043d\u043d\u044b\u0439 \u043f\u043e\u0434\u00a0\u044d\u0442\u0443\u00a0\u043b\u0438\u043d\u0438\u044e GB10. \u0411\u0435\u0437\u00a0\u043d\u0435\u0433\u043e \u043c\u043e\u0434\u0435\u043b\u044c\u00a0\u043b\u0438\u0431\u043e \u043d\u0435\u00a0\u0441\u0442\u0430\u0440\u0442\u0443\u0435\u0442,\u00a0\u043b\u0438\u0431\u043e \u0441\u0432\u0430\u043b\u0438\u0432\u0430\u0435\u0442\u0441\u044f \u0432\u00a0\u043d\u0435\u043f\u043e\u0434\u0445\u043e\u0434\u044f\u0449\u0438\u0439 attention\u2011\u0431\u044d\u043a\u0435\u043d\u0434.<\/p>\n<p><strong>Prefix caching\u00a0\u2014 <\/strong><code><strong>--enable-prefix-caching<\/strong><\/code><strong>.<\/strong> \u0414\u043b\u044f\u00a0\u0430\u0433\u0435\u043d\u0442\u043d\u044b\u0445 \u043d\u0430\u0433\u0440\u0443\u0437\u043e\u043a \u043a\u0440\u0438\u0442\u0438\u0447\u043d\u043e. \u0420\u0435\u0441\u0451\u0440\u0447\u2011\u0430\u0433\u0435\u043d\u0442 \u0433\u043e\u043d\u044f\u0435\u0442 \u043e\u0434\u0438\u043d \u0438 \u0442\u043e\u0442\u00a0\u0436\u0435 \u0434\u043b\u0438\u043d\u043d\u044b\u0439 \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442 \u043f\u043e\u00a0\u043a\u0440\u0443\u0433\u0443 \u043c\u0435\u0436\u0434\u0443 \u0448\u0430\u0433\u0430\u043c\u0438. \u0411\u0435\u0437\u00a0\u043a\u044d\u0448\u0430 \u043a\u0430\u0436\u0434\u044b\u0439 \u0437\u0430\u043f\u0440\u043e\u0441 \u0437\u0430\u043d\u043e\u0432\u043e \u043f\u0440\u043e\u0433\u043e\u043d\u044f\u0435\u0442 prefill \u043d\u0430\u00a0\u0441\u043e\u0440\u043e\u043a \u0441\u00a0\u043b\u0438\u0448\u043d\u0438\u043c \u0442\u044b\u0441\u044f\u0447 \u0442\u043e\u043a\u0435\u043d\u043e\u0432, \u0438 \u043a\u043b\u0430\u0441\u0442\u0435\u0440 \u0437\u0430\u043d\u044f\u0442 \u043d\u0435\u00a0\u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u0435\u0439, \u0430\u00a0\u043f\u0435\u0440\u0435\u0436\u0451\u0432\u044b\u0432\u0430\u043d\u0438\u0435\u043c \u043e\u0434\u043d\u043e\u0433\u043e \u0438 \u0442\u043e\u0433\u043e\u00a0\u0436\u0435. \u0412\u00a0\u0431\u043e\u044e \u0434\u043e\u043b\u044f \u043f\u043e\u043f\u0430\u0434\u0430\u043d\u0438\u0439 \u0432\u00a0\u043a\u044d\u0448 \u0434\u043e\u0448\u043b\u0430 \u0434\u043e 88%\u00a0\u2014 \u043a\u00a0\u044d\u0442\u043e\u0439 \u0446\u0438\u0444\u0440\u0435 \u0432\u0435\u0440\u043d\u0451\u043c\u0441\u044f \u0432\u00a0\u0440\u0430\u0437\u0434\u0435\u043b\u0435 \u0441\u00a0\u043c\u0435\u0442\u0440\u0438\u043a\u0430\u043c\u0438.<\/p>\n<p><strong>\u0428\u0442\u0430\u0442\u043d\u0430\u044f MTP\u2011\u0441\u043f\u0435\u043a\u0443\u043b\u044f\u0446\u0438\u044f DeepSeek<\/strong> \u043d\u0430\u00a0\u043d\u0430\u0448\u0435\u0439 \u043d\u0430\u0433\u0440\u0443\u0437\u043a\u0435 \u0440\u0430\u0431\u043e\u0442\u0430\u043b\u0430: acceptance \u0434\u0435\u0440\u0436\u0430\u043b\u0441\u044f \u0432\u00a0\u0440\u0430\u0439\u043e\u043d\u0435 55\u201364%, \u0442\u043e \u0435\u0441\u0442\u044c \u0434\u0440\u0430\u0444\u0442\u0435\u0440 \u0443\u0433\u0430\u0434\u044b\u0432\u0430\u043b \u0437\u0430\u043c\u0435\u0442\u043d\u0443\u044e \u0447\u0430\u0441\u0442\u044c \u0442\u043e\u043a\u0435\u043d\u043e\u0432, \u0430\u00a0\u043d\u0435\u00a0\u043f\u0440\u043e\u0441\u0442\u043e \u0434\u043e\u0431\u0430\u0432\u043b\u044f\u043b \u043d\u0430\u043a\u043b\u0430\u0434\u043d\u044b\u0435 \u0440\u0430\u0441\u0445\u043e\u0434\u044b.<\/p>\n<p>\u041e\u0442\u0434\u0435\u043b\u044c\u043d\u043e \u043f\u0440\u043e\u00a0\u043f\u0440\u043e\u0432\u0435\u0440\u043a\u0443. \u041f\u043e\u0441\u043b\u0435 \u0441\u043c\u0435\u043d\u044b MoE\u2011 \u0438\u043b\u0438\u00a0attention\u2011\u043f\u0443\u0442\u0438 \u0441\u043c\u043e\u0442\u0440\u0435\u0442\u044c \u043d\u0430\u0434\u043e \u043d\u0435\u00a0\u043d\u0430\u00a0\u043a\u043e\u0434 \u043e\u0442\u0432\u0435\u0442\u0430, \u0430\u00a0\u043d\u0430\u00a0\u0435\u0433\u043e \u0441\u0432\u044f\u0437\u043d\u043e\u0441\u0442\u044c. \u041d\u0430\u0448 sanity\u2011check\u00a0\u0431\u044b\u043b \u043f\u0440\u0435\u0434\u0435\u043b\u044c\u043d\u043e \u043f\u0440\u043e\u0441\u0442\u044b\u043c: \u0441\u043f\u0440\u043e\u0441\u0438\u0442\u044c \u0441\u0442\u043e\u043b\u0438\u0446\u0443 \u0424\u0440\u0430\u043d\u0446\u0438\u0438 \u0438 \u0443\u0431\u0435\u0434\u0438\u0442\u044c\u0441\u044f, \u0447\u0442\u043e\u00a0\u0432\u00a0\u043e\u0442\u0432\u0435\u0442\u0435 \u041f\u0430\u0440\u0438\u0436. <code>curl<\/code> \u0432\u0435\u0440\u043d\u0451\u0442 200\u00a0\u0438 \u0442\u043e\u0433\u0434\u0430, \u043a\u043e\u0433\u0434\u0430 \u0447\u0438\u0441\u043b\u0435\u043d\u043d\u044b\u0439 \u043f\u0443\u0442\u044c \u0441\u043b\u043e\u043c\u0430\u043d, \u0430\u00a0\u043c\u043e\u0434\u0435\u043b\u044c \u0432\u044b\u0434\u0430\u0451\u0442 \u0433\u0440\u0430\u043c\u043c\u0430\u0442\u0438\u0447\u0435\u0441\u043a\u0438 \u043f\u0440\u0430\u0432\u0438\u043b\u044c\u043d\u044b\u0439, \u043d\u043e\u00a0\u0431\u0435\u0441\u0441\u043c\u044b\u0441\u043b\u0435\u043d\u043d\u044b\u0439 \u0442\u0435\u043a\u0441\u0442.<\/p>\n<figure class=\"full-width \"><img decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/3bf\/f4e\/fc8\/3bff4efc87f295e9f9714686fab603bb.png\" width=\"1600\" height=\"900\" sizes=\"auto, (max-width: 780px) 100vw, 50vw\" srcset=\"https:\/\/habrastorage.org\/r\/w780\/getpro\/habr\/upload_files\/3bf\/f4e\/fc8\/3bff4efc87f295e9f9714686fab603bb.png 780w,&#10;       https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/3bf\/f4e\/fc8\/3bff4efc87f295e9f9714686fab603bb.png 781w\" loading=\"lazy\" decode=\"async\"\/><\/figure>\n<\/div>\n<h3>TL;DR<\/h3>\n<ul>\n<li>\n<p><strong>\u0416\u0435\u043b\u0435\u0437\u043e:<\/strong> 2\u00d7 NVIDIA DGX Spark: GB10, Grace\u2011Blackwell, SM121, \u043f\u043e 128\u00a0\u0413\u0411 unified memory \u043d\u0430\u00a0\u043d\u043e\u0434\u0443, \u0441\u0432\u044f\u0437\u044c \u0447\u0435\u0440\u0435\u0437 QSFP 200G \/ RoCEv2\u00a0\/ RDMA.<\/p>\n<\/li>\n<li>\n<p><strong>\u041c\u043e\u0434\u0435\u043b\u044c:<\/strong> DeepSeek\u2011V4\u2011Flash\u00a0\u2014 <strong>284B total \/ ~13B active<\/strong> MoE: 256\u00a0\u044d\u043a\u0441\u043f\u0435\u0440\u0442\u043e\u0432, 6\u00a0\u0430\u043a\u0442\u0438\u0432\u043d\u044b\u0445 \u043d\u0430\u00a0\u0442\u043e\u043a\u0435\u043d + 1\u00a0shared, 43\u00a0\u0441\u043b\u043e\u044f, MLA attention, \u043d\u0430\u0442\u0438\u0432\u043d\u044b\u0435 FP8+MXFP4\u00a0\u0432\u0435\u0441\u0430. \u0412\u0430\u0436\u043d\u043e: <strong>284B\u00a0\u2014 \u044d\u0442\u043e Flash; 671B\u00a0\u2014 \u044d\u0442\u043e \u043f\u043e\u043b\u043d\u0430\u044f DeepSeek\u2011V4, \u043d\u0435\u00a0\u044d\u0442\u0430 \u043a\u043e\u043d\u0444\u0438\u0433\u0443\u0440\u0430\u0446\u0438\u044f.<\/strong><\/p>\n<\/li>\n<li>\n<p><strong>\u041f\u0430\u0440\u0430\u043b\u043b\u0435\u043b\u0438\u0437\u043c:<\/strong> tensor parallel <code>TP=2<\/code> \u043d\u0430\u00a0\u0434\u0432\u0435 \u043d\u043e\u0434\u044b.<\/p>\n<\/li>\n<li>\n<p><strong>\u0413\u043b\u0430\u0432\u043d\u044b\u0439 \u0444\u0438\u043a\u0441:<\/strong> <code>--max-num-seqs 1 \u2192 8<\/code>. \u0414\u043e\u00a0\u044d\u0442\u043e\u0433\u043e \u043b\u044e\u0431\u043e\u0439 \u0432\u0442\u043e\u0440\u043e\u0439 \u0437\u0430\u043f\u0440\u043e\u0441 \u0444\u0430\u043a\u0442\u0438\u0447\u0435\u0441\u043a\u0438 \u0432\u0441\u0442\u0430\u0432\u0430\u043b \u0432\u00a0\u043e\u0447\u0435\u0440\u0435\u0434\u044c.<\/p>\n<\/li>\n<li>\n<p><strong>\u0427\u0442\u043e\u00a0\u0440\u0435\u0430\u043b\u044c\u043d\u043e \u043f\u043e\u043c\u043e\u0433\u043b\u043e:<\/strong> <code>max-num-seqs<\/code>, sparse\u2011MLA path \u0434\u043b\u044f\u00a0SM121, prefix caching \u0438 \u0448\u0442\u0430\u0442\u043d\u0430\u044f MTP\u2011\u0441\u043f\u0435\u043a\u0443\u043b\u044f\u0446\u0438\u044f DeepSeek.<\/p>\n<\/li>\n<li>\n<p><strong>\u0427\u0442\u043e\u00a0\u043d\u0435\u00a0\u043f\u043e\u043c\u043e\u0433\u043b\u043e:<\/strong> MRV2, Expert Parallel \u043f\u043e\u0432\u0435\u0440\u0445 B12X MoE \u0438 \u0432\u043d\u0435\u0448\u043d\u0438\u0439 DFlash\u2011\u0434\u0440\u0430\u0444\u0442\u0435\u0440.<\/p>\n<\/li>\n<li>\n<p><strong>\u0411\u043e\u0435\u0432\u044b\u0435 \u0446\u0438\u0444\u0440\u044b:<\/strong> 220\u00a0\u0437\u0430\u043f\u0440\u043e\u0441\u043e\u0432 \u0437\u0430 2\u00a0\u0447\u0430\u0441\u0430, \u0441\u0440\u0435\u0434\u043d\u0438\u0439 prompt 42\u202f565\u00a0\u0442\u043e\u043a\u0435\u043d\u043e\u0432, \u043f\u0438\u043a 4\u00a0running \/ 0\u00a0waiting, KV\u2011cache \u0434\u043e 44.6%, peak aggregate 71\u00a0tok\/s, prefix\u2011cache hit 88%.<\/p>\n<\/li>\n<\/ul>\n<div class=\"floating-image\"><\/div>\n<h3>1. \u0417\u0430\u0447\u0435\u043c \u043c\u044b \u0432\u043e\u043e\u0431\u0449\u0435 \u043f\u043e\u043b\u0435\u0437\u043b\u0438 \u0432\u00a0\u044d\u0442\u043e \u0431\u043e\u043b\u043e\u0442\u043e<\/h3>\n<p>\u0423\u00a0\u043d\u0430\u0441 \u0435\u0441\u0442\u044c \u043a\u043b\u0430\u0441\u0442\u0435\u0440 \u0438\u0437\u00a0\u0434\u0432\u0443\u0445 DGX Spark. GB10\u00a0\u2014 \u044d\u0442\u043e \u043d\u0435\u00a0\u0434\u0430\u0442\u0430\u0446\u0435\u043d\u0442\u0440\u043e\u0432\u044b\u0439 Blackwell \u0443\u0440\u043e\u0432\u043d\u044f B200\/GB200, \u0430 \u00ab\u043d\u0430\u0441\u0442\u043e\u043b\u044c\u043d\u044b\u0439\u00bb Grace\u2011Blackwell \u0441\u00a0compute capability SM121\u00a0\u0438 unified memory: CPU \u0438 GPU \u0434\u0435\u043b\u044f\u0442 \u043e\u0434\u0438\u043d \u043f\u0443\u043b \u043f\u0430\u043c\u044f\u0442\u0438 \u043d\u0430 128\u00a0\u0413\u0411.<\/p>\n<p>Unified memory \u0442\u0443\u0442 \u043e\u0434\u043d\u043e\u0432\u0440\u0435\u043c\u0435\u043d\u043d\u043e \u0438 \u043f\u0440\u0438\u0447\u0438\u043d\u0430, \u043f\u043e\u00a0\u043a\u043e\u0442\u043e\u0440\u043e\u0439 \u0432\u0441\u0451 \u044d\u0442\u043e \u0432\u043e\u043e\u0431\u0449\u0435 \u0437\u0430\u0442\u0435\u0432\u0430\u043b\u043e\u0441\u044c, \u0438 \u0438\u0441\u0442\u043e\u0447\u043d\u0438\u043a \u0431\u043e\u043b\u044c\u0448\u0435\u0439 \u0447\u0430\u0441\u0442\u0438 \u0431\u043e\u043b\u0438. \u041f\u043b\u044e\u0441 \u043e\u0447\u0435\u0432\u0438\u0434\u0435\u043d: \u043a\u0440\u0443\u043f\u043d\u0430\u044f \u043c\u043e\u0434\u0435\u043b\u044c \u0432\u0438\u0434\u0438\u0442 \u0431\u043e\u043b\u044c\u0448\u043e\u0439 \u043e\u0431\u0449\u0438\u0439 \u043f\u0443\u043b \u0438 \u043d\u0435\u00a0\u0443\u043f\u0438\u0440\u0430\u0435\u0442\u0441\u044f \u0432\u00a0\u043f\u0440\u0438\u0432\u044b\u0447\u043d\u0443\u044e \u0441\u0442\u0435\u043d\u0443 \u00ab\u0441\u043a\u043e\u043b\u044c\u043a\u043e VRAM \u043d\u0430\u00a0\u043e\u0434\u043d\u043e\u0439 \u043a\u0430\u0440\u0442\u0435\u00bb. \u041c\u0438\u043d\u0443\u0441 \u0432\u0441\u043f\u043b\u044b\u0432\u0430\u0435\u0442 \u0447\u0443\u0442\u044c \u043f\u043e\u0437\u0436\u0435: \u0434\u043e\u0431\u0440\u0430\u044f \u043f\u043e\u043b\u043e\u0432\u0438\u043d\u0430 \u043e\u043f\u0442\u0438\u043c\u0438\u0437\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u0445 CUDA\u2011\u043a\u0435\u0440\u043d\u0435\u043b\u043e\u0432 \u0438 \u0433\u043e\u0442\u043e\u0432\u044b\u0445 \u043a\u043e\u043d\u0442\u0435\u0439\u043d\u0435\u0440\u043e\u0432 \u043f\u0438\u0441\u0430\u043b\u0430\u0441\u044c \u043f\u043e\u0434\u00a0\u0434\u0430\u0442\u0430\u0446\u0435\u043d\u0442\u0440\u043e\u0432\u044b\u0439 Blackwell, \u0438 \u043f\u0440\u043e\u00a0SM121\u00a0\u043e\u043d\u0438\u00a0\u043b\u0438\u0431\u043e \u043d\u0435\u00a0\u0437\u043d\u0430\u044e\u0442,\u00a0\u043b\u0438\u0431\u043e \u0437\u043d\u0430\u044e\u0442, \u043d\u043e\u00a0\u043a\u0440\u0438\u0432\u043e.<\/p>\n<p>\u0417\u0430\u0434\u0430\u0447\u0430\u00a0\u0431\u044b\u043b\u0430 \u0441\u0443\u0433\u0443\u0431\u043e \u043f\u0440\u0438\u043a\u043b\u0430\u0434\u043d\u0430\u044f: \u043f\u043e\u0434\u043d\u044f\u0442\u044c \u0441\u0438\u043b\u044c\u043d\u0443\u044e reasoning\u2011\u043c\u043e\u0434\u0435\u043b\u044c \u043a\u0430\u043a\u00a0\u043e\u0431\u0449\u0438\u0439 inference\u2011backend \u043d\u0430\u00a0\u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u043f\u043e\u0442\u0440\u0435\u0431\u0438\u0442\u0435\u043b\u0435\u0439. \u041e\u0442\u00a0\u043d\u0435\u0451 \u0445\u043e\u0442\u0435\u043b\u043e\u0441\u044c \u0441\u0440\u0430\u0437\u0443:<\/p>\n<ul>\n<li>\n<p>\u0430\u0433\u0435\u043d\u0442\u2011\u0440\u0435\u0441\u0451\u0440\u0447\u0435\u0440 \u0441\u00a0\u0434\u043b\u0438\u043d\u043d\u044b\u043c \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442\u043e\u043c;<\/p>\n<\/li>\n<li>\n<p>\u0438\u043d\u0442\u0435\u0440\u0430\u043a\u0442\u0438\u0432\u043d\u0443\u044e \u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u044e;<\/p>\n<\/li>\n<li>\n<p>\u043e\u0442\u0441\u0443\u0442\u0441\u0442\u0432\u0438\u0435 \u043e\u0447\u0435\u0440\u0435\u0434\u0438 \u043f\u0440\u0438\u00a0\u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u0438\u0445 \u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u0435\u043b\u044f\u0445;<\/p>\n<\/li>\n<li>\n<p>\u0441\u0432\u044f\u0437\u043d\u044b\u0435 \u043e\u0442\u0432\u0435\u0442\u044b, \u0430\u00a0\u043d\u0435\u00a0\u043f\u0440\u043e\u0441\u0442\u043e HTTP 200\u00a0\u043e\u0442 <code>\/v1\/chat\/completions<\/code>.<\/p>\n<\/li>\n<\/ul>\n<p>DeepSeek\u2011V4\u2011Flash \u043f\u043e\u0434\u00a0\u044d\u0442\u043e \u043f\u043e\u0434\u0445\u043e\u0434\u0438\u043b\u0430 \u043f\u043e\u0447\u0442\u0438 \u0438\u0434\u0435\u0430\u043b\u044c\u043d\u043e \u043d\u0430\u00a0\u0431\u0443\u043c\u0430\u0433\u0435: MoE \u0441 ~13B \u0430\u043a\u0442\u0438\u0432\u043d\u044b\u0445 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432 \u043d\u0430\u00a0\u0442\u043e\u043a\u0435\u043d, \u043a\u043e\u043c\u043f\u0430\u043a\u0442\u043d\u044b\u0439 KV \u0437\u0430\u00a0\u0441\u0447\u0451\u0442 MLA, \u0432\u0435\u0441\u0430 FP8+MXFP4\u00a0\u043f\u0440\u0438\u043c\u0435\u0440\u043d\u043e \u043d\u0430 149\u00a0\u0413\u0411 \u0438 MTP\u2011\u0441\u043f\u0435\u043a\u0443\u043b\u044f\u0446\u0438\u044f \u0438\u0437\u00a0\u043a\u043e\u0440\u043e\u0431\u043a\u0438. \u041e\u0441\u0442\u0430\u0432\u0430\u043b\u043e\u0441\u044c \u00ab\u0432\u0441\u0435\u0433\u043e\u00a0\u043b\u0438\u0448\u044c\u00bb \u0435\u0451 \u0437\u0430\u043f\u0443\u0441\u0442\u0438\u0442\u044c.<\/p>\n<div class=\"floating-image\"><\/div>\n<h3>2. \u041f\u043e\u0447\u0435\u043c\u0443 \u00ab\u043f\u0440\u043e\u0441\u0442\u043e \u043f\u043e\u0441\u0442\u0430\u0432\u0438\u0442\u044c vLLM\u00bb \u043d\u0435\u00a0\u043f\u043e\u043b\u0443\u0447\u0438\u043b\u043e\u0441\u044c<\/h3>\n<p>\u0413\u043b\u0430\u0432\u043d\u0430\u044f \u0437\u0430\u0441\u0430\u0434\u0430: upstream vLLM \u043d\u0430\u00a0\u0442\u043e\u0442 \u043c\u043e\u043c\u0435\u043d\u0442 \u043a\u00a0DeepSeek\u2011V4\u00a0\u043d\u0430\u00a0consumer Blackwell \u0433\u043e\u0442\u043e\u0432 \u043d\u0435\u00a0\u0431\u044b\u043b.<\/p>\n<p>\u0421\u0430\u043c\u0430 \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u0430 DeepSeek\u2011V4\u00a0\u0432\u00a0vLLM \u0443\u0436\u0435 \u0437\u0430\u0440\u0435\u0433\u0438\u0441\u0442\u0440\u0438\u0440\u043e\u0432\u0430\u043d\u0430\u00a0\u2014 model class, tokenizer\/parser, MTP \u0438 \u0441\u043e\u043f\u0443\u0442\u0441\u0442\u0432\u0443\u044e\u0449\u0438\u0435 \u043a\u0443\u0441\u043a\u0438 \u043d\u0430\u00a0\u043c\u0435\u0441\u0442\u0435. \u041d\u043e\u00a0\u0430\u043f\u043f\u0430\u0440\u0430\u0442\u043d\u044b\u0439 \u043f\u0443\u0442\u044c \u043f\u043e\u0434\u00a0V4\u00a0\u0437\u0430\u0442\u043e\u0447\u0435\u043d \u043f\u043e\u0434\u00a0\u0434\u0430\u0442\u0430\u0446\u0435\u043d\u0442\u0440: Hopper H200, Blackwell B200\/B300\/GB200, AMD MI355X. \u0412\u043d\u0443\u0442\u0440\u0438 \u0436\u0438\u0432\u0443\u0442 SM100-only \u043e\u043f\u0442\u0438\u043c\u0438\u0437\u0430\u0446\u0438\u0438: DeepGEMM, FlashMLA sparse, Lightning Indexer.<\/p>\n<p>\u041d\u0430\u00a0SM121\u00a0\u0432\u0441\u0451 \u044d\u0442\u043e \u0440\u0430\u0441\u0441\u044b\u043f\u0430\u0435\u0442\u0441\u044f. \u0412 <a href=\"https:\/\/github.com\/vllm-project\/vllm\/issues\/45317\" rel=\"noopener noreferrer nofollow\">vLLM issue #45317<\/a> \u0441\u0438\u043c\u043f\u0442\u043e\u043c\u0430\u0442\u0438\u043a\u0430 \u0432\u0438\u0434\u043d\u0430 \u043a\u0430\u043a\u00a0\u043d\u0430\u00a0\u043b\u0430\u0434\u043e\u043d\u0438: \u0432\u0441\u0435 MLA\u2011\u0431\u044d\u043a\u0435\u043d\u0434\u044b \u043f\u043e\u00a0\u043e\u0447\u0435\u0440\u0435\u0434\u0438 \u043e\u0442\u0432\u0435\u0440\u0433\u0430\u044e\u0442\u0441\u044f, \u0438 \u0432\u00a0\u043a\u043e\u043d\u0446\u0435 \u043f\u0440\u0438\u043b\u0435\u0442\u0430\u0435\u0442 \u043a\u043b\u0430\u0441\u0441\u0438\u043a\u0430:<\/p>\n<p>text<\/p>\n<pre><code>No valid attention backend found ... compute capability not supported<\/code><div class=\"code-explainer\"><a href=\"https:\/\/sourcecraft.dev\/\" class=\"tm-button code-explainer__link\" style=\"visibility: hidden;\"><img style=\"width:87px;height:14px;object-fit:cover;object-position:left;\"\/><\/a><\/div><\/pre>\n<p>\u0420\u0430\u0431\u043e\u0447\u0438\u0439 \u043f\u0443\u0442\u044c \u0434\u043b\u044f\u00a0GB10\u00a0\u043d\u0430\u00a0\u0441\u0435\u0433\u043e\u0434\u043d\u044f\u00a0\u2014 community\u2011\u0444\u043e\u0440\u043a <a href=\"https:\/\/github.com\/vllm-project\/vllm\/pull\/41834\" rel=\"noopener noreferrer nofollow\"><code>jasl\/vllm<\/code><\/a>, \u0433\u0434\u0435 \u0434\u043b\u044f\u00a0SM12x \u0434\u043e\u0431\u0430\u0432\u043b\u0435\u043d\u044b Triton fallback\u2011\u043a\u0435\u0440\u043d\u0435\u043b\u044b: sparse\u2011MLA, FP8\u00a0lightning\u2011indexer \u0438 \u0437\u0430\u043c\u0435\u043d\u0430 SM100\u2011DeepGEMM. \u041c\u044b \u0432\u0437\u044f\u043b\u0438 community\u2011\u043e\u0431\u0440\u0430\u0437 <code>aidendle94\/sparkrun-vllm-ds4-gb10<\/code> \u0438\u0437\u00a0\u044d\u0442\u043e\u0439\u00a0\u043b\u0438\u043d\u0438\u0438, vLLM <a href=\"http:\/\/0.21.1rc1.dev\" rel=\"noopener noreferrer nofollow\"><code>0.21.1rc1.dev<\/code><\/a>.<\/p>\n<p>NGC\u2011\u043a\u043e\u043d\u0442\u0435\u0439\u043d\u0435\u0440\u044b \u0442\u043e\u0436\u0435 \u043c\u0438\u043c\u043e: \u043e\u0431\u0440\u0430\u0437\u044b 26.03+ \u0442\u0440\u0435\u0431\u0443\u044e\u0442 \u0434\u0440\u0430\u0439\u0432\u0435\u0440 \u2265590, \u0430\u00a0\u043d\u0430\u00a0Spark \u0443\u00a0\u043d\u0430\u0441 \u0441\u0442\u043e\u044f\u043b 580. \u041d\u0430 590\u00a0\u043d\u0430\u0441 \u0432\u0441\u0442\u0440\u0435\u0442\u0438\u043b\u0438 UMA leak \u0438 CUDAGraph deadlock, \u0442\u0430\u043a \u0447\u0442\u043e\u00a0\u0434\u0440\u0430\u0439\u0432\u0435\u0440 \u043f\u0440\u0438\u0448\u043b\u043e\u0441\u044c \u043f\u0440\u0438\u0431\u0438\u0442\u044c \u0433\u0432\u043e\u0437\u0434\u044f\u043c\u0438 \u043a 580.<\/p>\n<figure class=\"full-width \"><img decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/7dc\/de4\/bbb\/7dcde4bbbce4551059ba731bc6703bef.png\" width=\"1600\" height=\"900\" sizes=\"auto, (max-width: 780px) 100vw, 50vw\" srcset=\"https:\/\/habrastorage.org\/r\/w780\/getpro\/habr\/upload_files\/7dc\/de4\/bbb\/7dcde4bbbce4551059ba731bc6703bef.png 780w,&#10;       https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/7dc\/de4\/bbb\/7dcde4bbbce4551059ba731bc6703bef.png 781w\" loading=\"lazy\" decode=\"async\"\/><\/figure>\n<div class=\"floating-image\">\n<p>\u0420\u0435\u0437\u044e\u043c\u0435: <strong>DeepSeek\u2011V4\u2011Flash \u043d\u0430\u00a0DGX Spark\u00a0\u2014 \u044d\u0442\u043e bleeding edge \u043d\u0430\u00a0\u043d\u0435\u0441\u043b\u0438\u0442\u043e\u043c PR.<\/strong> \u041e\u043d\u043e \u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442, \u043d\u043e\u00a0\u0442\u043e\u043b\u044c\u043a\u043e \u0435\u0441\u043b\u0438 \u0434\u0435\u0440\u0436\u0438\u0448\u044c \u0432\u00a0\u0433\u043e\u043b\u043e\u0432\u0435, \u043a\u0430\u043a\u0438\u0435 \u043f\u0443\u0442\u0438 \u0438\u0441\u043f\u043e\u043b\u043d\u0435\u043d\u0438\u044f \u043d\u0430\u00a0SM121\u00a0\u0440\u0435\u0430\u043b\u044c\u043d\u043e \u0434\u043e\u0441\u0442\u0443\u043f\u043d\u044b, \u0430\u00a0\u043a\u0430\u043a\u0438\u0435\u00a0\u043b\u0438\u0448\u044c \u0434\u0435\u043b\u0430\u044e\u0442 \u0432\u0438\u0434. <\/p>\n<\/div>\n<h3>3. \u0422\u0440\u0438 \u0442\u0443\u043f\u0438\u043a\u0430 \u0441\u043f\u0435\u043a\u0443\u043b\u044f\u0442\u0438\u0432\u043d\u043e\u0433\u043e \u0434\u0435\u043a\u043e\u0434\u0438\u043d\u0433\u0430<\/h3>\n<p>\u041c\u044b \u0445\u043e\u0442\u0435\u043b\u0438 \u0440\u0430\u0437\u043e\u0433\u043d\u0430\u0442\u044c single\u2011stream \u0438 \u043f\u043e\u00a0\u0434\u043e\u0440\u043e\u0433\u0435 \u0441\u043d\u044f\u0442\u044c \u00ab\u0431\u0435\u0441\u043f\u043b\u0430\u0442\u043d\u044b\u0439\u00bb \u043f\u0440\u0438\u0440\u043e\u0441\u0442 \u0441\u043e \u0441\u0432\u0435\u0436\u0438\u0445 \u043e\u043f\u0442\u0438\u043c\u0438\u0437\u0430\u0446\u0438\u0439. \u0421\u043d\u044f\u043b\u0438 \u0432\u043c\u0435\u0441\u0442\u043e \u044d\u0442\u043e\u0433\u043e \u0442\u0440\u0438 \u0442\u0443\u043f\u0438\u043a\u0430. \u041a\u0430\u0436\u0434\u044b\u0439 \u0441\u043a\u0443\u0448\u0430\u043b \u0432\u0440\u0435\u043c\u044f\u00a0\u2014 \u043d\u043e\u00a0\u043a\u0430\u0436\u0434\u044b\u0439 \u0438 \u043f\u043e\u043a\u0430\u0437\u0430\u043b, \u043a\u0430\u043a\u00a0\u043d\u0430\u00a0\u044d\u0442\u043e\u043c\u00a0\u0436\u0435\u043b\u0435\u0437\u0435 \u0440\u0435\u0430\u043b\u044c\u043d\u043e \u0443\u0441\u0442\u0440\u043e\u0435\u043d \u0438\u0441\u043f\u043e\u043b\u043d\u0438\u0442\u0435\u043b\u044c\u043d\u044b\u0439 \u043f\u0443\u0442\u044c.<\/p>\n<figure class=\"full-width \"><img decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/525\/e6f\/6fa\/525e6f6fa93b1573ef2ec6af34c43f63.png\" width=\"1600\" height=\"900\" sizes=\"auto, (max-width: 780px) 100vw, 50vw\" srcset=\"https:\/\/habrastorage.org\/r\/w780\/getpro\/habr\/upload_files\/525\/e6f\/6fa\/525e6f6fa93b1573ef2ec6af34c43f63.png 780w,&#10;       https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/525\/e6f\/6fa\/525e6f6fa93b1573ef2ec6af34c43f63.png 781w\" loading=\"lazy\" decode=\"async\"\/><\/figure>\n<h4>\u0422\u0443\u043f\u0438\u043a 1. Model Runner V2\u00a0+ reasoning<\/h4>\n<p>Model Runner V2\u00a0\u2014 \u043d\u043e\u0432\u044b\u0439 execution layer vLLM: GPU\u2011native Triton kernels, async scheduling, \u0430\u043a\u043a\u0443\u0440\u0430\u0442\u043d\u0435\u0435 \u0440\u0430\u0431\u043e\u0442\u0430 \u0441\u00a0KV \u0438 \u043e\u0431\u0435\u0449\u0430\u043d\u043d\u044b\u0439 \u043f\u0440\u0438\u0440\u043e\u0441\u0442 throughput. \u0412\u043a\u043b\u044e\u0447\u0430\u0435\u0442\u0441\u044f \u043f\u0435\u0440\u0435\u043c\u0435\u043d\u043d\u043e\u0439 \u043e\u043a\u0440\u0443\u0436\u0435\u043d\u0438\u044f:<\/p>\n<p>bash<\/p>\n<pre><code>VLLM_USE_V2_MODEL_RUNNER=1<\/code><div class=\"code-explainer\"><a href=\"https:\/\/sourcecraft.dev\/\" class=\"tm-button code-explainer__link\" style=\"visibility: hidden;\"><img style=\"width:14px;height:14px;object-fit:cover;object-position:left;\"\/><\/a><\/div><\/pre>\n<p>\u041d\u0430\u00a0\u043d\u0430\u0448\u0435\u0439 \u0441\u0431\u043e\u0440\u043a\u0435 \u0441\u00a0reasoning\u2011\u043c\u043e\u0434\u0435\u043b\u044c\u044e vLLM \u043f\u0430\u0434\u0430\u043b \u043f\u0440\u044f\u043c\u043e \u043d\u0430\u00a0\u0441\u0442\u0430\u0440\u0442\u0435:<\/p>\n<p>text<\/p>\n<pre><code>pydantic ValidationError:VLLM_USE_V2_MODEL_RUNNER does not yet support: reasoning budget enforcement<\/code><div class=\"code-explainer\"><a href=\"https:\/\/sourcecraft.dev\/\" class=\"tm-button code-explainer__link\" style=\"visibility: hidden;\"><img style=\"width:14px;height:14px;object-fit:cover;object-position:left;\"\/><\/a><\/div><\/pre>\n<p>\u0421\u0430\u043c\u043e\u0435 \u0438\u043d\u0442\u0435\u0440\u0435\u0441\u043d\u043e\u0435 \u0442\u0443\u0442 \u0434\u0430\u0436\u0435 \u043d\u0435\u00a0\u0442\u0435\u043a\u0441\u0442 \u043e\u0448\u0438\u0431\u043a\u0438. \u0414\u043b\u044f\u00a0DeepSeek\u2011V4\u00a0MRV2\u00a0\u0432\u00a0\u043f\u0440\u0438\u043d\u0446\u0438\u043f\u0435 \u043d\u0435\u00a0\u044f\u0432\u043b\u044f\u0435\u0442\u0441\u044f \u043e\u0431\u044f\u0437\u0430\u0442\u0435\u043b\u044c\u043d\u044b\u043c \u043f\u0443\u0442\u0451\u043c: \u0442\u0430\u043a\u0438\u0435 MoE\/MLA\u2011\u043c\u043e\u0434\u0435\u043b\u0438 vLLM \u0432\u0441\u0451 \u0440\u0430\u0432\u043d\u043e \u0443\u0432\u043e\u0434\u0438\u0442 \u043d\u0430\u00a0Model Runner v1. \u0422\u043e \u0435\u0441\u0442\u044c \u0434\u0430\u0436\u0435 \u0433\u0438\u043f\u043e\u0442\u0435\u0442\u0438\u0447\u0435\u0441\u043a\u0438 \u0443\u0434\u0430\u0447\u043d\u044b\u0439 \u0437\u0430\u043f\u0443\u0441\u043a \u043d\u0435\u00a0\u0434\u0430\u043b\u00a0\u0431\u044b \u0442\u043e\u0433\u043e \u043f\u0440\u0438\u0440\u043e\u0441\u0442\u0430, \u0440\u0430\u0434\u0438 \u043a\u043e\u0442\u043e\u0440\u043e\u0433\u043e \u043c\u044b \u0442\u0443\u0434\u0430 \u043f\u043e\u043b\u0435\u0437\u043b\u0438. \u041c\u043e\u0440\u0430\u043b\u044c \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0443\u0435\u043c\u0430\u044f: \u00ab\u0443\u0441\u043a\u043e\u0440\u044f\u044e\u0449\u0430\u044f\u00bb \u0444\u0438\u0447\u0430 \u0438\u0437\u00a0\u0447\u0435\u0439\u043d\u0434\u0436\u043b\u043e\u0433\u0430 \u043d\u0435\u00a0\u043e\u0431\u044f\u0437\u0430\u043d\u0430 \u0438\u043c\u0435\u0442\u044c \u043e\u0442\u043d\u043e\u0448\u0435\u043d\u0438\u0435 \u043a\u00a0\u0442\u0432\u043e\u0435\u0439 \u043a\u043e\u043d\u043a\u0440\u0435\u0442\u043d\u043e\u0439 \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u0435.<\/p>\n<h4>\u0422\u0443\u043f\u0438\u043a 2. Expert Parallel + B12X MoE<\/h4>\n<p>\u0414\u043b\u044f\u00a0MoE \u0440\u0443\u043a\u0430 \u0441\u0430\u043c\u0430 \u0442\u044f\u043d\u0435\u0442\u0441\u044f \u0432\u043a\u043b\u044e\u0447\u0438\u0442\u044c Expert Parallel:<\/p>\n<p>bash<\/p>\n<pre><code>--enable-expert-parallel<\/code><div class=\"code-explainer\"><a href=\"https:\/\/sourcecraft.dev\/\" class=\"tm-button code-explainer__link\" style=\"visibility: hidden;\"><img style=\"width:14px;height:14px;object-fit:cover;object-position:left;\"\/><\/a><\/div><\/pre>\n<p>\u041d\u0430\u00a0\u043d\u0430\u0448\u0435\u0439 \u043a\u043e\u043d\u0444\u0438\u0433\u0443\u0440\u0430\u0446\u0438\u0438 \u044d\u0442\u043e \u043b\u0435\u0433\u043b\u043e \u0442\u0430\u043a:<\/p>\n<p>text<\/p>\n<pre><code>ValueError: Mxfp4 MoE backend 'B12X' does not support ... ep_size=2 ... use_ep=True<\/code><div class=\"code-explainer\"><a href=\"https:\/\/sourcecraft.dev\/\" class=\"tm-button code-explainer__link\" style=\"visibility: hidden;\"><img style=\"width:14px;height:14px;object-fit:cover;object-position:left;\"\/><\/a><\/div><\/pre>\n<p>B12X MoE\u2011\u043a\u0435\u0440\u043d\u0435\u043b\u00a0\u2014 \u044d\u0442\u043e \u0442\u043e\u0442 \u0441\u0430\u043c\u044b\u0439 fallback \u0434\u043b\u044f\u00a0SM121, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u0432\u00a0\u043d\u0430\u0448\u0435\u043c \u0441\u043b\u0443\u0447\u0430\u0435 \u043e\u0442\u0432\u0435\u0447\u0430\u0435\u0442 \u0437\u0430\u00a0\u0447\u0438\u0441\u043b\u0435\u043d\u043d\u0443\u044e \u043a\u043e\u0440\u0440\u0435\u043a\u0442\u043d\u043e\u0441\u0442\u044c. \u0411\u0435\u0437\u00a0\u043d\u0435\u0433\u043e \u043f\u043e\u0441\u043b\u0435\u0434\u043d\u0438\u0439 MoE\u2011\u0441\u043b\u043e\u0439 \u0443\u043c\u0435\u0435\u0442 \u0432\u044b\u0434\u0430\u0432\u0430\u0442\u044c \u0433\u0440\u0430\u043c\u043c\u0430\u0442\u0438\u0447\u0435\u0441\u043a\u0438 \u0431\u0435\u0437\u0443\u043f\u0440\u0435\u0447\u043d\u044b\u0439, \u043d\u043e\u00a0\u0430\u0431\u0441\u043e\u043b\u044e\u0442\u043d\u043e \u0431\u0435\u0441\u0441\u043c\u044b\u0441\u043b\u0435\u043d\u043d\u044b\u0439 \u0442\u0435\u043a\u0441\u0442. \u0410\u00a0\u0441\u00a0Expert Parallel \u043e\u043d \u043d\u0435\u00a0\u0434\u0440\u0443\u0436\u0438\u0442: community\u2011\u0434\u0435\u043f\u043b\u043e\u0438 \u0441\u00a0EP \u043e\u0431\u044b\u0447\u043d\u043e \u0438\u0434\u0443\u0442 \u0447\u0435\u0440\u0435\u0437 native DeepGEMM path, \u043a\u043e\u0442\u043e\u0440\u043e\u0433\u043e \u043d\u0430\u00a0\u043d\u0430\u0448\u0435\u043c SM121\u00a0\u043f\u043e\u043f\u0440\u043e\u0441\u0442\u0443 \u043d\u0435\u0442.<\/p>\n<p>\u0412\u044b\u0431\u043e\u0440 \u043e\u043a\u0430\u0437\u0430\u043b\u0441\u044f \u0431\u0438\u043d\u0430\u0440\u043d\u044b\u0439:\u00a0\u043b\u0438\u0431\u043e EP,\u00a0\u043b\u0438\u0431\u043e \u043e\u0442\u0432\u0435\u0442\u044b, \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u0447\u0442\u043e\u2011\u0442\u043e \u0437\u043d\u0430\u0447\u0430\u0442. \u041c\u044b \u0432\u044b\u0431\u0440\u0430\u043b\u0438 \u0432\u0442\u043e\u0440\u043e\u0435.<\/p>\n<h4>\u0422\u0443\u043f\u0438\u043a 3. DFlash\u2011\u0434\u0440\u0430\u0444\u0442\u0435\u0440, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u043f\u0435\u0440\u0435\u0437\u0430\u043b\u0438\u043b\u0438 \u00ab\u0432\u0447\u0435\u0440\u0430\u00bb<\/h4>\n<p>\u041f\u0430\u0440\u0430\u043b\u043b\u0435\u043b\u044c\u043d\u043e \u043c\u044b \u043f\u0440\u043e\u0431\u043e\u0432\u0430\u043b\u0438 \u0440\u0430\u0437\u043e\u0433\u043d\u0430\u0442\u044c \u0447\u0435\u0440\u0435\u0437 \u0432\u043d\u0435\u0448\u043d\u0438\u0439 DFlash\u2011\u0434\u0440\u0430\u0444\u0442\u0435\u0440 \u0441\u043e\u0441\u0435\u0434\u043d\u044e\u044e \u043c\u043e\u0434\u0435\u043b\u044c \u0442\u043e\u0433\u043e\u00a0\u0436\u0435 \u043a\u043b\u0430\u0441\u0442\u0435\u0440\u0430. \u0417\u0430\u043f\u0443\u0441\u043a \u043f\u0430\u0434\u0430\u043b \u043d\u0430\u00a0assert:<\/p>\n<p>text<\/p>\n<pre><code>unify_kv_cache_spec_page_size<\/code><div class=\"code-explainer\"><a href=\"https:\/\/sourcecraft.dev\/\" class=\"tm-button code-explainer__link\" style=\"visibility: hidden;\"><img style=\"width:14px;height:14px;object-fit:cover;object-position:left;\"\/><\/a><\/div><\/pre>\n<p>\u0420\u0430\u0441\u043a\u043e\u043f\u043a\u0438 \u043f\u043e\u043a\u0430\u0437\u0430\u043b\u0438, \u0447\u0442\u043e\u00a0\u043c\u0435\u0439\u043d\u0442\u0435\u0439\u043d\u0435\u0440 \u043f\u0435\u0440\u0435\u0437\u0430\u043b\u0438\u043b \u0434\u0440\u0430\u0444\u0442\u0435\u0440 \u0441\u00a0\u0434\u0440\u0443\u0433\u043e\u0439 head\u2011\u0433\u0435\u043e\u043c\u0435\u0442\u0440\u0438\u0435\u0439: 64\u00a0\u041a\u0438\u0411 \u043d\u0430\u00a0\u0431\u043b\u043e\u043a \u043f\u0440\u043e\u0442\u0438\u0432 32\u00a0\u041a\u0438\u0411 \u0443\u00a0target\u2011\u043c\u043e\u0434\u0435\u043b\u0438. \u0421\u0442\u0430\u0440\u044b\u0439 \u0434\u0440\u0430\u0444\u0442\u0435\u0440 \u0440\u0430\u0431\u043e\u0442\u0430\u043b, \u043d\u043e\u0432\u044b\u0439\u00a0\u2014 \u043d\u0435\u0442, \u0438 \u043c\u0435\u0436\u0434\u0443 \u044d\u0442\u0438\u043c\u0438 \u0434\u0432\u0443\u043c\u044f \u0441\u043e\u0441\u0442\u043e\u044f\u043d\u0438\u044f\u043c\u0438 \u043d\u0435\u00a0\u0431\u044b\u043b\u043e \u043d\u0438\u0447\u0435\u0433\u043e, \u043a\u0440\u043e\u043c\u0435 \u043c\u043e\u043b\u0447\u0430\u043b\u0438\u0432\u043e\u0433\u043e \u0430\u043f\u0434\u0435\u0439\u0442\u0430 \u0432\u00a0\u0440\u0435\u043f\u043e\u0437\u0438\u0442\u043e\u0440\u0438\u0438.<\/p>\n<p>\u041e\u0442\u0441\u044e\u0434\u0430 \u043f\u0440\u043e\u0441\u0442\u043e\u0439 \u0432\u044b\u0432\u043e\u0434 \u043d\u0430\u00a0\u0431\u0443\u0434\u0443\u0449\u0435\u0435: \u0432\u043d\u0435\u0448\u043d\u0438\u0439 \u0434\u0440\u0430\u0444\u0442\u0435\u0440\u00a0\u2014 \u044d\u0442\u043e \u043d\u0435 \u00ab\u043c\u0430\u043b\u0435\u043d\u044c\u043a\u0430\u044f \u043c\u043e\u0434\u0435\u043b\u044c \u0433\u0434\u0435\u2011\u0442\u043e \u0440\u044f\u0434\u043e\u043c\u00bb, \u0430\u00a0\u043f\u043e\u043b\u043d\u043e\u0446\u0435\u043d\u043d\u0430\u044f \u0437\u0430\u0432\u0438\u0441\u0438\u043c\u043e\u0441\u0442\u044c, \u043a\u043e\u0442\u043e\u0440\u0443\u044e \u043c\u043e\u0433\u0443\u0442 \u0442\u0438\u0445\u043e \u043e\u0431\u043d\u043e\u0432\u0438\u0442\u044c \u0438 \u0441\u043b\u043e\u043c\u0430\u0442\u044c. \u0412\u00a0production \u0435\u0433\u043e \u043d\u0443\u0436\u043d\u043e \u043f\u0438\u043d\u043e\u0432\u0430\u0442\u044c \u043f\u043e\u00a0\u0440\u0435\u0432\u0438\u0437\u0438\u0438, \u043a\u0430\u043a\u00a0\u043b\u044e\u0431\u043e\u0439 \u0434\u0440\u0443\u0433\u043e\u0439 \u0430\u0440\u0442\u0435\u0444\u0430\u043a\u0442, \u043e\u0442\u00a0\u043a\u043e\u0442\u043e\u0440\u043e\u0433\u043e \u0442\u044b \u0437\u0430\u0432\u0438\u0441\u0438\u0448\u044c.<\/p>\n<h3>4. \u0427\u0442\u043e\u00a0\u0440\u0435\u0430\u043b\u044c\u043d\u043e \u0441\u0440\u0430\u0431\u043e\u0442\u0430\u043b\u043e<\/h3>\n<p>\u041f\u043e\u0441\u043b\u0435 \u0432\u0441\u0435\u0445 \u0442\u0443\u043f\u0438\u043a\u043e\u0432 \u0432\u00a0\u0441\u0443\u0445\u043e\u043c \u043e\u0441\u0442\u0430\u0442\u043a\u0435 \u043e\u043a\u0430\u0437\u0430\u043b\u0438\u0441\u044c \u0441\u043a\u0443\u0447\u043d\u044b\u0435, \u0437\u0430\u0442\u043e \u0440\u0430\u0431\u043e\u0442\u0430\u044e\u0449\u0438\u0435 \u0438\u0437\u043c\u0435\u043d\u0435\u043d\u0438\u044f.<\/p>\n<h4>4.1. max\u2011num\u2011seqs 1\u00a0\u2192 8<\/h4>\n<p>\u0422\u043e\u0442 \u0441\u0430\u043c\u044b\u0439 \u0433\u043b\u0430\u0432\u043d\u044b\u0439 \u0444\u0438\u043a\u0441.<\/p>\n<p>\u041c\u044b \u0434\u0435\u0440\u0436\u0430\u043b\u0438:<\/p>\n<p>bash<\/p>\n<pre><code>--max-num-seqs 1<\/code><div class=\"code-explainer\"><a href=\"https:\/\/sourcecraft.dev\/\" class=\"tm-button code-explainer__link\" style=\"visibility: hidden;\"><img style=\"width:14px;height:14px;object-fit:cover;object-position:left;\"\/><\/a><\/div><\/pre>\n<p>\u0412\u00a0\u043f\u0435\u0440\u0435\u0432\u043e\u0434\u0435 \u043d\u0430\u00a0\u0447\u0435\u043b\u043e\u0432\u0435\u0447\u0435\u0441\u043a\u0438\u0439 \u044d\u0442\u043e \u0437\u043d\u0430\u0447\u0438\u043b\u043e: \u0432\u00a0\u0440\u0430\u043d\u0442\u0430\u0439\u043c\u0435 \u043e\u0434\u043d\u043e\u0432\u0440\u0435\u043c\u0435\u043d\u043d\u043e \u0436\u0438\u0432\u0451\u0442 \u0440\u043e\u0432\u043d\u043e \u043e\u0434\u0438\u043d \u0437\u0430\u043f\u0440\u043e\u0441. \u041b\u044e\u0431\u043e\u0439 \u0432\u0442\u043e\u0440\u043e\u0439 \u0437\u0430\u043f\u0440\u043e\u0441 \u0432\u0441\u0442\u0430\u0432\u0430\u043b \u0432\u00a0\u043e\u0447\u0435\u0440\u0435\u0434\u044c, \u0430\u00a0\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u0435\u043b\u044c \u043b\u044e\u0431\u043e\u0432\u0430\u043b\u0441\u044f TTFT \u0432 14\u201315\u00a0\u0441\u0435\u043a\u0443\u043d\u0434.<\/p>\n<p>\u041f\u043e\u0441\u043b\u0435 \u043f\u0435\u0440\u0435\u0445\u043e\u0434\u0430 \u043d\u0430:<\/p>\n<p>bash<\/p>\n<pre><code>--max-num-seqs 8<\/code><div class=\"code-explainer\"><a href=\"https:\/\/sourcecraft.dev\/\" class=\"tm-button code-explainer__link\" style=\"visibility: hidden;\"><img style=\"width:14px;height:14px;object-fit:cover;object-position:left;\"\/><\/a><\/div><\/pre>\n<p>\u043f\u043e\u044f\u0432\u0438\u043b\u0430\u0441\u044c \u043d\u0430\u0441\u0442\u043e\u044f\u0449\u0430\u044f \u043f\u0430\u0440\u0430\u043b\u043b\u0435\u043b\u044c\u043d\u043e\u0441\u0442\u044c\u00a0\u2014 \u043d\u0435\u00a0\u0442\u0430, \u0447\u0442\u043e\u00a0\u043a\u0440\u0430\u0441\u0438\u0432\u043e \u0432\u044b\u0433\u043b\u044f\u0434\u0438\u0442 \u043d\u0430\u00a0\u0433\u0440\u0430\u0444\u0438\u043a\u0435, \u0430\u00a0\u043d\u043e\u0440\u043c\u0430\u043b\u044c\u043d\u044b\u0439 multi\u2011user: \u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u0437\u0430\u043f\u0440\u043e\u0441\u043e\u0432 \u0438\u0434\u0443\u0442 \u043e\u0434\u043d\u043e\u0432\u0440\u0435\u043c\u0435\u043d\u043d\u043e, \u043e\u0447\u0435\u0440\u0435\u0434\u044c \u043d\u0435\u00a0\u0440\u0430\u0441\u0442\u0451\u0442, latency \u0441\u0442\u0430\u043d\u043e\u0432\u0438\u0442\u0441\u044f \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0443\u0435\u043c\u044b\u043c.<\/p>\n<h4>4.2. Sparse\u2011MLA \u0434\u043b\u044f\u00a0SM121<\/h4>\n<p>\u0412\u0442\u043e\u0440\u043e\u0439 \u0432\u0430\u0436\u043d\u044b\u0439 \u0444\u043b\u0430\u0433:<\/p>\n<p>bash<\/p>\n<pre><code>VLLM_TRITON_MLA_SPARSE=1<\/code><div class=\"code-explainer\"><a href=\"https:\/\/sourcecraft.dev\/\" class=\"tm-button code-explainer__link\" style=\"visibility: hidden;\"><img style=\"width:14px;height:14px;object-fit:cover;object-position:left;\"\/><\/a><\/div><\/pre>\n<p>\u041e\u043d \u0432\u043a\u043b\u044e\u0447\u0430\u0435\u0442 sparse\u2011MLA path, \u0437\u0430\u0442\u043e\u0447\u0435\u043d\u043d\u044b\u0439 \u0438\u043c\u0435\u043d\u043d\u043e \u043f\u043e\u0434\u00a0\u044d\u0442\u0443 SM121-\u043b\u0438\u043d\u0438\u044e. \u0411\u0435\u0437\u00a0\u043d\u0435\u0433\u043e \u043c\u043e\u0434\u0435\u043b\u044c\u00a0\u043b\u0438\u0431\u043e \u043d\u0435\u00a0\u0441\u0442\u0430\u0440\u0442\u0443\u0435\u0442 \u0432\u043e\u0432\u0441\u0435,\u00a0\u043b\u0438\u0431\u043e \u0441\u0432\u0430\u043b\u0438\u0432\u0430\u0435\u0442\u0441\u044f \u0432\u00a0\u043d\u0435\u043f\u043e\u0434\u0445\u043e\u0434\u044f\u0449\u0438\u0439 attention backend.<\/p>\n<h4>4.3. Prefix caching<\/h4>\n<p>\u0414\u043b\u044f\u00a0\u0430\u0433\u0435\u043d\u0442\u043d\u044b\u0445 \u043d\u0430\u0433\u0440\u0443\u0437\u043e\u043a\u00a0\u2014 \u0431\u0435\u0437\u00a0\u043f\u0440\u0435\u0443\u0432\u0435\u043b\u0438\u0447\u0435\u043d\u0438\u044f \u043a\u0440\u0438\u0442\u0438\u0447\u043d\u043e:<\/p>\n<p>bash<\/p>\n<pre><code>--enable-prefix-caching<\/code><div class=\"code-explainer\"><a href=\"https:\/\/sourcecraft.dev\/\" class=\"tm-button code-explainer__link\" style=\"visibility: hidden;\"><img style=\"width:14px;height:14px;object-fit:cover;object-position:left;\"\/><\/a><\/div><\/pre>\n<p>\u0420\u0435\u0441\u0451\u0440\u0447\u2011\u0430\u0433\u0435\u043d\u0442 \u0433\u043e\u043d\u044f\u0435\u0442 \u043e\u0434\u0438\u043d \u0438 \u0442\u043e\u0442\u00a0\u0436\u0435 \u0434\u043b\u0438\u043d\u043d\u044b\u0439 \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442 \u043c\u0435\u0436\u0434\u0443 \u0448\u0430\u0433\u0430\u043c\u0438 \u043f\u043e\u00a0\u043a\u0440\u0443\u0433\u0443. \u0415\u0441\u043b\u0438 \u043a\u0430\u0436\u0434\u044b\u0439 \u0440\u0430\u0437 \u0437\u0430\u043d\u043e\u0432\u043e \u043f\u0440\u043e\u0433\u043e\u043d\u044f\u0442\u044c prefill \u043d\u0430 40K+ \u0442\u043e\u043a\u0435\u043d\u043e\u0432, \u043a\u043b\u0430\u0441\u0442\u0435\u0440 \u0431\u0443\u0434\u0435\u0442 \u0437\u0430\u043d\u044f\u0442 \u043d\u0435\u00a0\u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u0435\u0439, \u0430\u00a0\u0431\u0435\u0441\u043a\u043e\u043d\u0435\u0447\u043d\u044b\u043c \u043f\u0435\u0440\u0435\u0436\u0451\u0432\u044b\u0432\u0430\u043d\u0438\u0435\u043c \u043e\u0434\u043d\u043e\u0433\u043e \u0438 \u0442\u043e\u0433\u043e\u00a0\u0436\u0435 \u043f\u0440\u043e\u043c\u043f\u0442\u0430.<\/p>\n<p>\u0412\u00a0\u0431\u043e\u044e prefix\u2011cache hit \u0434\u043e\u0448\u0451\u043b \u0434\u043e 88%\u00a0\u2014 \u043a\u00a0\u044d\u0442\u043e\u0439 \u0446\u0438\u0444\u0440\u0435 \u043c\u044b \u0435\u0449\u0451 \u0432\u0435\u0440\u043d\u0451\u043c\u0441\u044f \u0432\u00a0\u0440\u0430\u0437\u0434\u0435\u043b\u0435 \u0441\u00a0\u043c\u0435\u0442\u0440\u0438\u043a\u0430\u043c\u0438.<\/p>\n<h4>4.4. \u0428\u0442\u0430\u0442\u043d\u0430\u044f MTP\u2011\u0441\u043f\u0435\u043a\u0443\u043b\u044f\u0446\u0438\u044f DeepSeek<\/h4>\n<p>MTP \u0443\u00a0DeepSeek\u2011V4\u2011Flash \u043d\u0430\u00a0\u043d\u0430\u0448\u0435\u0439 \u043d\u0430\u0433\u0440\u0443\u0437\u043a\u0435 \u043e\u043a\u0430\u0437\u0430\u043b\u0441\u044f \u0432\u043f\u043e\u043b\u043d\u0435 \u0436\u0438\u0432\u044b\u043c: acceptance rate \u0434\u0435\u0440\u0436\u0430\u043b\u0441\u044f \u0432\u00a0\u0440\u0430\u0439\u043e\u043d\u0435 55\u201364%. \u0422\u043e \u0435\u0441\u0442\u044c \u0434\u0440\u0430\u0444\u0442\u0435\u0440 \u0443\u0433\u0430\u0434\u044b\u0432\u0430\u043b \u0437\u0430\u043c\u0435\u0442\u043d\u0443\u044e \u0447\u0430\u0441\u0442\u044c \u0431\u0443\u0434\u0443\u0449\u0438\u0445 \u0442\u043e\u043a\u0435\u043d\u043e\u0432, \u0430\u00a0\u043d\u0435\u00a0\u043f\u0440\u043e\u0441\u0442\u043e \u0434\u043e\u0431\u0430\u0432\u043b\u044f\u043b overhead \u0440\u0430\u0434\u0438 \u0433\u0430\u043b\u043e\u0447\u043a\u0438.<\/p>\n<p>\u041e\u0434\u0438\u043d \u043d\u044e\u0430\u043d\u0441, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u043b\u0435\u0433\u043a\u043e \u0437\u0430\u0431\u044b\u0442\u044c: \u043f\u043e\u0441\u043b\u0435 \u0441\u043c\u0435\u043d\u044b MoE\/attention\u2011\u043f\u0443\u0442\u0438 \u043f\u0440\u043e\u0432\u0435\u0440\u044f\u0442\u044c \u043d\u0430\u0434\u043e \u043d\u0435\u00a0HTTP\u2011\u043a\u043e\u0434, \u0430\u00a0\u0441\u0432\u044f\u0437\u043d\u043e\u0441\u0442\u044c \u043e\u0442\u0432\u0435\u0442\u0430. \u0423\u00a0\u043d\u0430\u0441 sanity check\u00a0\u0431\u044b\u043b \u043c\u0430\u043a\u0441\u0438\u043c\u0430\u043b\u044c\u043d\u043e \u0442\u0443\u043f\u043e\u0439:<\/p>\n<p>text<\/p>\n<pre><code>\u0412\u043e\u043f\u0440\u043e\u0441: \u0441\u0442\u043e\u043b\u0438\u0446\u0430 \u0424\u0440\u0430\u043d\u0446\u0438\u0438?\u041e\u0436\u0438\u0434\u0430\u0435\u043c\u044b\u0439 \u043e\u0442\u0432\u0435\u0442: \u041f\u0430\u0440\u0438\u0436<\/code><div class=\"code-explainer\"><a href=\"https:\/\/sourcecraft.dev\/\" class=\"tm-button code-explainer__link\" style=\"visibility: hidden;\"><img style=\"width:14px;height:14px;object-fit:cover;object-position:left;\"\/><\/a><\/div><\/pre>\n<p><code>curl<\/code> \u0440\u0430\u0434\u043e\u0441\u0442\u043d\u043e \u0432\u0435\u0440\u043d\u0451\u0442 200\u00a0\u0438 \u0442\u043e\u0433\u0434\u0430, \u043a\u043e\u0433\u0434\u0430 numerical path \u0441\u043b\u043e\u043c\u0430\u043d, \u0430\u00a0\u043c\u043e\u0434\u0435\u043b\u044c \u0432\u044b\u0434\u0430\u0451\u0442 \u0433\u0440\u0430\u043c\u043c\u0430\u0442\u0438\u0447\u0435\u0441\u043a\u0438 \u0432\u0430\u043b\u0438\u0434\u043d\u044b\u0439 \u043c\u0443\u0441\u043e\u0440.<\/p>\n<h3>5. \u0417\u0430\u043c\u0435\u0440\u044b: \u0441\u0438\u043d\u0442\u0435\u0442\u0438\u043a\u0430 \u043f\u0440\u043e\u0442\u0438\u0432 \u0431\u043e\u0435\u0432\u043e\u0439 \u043d\u0430\u0433\u0440\u0443\u0437\u043a\u0438<\/h3>\n<p>\u0414\u0430\u043b\u044c\u0448\u0435\u00a0\u2014 \u0434\u0432\u0435 \u043f\u0440\u0438\u043d\u0446\u0438\u043f\u0438\u0430\u043b\u044c\u043d\u043e \u0440\u0430\u0437\u043d\u044b\u0435 \u0438\u0441\u0442\u043e\u0440\u0438\u0438: \u0441\u0442\u0435\u043d\u0434\u043e\u0432\u044b\u0439 benchmark \u043d\u0430\u00a0\u043f\u0443\u0441\u0442\u043e\u043c \u043a\u043b\u0430\u0441\u0442\u0435\u0440\u0435 \u0438 \u0440\u0435\u0430\u043b\u044c\u043d\u044b\u0435 \u043c\u0435\u0442\u0440\u0438\u043a\u0438 \u0438\u0437\u00a0Prometheus\/Grafana. \u041f\u0443\u0442\u0430\u0442\u044c \u0438\u0445 \u043d\u0435\u00a0\u0441\u0442\u043e\u0438\u0442.<\/p>\n<figure class=\"full-width \"><img decoding=\"async\" src=\"https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/3c7\/8e4\/846\/3c78e4846c3ed38880583056f9f07167.png\" width=\"1600\" height=\"900\" sizes=\"auto, (max-width: 780px) 100vw, 50vw\" srcset=\"https:\/\/habrastorage.org\/r\/w780\/getpro\/habr\/upload_files\/3c7\/8e4\/846\/3c78e4846c3ed38880583056f9f07167.png 780w,&#10;       https:\/\/habrastorage.org\/r\/w1560\/getpro\/habr\/upload_files\/3c7\/8e4\/846\/3c78e4846c3ed38880583056f9f07167.png 781w\" loading=\"lazy\" decode=\"async\"\/><\/figure>\n<h4>5.1. \u0421\u0442\u0435\u043d\u0434\u043e\u0432\u044b\u0439 benchmark \u0438 \u043e\u0448\u0438\u0431\u043a\u0430 \u0432\u00a0\u043c\u0435\u0442\u043e\u0434\u0438\u043a\u0435<\/h4>\n<p>\u0413\u043e\u043d\u044f\u043b\u0438 \u0442\u044f\u0436\u0451\u043b\u044b\u0439 prompt \u043d\u0430\u00a0\u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u044e production\u2011\u043a\u043e\u0434\u0430, ~600\u00a0\u0442\u043e\u043a\u0435\u043d\u043e\u0432 \u0432\u044b\u0432\u043e\u0434\u0430. \u041a\u043b\u0430\u0441\u0442\u0435\u0440 \u043f\u0443\u0441\u0442\u043e\u0439: <code>num_requests_running=0<\/code>. \u0422\u043e\u043a\u0435\u043d\u044b \u0441\u0447\u0438\u0442\u0430\u043b\u0438 \u0447\u0435\u0440\u0435\u0437 <code>usage.completion_tokens<\/code>.<\/p>\n<div>\n<div class=\"table\">\n<table>\n<tbody>\n<tr>\n<th>\n<p align=\"left\">Concurrency<\/p>\n<\/th>\n<th>\n<p align=\"left\">Per\u2011user, tok\/s<\/p>\n<\/th>\n<th>\n<p align=\"left\">Aggregate, tok\/s<\/p>\n<\/th>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">1<\/p>\n<\/td>\n<td>\n<p align=\"left\">44.9<\/p>\n<\/td>\n<td>\n<p align=\"left\">44.9<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">4<\/p>\n<\/td>\n<td>\n<p align=\"left\">20.0<\/p>\n<\/td>\n<td>\n<p align=\"left\">79.9<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">8<\/p>\n<\/td>\n<td>\n<p align=\"left\">18.0<\/p>\n<\/td>\n<td>\n<p align=\"left\"><strong>144.1<\/strong><\/p>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n<\/div>\n<p>Single\u2011stream \u0434\u0430\u043b 44.9\u00a0tok\/s. \u041d\u0430\u00a0concurrency 8\u00a0\u0432\u044b\u0448\u043b\u0438 \u043d\u0430 144.1\u00a0tok\/s aggregate\u00a0\u2014 \u0443\u0436\u0435 \u0440\u044f\u0434\u043e\u043c \u0441\u00a0community\u2011\u0431\u0435\u043d\u0447\u0430\u043c\u0438 \u043d\u0430\u00a0\u0442\u043e\u0439\u00a0\u0436\u0435 \u043f\u0430\u0440\u0435 GB10.<\/p>\n<p>\u0418 \u0442\u0443\u0442\u00a0\u0431\u044b\u043b\u0430 \u0433\u043b\u0430\u0432\u043d\u0430\u044f \u0433\u0440\u0430\u0431\u043b\u044f. \u041f\u0435\u0440\u0432\u0430\u044f \u0432\u0435\u0440\u0441\u0438\u044f \u043d\u0430\u0448\u0435\u0433\u043e \u0431\u0435\u043d\u0447\u0430 \u0441\u0447\u0438\u0442\u0430\u043b\u0430 SSE\u2011\u0441\u043e\u0431\u044b\u0442\u0438\u044f \u0441\u0442\u0440\u0438\u043c\u0430\u00a0\u2014 <code>+1<\/code> \u0437\u0430\u00a0\u043a\u0430\u0436\u0434\u044b\u0439 chunk. \u041f\u0440\u0438\u00a0MTP\u2011\u0441\u043f\u0435\u043a\u0443\u043b\u044f\u0446\u0438\u0438 \u044d\u0442\u043e \u0432\u0440\u0430\u043d\u044c\u0451: \u0432\u00a0\u043e\u0434\u043d\u043e\u043c chunk \u043c\u043e\u0436\u0435\u0442 \u043b\u0435\u0436\u0430\u0442\u044c \u0441\u0440\u0430\u0437\u0443 2\u20133\u00a0\u043f\u0440\u0438\u043d\u044f\u0442\u044b\u0445 \u0442\u043e\u043a\u0435\u043d\u0430. \u0412\u00a0\u0438\u0442\u043e\u0433\u0435 \u0441\u0447\u0451\u0442\u0447\u0438\u043a \u0437\u0430\u043d\u0438\u0436\u0430\u043b throughput \u043f\u0440\u0438\u043c\u0435\u0440\u043d\u043e \u0432 2.5\u00a0\u0440\u0430\u0437\u0430 \u0438 \u043f\u043e\u043a\u0430\u0437\u044b\u0432\u0430\u043b \u0442\u0435 \u0441\u0430\u043c\u044b\u0435 \u00ab18\u00a0t\/s\u00bb \u0432\u043c\u0435\u0441\u0442\u043e \u0440\u0435\u0430\u043b\u044c\u043d\u044b\u0445 44.9\u00a0t\/s. Grafana, \u043a\u0441\u0442\u0430\u0442\u0438, \u0441\u00a0\u0441\u0430\u043c\u043e\u0433\u043e \u043d\u0430\u0447\u0430\u043b\u0430 \u0440\u0438\u0441\u043e\u0432\u0430\u043b\u0430 \u043f\u0440\u0430\u0432\u0434\u043e\u043f\u043e\u0434\u043e\u0431\u043d\u0443\u044e \u043a\u0430\u0440\u0442\u0438\u043d\u0443\u00a0\u2014 \u043c\u044b \u043f\u0440\u043e\u0441\u0442\u043e \u0435\u0439 \u0441\u043d\u0430\u0447\u0430\u043b\u0430 \u043d\u0435\u00a0\u043f\u043e\u0432\u0435\u0440\u0438\u043b\u0438.<\/p>\n<p>\u041f\u0440\u0430\u0432\u0438\u043b\u044c\u043d\u043e\u00a0\u2014 \u0441\u0447\u0438\u0442\u0430\u0442\u044c <code>usage.completion_tokens<\/code> \u0438\u043b\u0438\u00a0\u0441\u043c\u043e\u0442\u0440\u0435\u0442\u044c Prometheus\u2011\u043c\u0435\u0442\u0440\u0438\u043a\u0443 <code>vllm:generation_tokens_total<\/code>.<\/p>\n<h4>5.2. \u0420\u0435\u0430\u043b\u044c\u043d\u0430\u044f \u043d\u0430\u0433\u0440\u0443\u0437\u043a\u0430: 2\u00a0\u0447\u0430\u0441\u0430, 220\u00a0\u0437\u0430\u043f\u0440\u043e\u0441\u043e\u0432<\/h4>\n<p>\u0422\u0435\u043f\u0435\u0440\u044c \u043d\u0435\u00a0\u0441\u0438\u043d\u0442\u0435\u0442\u0438\u043a\u0430, \u0430\u00a0\u0436\u0438\u0432\u0430\u044f \u0440\u0430\u0431\u043e\u0442\u0430: \u0430\u0433\u0435\u043d\u0442\u2011\u0440\u0435\u0441\u0451\u0440\u0447\u0435\u0440 \u0441\u00a0\u0431\u043e\u043b\u044c\u0448\u0438\u043c \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442\u043e\u043c \u043f\u043b\u044e\u0441 \u0438\u043d\u0442\u0435\u0440\u0430\u043a\u0442\u0438\u0432\u043d\u0430\u044f \u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u044f.<\/p>\n<div>\n<div class=\"table\">\n<table>\n<tbody>\n<tr>\n<th>\n<p align=\"left\">\u041c\u0435\u0442\u0440\u0438\u043a\u0430<\/p>\n<\/th>\n<th>\n<p align=\"left\">\u0417\u043d\u0430\u0447\u0435\u043d\u0438\u0435<\/p>\n<\/th>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">\u0417\u0430\u043f\u0440\u043e\u0441\u043e\u0432 \u0437\u0430\u00a0\u043e\u043a\u043d\u043e<\/p>\n<\/td>\n<td>\n<p align=\"left\"><strong>220<\/strong><\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">\u0421\u0440\u0435\u0434\u043d\u0438\u0439 prompt \u043d\u0430\u00a0\u0437\u0430\u043f\u0440\u043e\u0441<\/p>\n<\/td>\n<td>\n<p align=\"left\"><strong>42\u202f565\u00a0\u0442\u043e\u043a\u0435\u043d\u043e\u0432<\/strong><\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">\u0421\u0440\u0435\u0434\u043d\u044f\u044f \u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u044f \u043d\u0430\u00a0\u0437\u0430\u043f\u0440\u043e\u0441<\/p>\n<\/td>\n<td>\n<p align=\"left\">443\u00a0\u0442\u043e\u043a\u0435\u043d\u0430<\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">\u041f\u0438\u043a \u043f\u0430\u0440\u0430\u043b\u043b\u0435\u043b\u044c\u043d\u044b\u0445 \u0437\u0430\u043f\u0440\u043e\u0441\u043e\u0432<\/p>\n<\/td>\n<td>\n<p align=\"left\"><strong>4\u00a0running \/ 0\u00a0waiting<\/strong><\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">\u041f\u0438\u043a KV\u2011cache<\/p>\n<\/td>\n<td>\n<p align=\"left\"><strong>44.6%<\/strong><\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">\u041f\u0438\u043a aggregate throughput<\/p>\n<\/td>\n<td>\n<p align=\"left\"><strong>71\u00a0tok\/s<\/strong><\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">Inter\u2011token latency, avg<\/p>\n<\/td>\n<td>\n<p align=\"left\"><strong>84\u00a0\u043c\u0441<\/strong><\/p>\n<\/td>\n<\/tr>\n<tr>\n<td>\n<p align=\"left\">Prefix\u2011cache hit<\/p>\n<\/td>\n<td>\n<p align=\"left\"><strong>8.23M \u0438\u0437 9.36M prompt\u2011\u0442\u043e\u043a\u0435\u043d\u043e\u0432 = 88%<\/strong><\/p>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n<\/div>\n<p>\u041d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u0432\u0435\u0449\u0435\u0439, \u043d\u0430\u00a0\u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u0441\u0442\u043e\u0438\u0442 \u043f\u043e\u0441\u043c\u043e\u0442\u0440\u0435\u0442\u044c \u0432\u043d\u0438\u043c\u0430\u0442\u0435\u043b\u044c\u043d\u0435\u0435.<\/p>\n<p>\u0421\u0440\u0435\u0434\u043d\u0438\u0439 prompt \u0432 42K \u0442\u043e\u043a\u0435\u043d\u043e\u0432\u00a0\u2014 \u044d\u0442\u043e \u043d\u0435\u00a0\u0438\u0433\u0440\u0443\u0448\u043a\u0430, \u0430\u00a0\u043d\u043e\u0440\u043c\u0430\u043b\u044c\u043d\u0430\u044f \u0430\u0433\u0435\u043d\u0442\u043d\u0430\u044f \u043d\u0430\u0433\u0440\u0443\u0437\u043a\u0430, \u0438 \u043a\u043b\u0430\u0441\u0442\u0435\u0440 \u0434\u0435\u0440\u0436\u0430\u043b \u043d\u0430\u00a0\u043d\u0435\u0439 4\u00a0\u043f\u0430\u0440\u0430\u043b\u043b\u0435\u043b\u044c\u043d\u044b\u0445 \u0437\u0430\u043f\u0440\u043e\u0441\u0430 \u0431\u0435\u0437\u00a0\u043e\u0447\u0435\u0440\u0435\u0434\u0438. \u0414\u043b\u044f\u00a0\u043d\u0430\u0448\u0435\u0439 \u0437\u0430\u0434\u0430\u0447\u0438 \u0438\u043c\u0435\u043d\u043d\u043e \u044d\u0442\u043e\u00a0\u0431\u044b\u043b\u043e \u043a\u0440\u0438\u0442\u0435\u0440\u0438\u0435\u043c \u00ab\u0433\u043e\u0434\u0438\u0442\u0441\u044f \/ \u043d\u0435\u00a0\u0433\u043e\u0434\u0438\u0442\u0441\u044f\u00bb.<\/p>\n<p>KV\u2011cache \u0434\u043e\u0445\u043e\u0434\u0438\u043b \u0434\u043e 44.6%. \u041a\u043e\u0440\u043e\u0442\u043a\u0438\u0435 \u0441\u0438\u043d\u0442\u0435\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u0435 \u0442\u0435\u0441\u0442\u044b \u0432\u00a0\u044d\u0442\u043e\u043c \u043c\u0435\u0441\u0442\u0435 \u0443\u043c\u0435\u044e\u0442 \u043f\u043e\u043a\u0430\u0437\u044b\u0432\u0430\u0442\u044c \u0441\u043c\u0435\u0448\u043d\u044b\u0435 5\u20136% \u0438 \u0441\u043e\u0437\u0434\u0430\u0432\u0430\u0442\u044c \u043b\u043e\u0436\u043d\u043e\u0435 \u043e\u0449\u0443\u0449\u0435\u043d\u0438\u0435 \u0431\u0435\u0437\u0434\u043e\u043d\u043d\u043e\u0433\u043e \u0437\u0430\u043f\u0430\u0441\u0430; \u043d\u0430\u00a0\u0434\u043b\u0438\u043d\u043d\u044b\u0445 \u0430\u0433\u0435\u043d\u0442\u043d\u044b\u0445 \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442\u0430\u0445 \u043a\u0430\u0440\u0442\u0438\u043d\u0430 \u0440\u0435\u0437\u043a\u043e \u0434\u0440\u0443\u0433\u0430\u044f.<\/p>\n<p>Prefix\u2011cache hit 88%\u00a0\u2014 \u043f\u043e\u0436\u0430\u043b\u0443\u0439, \u043a\u043b\u044e\u0447\u0435\u0432\u0430\u044f \u0446\u0438\u0444\u0440\u0430 \u0432\u0441\u0435\u0433\u043e \u044d\u043a\u0441\u043f\u0435\u0440\u0438\u043c\u0435\u043d\u0442\u0430. \u0410\u0433\u0435\u043d\u0442 \u043f\u0435\u0440\u0435\u0438\u0441\u043f\u043e\u043b\u044c\u0437\u0443\u0435\u0442 \u0434\u043b\u0438\u043d\u043d\u044b\u0439 \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442 \u043c\u0435\u0436\u0434\u0443 \u0448\u0430\u0433\u0430\u043c\u0438, \u0438 \u043a\u044d\u0448 \u0441\u044a\u0435\u0434\u0430\u0435\u0442 \u043f\u043e\u0447\u0442\u0438 \u0432\u0435\u0441\u044c \u043f\u043e\u0432\u0442\u043e\u0440\u043d\u044b\u0439 prefill, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u0438\u043d\u0430\u0447\u0435 \u0441\u0436\u0451\u0433\u00a0\u0431\u044b \u043a\u043b\u0430\u0441\u0442\u0435\u0440 \u0432\u043f\u0443\u0441\u0442\u0443\u044e.<\/p>\n<p>Inter\u2011token latency 84\u00a0\u043c\u0441 \u0445\u043e\u0440\u043e\u0448\u043e \u043e\u0431\u044a\u044f\u0441\u043d\u044f\u0435\u0442 \u0441\u0443\u0431\u044a\u0435\u043a\u0442\u0438\u0432\u043d\u044b\u0435 \u00ab\u0441\u043f\u043e\u0442\u044b\u043a\u0430\u043d\u0438\u044f\u00bb \u0432\u00a0\u043f\u043e\u0442\u043e\u043a\u0435. \u041f\u0440\u0438\u00a0\u043f\u0430\u0440\u0430\u043b\u043b\u0435\u043b\u044c\u043d\u043e\u043c decode \u0440\u0435\u0441\u0443\u0440\u0441\u044b \u0434\u0435\u043b\u044f\u0442\u0441\u044f \u043c\u0435\u0436\u0434\u0443 \u0437\u0430\u043f\u0440\u043e\u0441\u0430\u043c\u0438, \u0430\u00a0MTP acceptance \u043f\u043b\u0430\u0432\u0430\u0435\u0442, \u043f\u043e\u044d\u0442\u043e\u043c\u0443 \u043f\u043e\u0442\u043e\u043a \u043d\u0435\u00a0\u0438\u0434\u0435\u0430\u043b\u044c\u043d\u043e \u0440\u043e\u0432\u043d\u044b\u0439. \u041d\u043e\u00a0\u044d\u0442\u043e \u0438\u043c\u0435\u043d\u043d\u043e \u043b\u0451\u0433\u043a\u0430\u044f \u043d\u0435\u0440\u043e\u0432\u043d\u043e\u0441\u0442\u044c, \u0430\u00a0\u043d\u0435\u00a0\u0437\u0430\u0442\u044b\u043a\u0438 \u0438 \u043e\u0447\u0435\u0440\u0435\u0434\u044c, \u043a\u043e\u0442\u043e\u0440\u044b\u0435\u00a0\u0431\u044b\u043b\u0438 \u043f\u0440\u0438 <code>max-num-seqs=1<\/code>.<\/p>\n<h3>6. \u0427\u0435\u043a\u043b\u0438\u0441\u0442 \u0434\u043b\u044f\u00a0\u0442\u0435\u0445, \u043a\u0442\u043e \u043f\u043e\u0432\u0442\u043e\u0440\u044f\u0435\u0442 \u043d\u0430\u00a0DGX Spark<\/h3>\n<ul>\n<li>\n<p><strong>DeepSeek\u2011V4\u2011Flash \u043d\u0430\u00a0GB10\u00a0\u0441\u0435\u0439\u0447\u0430\u0441 \u0442\u0440\u0435\u0431\u0443\u0435\u0442 community\u2011\u0444\u043e\u0440\u043a.<\/strong> Stock vLLM 0.22\/0.23\u00a0\u0438 \u00ab\u0443\u043d\u0438\u0432\u0435\u0440\u0441\u0430\u043b\u044c\u043d\u044b\u0435\u00bb \u043e\u0431\u0440\u0430\u0437\u044b \u0431\u0435\u0437\u00a0SM121-\u043a\u0435\u0440\u043d\u0435\u043b\u043e\u0432 \u0434\u0430\u0434\u0443\u0442 crash \u0438\u043b\u0438\u00a0garbled output.<\/p>\n<\/li>\n<li>\n<p><strong>\u041d\u0435\u00a0\u043f\u0440\u043e\u0432\u0435\u0440\u044f\u0439\u0442\u0435 \u043c\u043e\u0434\u0435\u043b\u044c \u043f\u043e\u00a0HTTP 200.<\/strong> \u0421\u043b\u043e\u043c\u0430\u043d\u043d\u044b\u0439 numerical path \u0441\u043f\u043e\u043a\u043e\u0439\u043d\u043e \u0432\u043e\u0437\u0432\u0440\u0430\u0449\u0430\u0435\u0442 \u0432\u0430\u043b\u0438\u0434\u043d\u044b\u0439 JSON \u0438 \u0431\u0435\u0441\u0441\u043c\u044b\u0441\u043b\u0435\u043d\u043d\u044b\u0439 \u0442\u0435\u043a\u0441\u0442.<\/p>\n<\/li>\n<li>\n<p><strong>\u041d\u0435\u00a0\u043e\u0441\u0442\u0430\u0432\u043b\u044f\u0439\u0442\u0435 <\/strong><code><strong>--max-num-seqs 1<\/strong><\/code><strong>, \u0435\u0441\u043b\u0438 \u043d\u0443\u0436\u0435\u043d multi\u2011user.<\/strong> <\/p>\n<\/li>\n<li>\n<p><strong>\u0412\u043a\u043b\u044e\u0447\u0430\u0439\u0442\u0435 <\/strong><code><strong>--enable-prefix-caching<\/strong><\/code><strong> \u0434\u043b\u044f\u00a0\u0430\u0433\u0435\u043d\u0442\u043d\u044b\u0445 \u043d\u0430\u0433\u0440\u0443\u0437\u043e\u043a.<\/strong> \u041d\u0430\u00a0\u043f\u0435\u0440\u0435\u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043d\u0438\u0438 \u0434\u043b\u0438\u043d\u043d\u043e\u0433\u043e \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442\u0430 \u044d\u043a\u043e\u043d\u043e\u043c\u0438\u044f prefill \u043e\u0433\u0440\u043e\u043c\u043d\u0430.<\/p>\n<\/li>\n<li>\n<p><strong>Expert Parallel \u0441\u00a0B12X MoE fallback \u043d\u0435\u0441\u043e\u0432\u043c\u0435\u0441\u0442\u0438\u043c.<\/strong> \u041d\u0430\u00a0SM121\u00a0\u043f\u0440\u0438\u0448\u043b\u043e\u0441\u044c \u0432\u044b\u0431\u0438\u0440\u0430\u0442\u044c \u043c\u0435\u0436\u0434\u0443 EP \u0438 \u043a\u043e\u0440\u0440\u0435\u043a\u0442\u043d\u043e\u0441\u0442\u044c\u044e; \u043c\u044b \u0432\u044b\u0431\u0440\u0430\u043b\u0438 \u043a\u043e\u0440\u0440\u0435\u043a\u0442\u043d\u043e\u0441\u0442\u044c.<\/p>\n<\/li>\n<li>\n<p><strong>MRV2\u00a0\u2014 \u043d\u0435\u00a0\u0441\u0435\u0440\u0435\u0431\u0440\u044f\u043d\u0430\u044f \u043f\u0443\u043b\u044f \u0434\u043b\u044f\u00a0MoE\/MLA.<\/strong> \u0414\u043b\u044f\u00a0DeepSeek\u2011V4\u00a0\u044d\u0442\u043e\u0442 \u043f\u0443\u0442\u044c \u043d\u0435\u00a0\u0434\u0430\u043b \u043f\u0440\u0430\u043a\u0442\u0438\u0447\u0435\u0441\u043a\u043e\u0433\u043e \u0432\u044b\u0438\u0433\u0440\u044b\u0448\u0430 \u0438 \u0443\u043f\u0451\u0440\u0441\u044f \u0432\u00a0reasoning\u2011budget enforcement.<\/p>\n<\/li>\n<li>\n<p><strong>\u041d\u0435\u00a0\u043f\u0443\u0442\u0430\u0439\u0442\u0435 NCCL compile\u2011time \u0438 runtime.<\/strong> \u0423\u00a0\u043d\u0430\u0441 <code>torch.cuda.nccl.version()<\/code> \u043f\u043e\u043a\u0430\u0437\u044b\u0432\u0430\u043b 2.28.9, \u0430\u00a0runtime \u0432\u00a0\u043e\u0431\u0440\u0430\u0437\u0435\u00a0\u0431\u044b\u043b 2.30.4\u00a0\u2014 \u0432\u0430\u0436\u043d\u043e \u043f\u043e\u043c\u043d\u0438\u0442\u044c \u043f\u0440\u0438\u00a0\u0434\u0438\u0430\u0433\u043d\u043e\u0441\u0442\u0438\u043a\u0435 RoCE\u2011\u0437\u0430\u0432\u0438\u0441\u0430\u043d\u0438\u0439.<\/p>\n<\/li>\n<li>\n<p><strong>\u041d\u0430\u00a0GB10\u00a0\u043d\u0435\u00a0\u0434\u043e\u0432\u0435\u0440\u044f\u0439\u0442\u0435 \u043f\u0440\u0438\u0432\u044b\u0447\u043d\u044b\u043c NVML\u2011\u043f\u0430\u043d\u0435\u043b\u044f\u043c \u043f\u0430\u043c\u044f\u0442\u0438.<\/strong> <code>nvidia-smi --query-gpu=memory.used<\/code> \u0443\u043c\u0435\u0435\u0442 \u0432\u043e\u0437\u0432\u0440\u0430\u0449\u0430\u0442\u044c <code>[N\/A]<\/code>. \u0420\u0435\u0430\u043b\u044c\u043d\u0443\u044e \u0437\u0430\u043d\u044f\u0442\u043e\u0441\u0442\u044c unified memory \u0447\u0435\u0441\u0442\u043d\u0435\u0435 \u0441\u043c\u043e\u0442\u0440\u0435\u0442\u044c \u0447\u0435\u0440\u0435\u0437 <code>free<\/code>, compute apps \u0438 \u043e\u0442\u0434\u0435\u043b\u044c\u043d\u044b\u0435 Prometheus\u2011\u043c\u0435\u0442\u0440\u0438\u043a\u0438.<\/p>\n<\/li>\n<li>\n<p><strong>\u041f\u0438\u043d\u044c\u0442\u0435 \u0432\u043d\u0435\u0448\u043d\u0438\u0435 \u0434\u0440\u0430\u0444\u0442\u0435\u0440\u044b.<\/strong> \u0418\u0445 \u043c\u043e\u0433\u0443\u0442 \u043f\u0435\u0440\u0435\u0437\u0430\u043b\u0438\u0442\u044c \u0438 \u0441\u043b\u043e\u043c\u0430\u0442\u044c head\u2011\u0433\u0435\u043e\u043c\u0435\u0442\u0440\u0438\u044e \u0438\u043b\u0438\u00a0KV layout \u0431\u0435\u0437\u00a0\u0435\u0434\u0438\u043d\u043e\u0433\u043e \u043f\u0440\u0435\u0434\u0443\u043f\u0440\u0435\u0436\u0434\u0435\u043d\u0438\u044f.<\/p>\n<\/li>\n<\/ul>\n<h3>\u0418\u0442\u043e\u0433<\/h3>\n<p>DeepSeek\u2011V4\u2011Flash \u043d\u0430\u00a0\u0434\u0432\u0443\u0445 DGX Spark\u00a0\u2014 \u0440\u0430\u0431\u043e\u0447\u0430\u044f \u043a\u043e\u043d\u0444\u0438\u0433\u0443\u0440\u0430\u0446\u0438\u044f \u0434\u043b\u044f\u00a0\u043f\u0430\u0440\u0430\u043b\u043b\u0435\u043b\u044c\u043d\u043e\u0433\u043e multi\u2011user inference. \u041d\u043e\u00a0\u043d\u0435\u00a0\u0432\u00a0\u0440\u0435\u0436\u0438\u043c\u0435 \u00ab\u0441\u043a\u0430\u0447\u0430\u043b \u043e\u0444\u0438\u0446\u0438\u0430\u043b\u044c\u043d\u044b\u0439 \u043e\u0431\u0440\u0430\u0437 \u0438 \u043f\u043e\u0435\u0445\u0430\u043b\u0438\u00bb: \u0434\u043b\u044f\u00a0GB10\/SM121\u00a0\u043d\u0443\u0436\u043d\u044b community\u2011\u043a\u0435\u0440\u043d\u0435\u043b\u044b, \u043e\u0441\u043e\u0437\u043d\u0430\u043d\u043d\u044b\u0439 \u0432\u044b\u0431\u043e\u0440 execution path \u0438 \u043d\u043e\u0440\u043c\u0430\u043b\u044c\u043d\u0430\u044f \u043f\u0440\u043e\u0432\u0435\u0440\u043a\u0430 \u0441\u0432\u044f\u0437\u043d\u043e\u0441\u0442\u0438 \u043e\u0442\u0432\u0435\u0442\u0430.<\/p>\n<p>\u0421\u0430\u043c\u044b\u0439 \u0431\u043e\u043b\u044c\u0448\u043e\u0439 \u0432\u044b\u0438\u0433\u0440\u044b\u0448 \u0434\u0430\u043b\u0438 \u043d\u0435\u00a0\u044d\u043a\u0437\u043e\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u0435 \u043e\u043f\u0442\u0438\u043c\u0438\u0437\u0430\u0446\u0438\u0438, \u0430\u00a0\u0441\u043a\u0443\u0447\u043d\u0430\u044f \u0438\u043d\u0436\u0435\u043d\u0435\u0440\u0438\u044f: \u043f\u043e\u0434\u043d\u044f\u0442\u044c <code>max-num-seqs<\/code>, \u0432\u043a\u043b\u044e\u0447\u0438\u0442\u044c prefix caching, \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u044c sparse\u2011MLA \u043f\u043e\u0434\u00a0SM121\u00a0\u0438 \u043d\u0435\u00a0\u043b\u043e\u043c\u0430\u0442\u044c \u043a\u043e\u0440\u0440\u0435\u043a\u0442\u043d\u044b\u0439 MoE backend \u0440\u0430\u0434\u0438 Expert Parallel.<\/p>\n<p>\u041f\u043e\u00a0\u0441\u0438\u043d\u0442\u0435\u0442\u0438\u043a\u0435 \u0432\u044b\u0448\u043b\u043e 44.9\u00a0tok\/s single \u0438 144.1\u00a0tok\/s aggregate \u043d\u0430\u00a0concurrency 8. \u0412\u00a0\u0440\u0435\u0430\u043b\u044c\u043d\u043e\u0439 \u043d\u0430\u0433\u0440\u0443\u0437\u043a\u0435 \u0432\u0430\u0436\u043d\u0435\u0435 \u0434\u0440\u0443\u0433\u043e\u0435: \u0441\u0440\u0435\u0434\u043d\u0438\u0439 prompt 42K \u0442\u043e\u043a\u0435\u043d\u043e\u0432, 4\u00a0\u043f\u0430\u0440\u0430\u043b\u043b\u0435\u043b\u044c\u043d\u044b\u0445 \u0437\u0430\u043f\u0440\u043e\u0441\u0430 \u0431\u0435\u0437\u00a0\u043e\u0447\u0435\u0440\u0435\u0434\u0438, KV\u2011cache \u0434\u043e 44.6% \u0438 88% prefix\u2011cache hit. \u0418\u043c\u0435\u043d\u043d\u043e \u044d\u0442\u0438 \u0446\u0438\u0444\u0440\u044b \u0438 \u043f\u043e\u043a\u0430\u0437\u044b\u0432\u0430\u044e\u0442, \u0447\u0442\u043e\u00a0\u043a\u043e\u043d\u0444\u0438\u0433\u0443\u0440\u0430\u0446\u0438\u044f \u0436\u0438\u0432\u0451\u0442 \u043d\u0435\u00a0\u0442\u043e\u043b\u044c\u043a\u043e \u0432\u00a0\u0434\u0435\u043c\u043e, \u043d\u043e\u00a0\u0438 \u0432\u00a0\u043d\u0430\u0441\u0442\u043e\u044f\u0449\u0435\u043c \u0430\u0433\u0435\u043d\u0442\u043d\u043e\u043c \u0441\u0446\u0435\u043d\u0430\u0440\u0438\u0438.<\/p>\n<p><strong>\u0426\u0438\u043a\u043b \u0441\u0442\u0430\u0442\u0435\u0439 \u043f\u0440\u043e\u00a0DGX Spark \u0438 self\u2011hosted inference<\/strong>:<\/p>\n<ol>\n<li>\n<p><a href=\"https:\/\/habr.com\/ru\/articles\/1030802\/\" rel=\"noopener noreferrer nofollow\">\u041a\u0430\u043a\u00a0\u044f \u0441\u043e\u0431\u0440\u0430\u043b \u043d\u0430\u00a0DGX Spark \u043f\u0440\u0438\u0432\u0430\u0442\u043d\u044b\u0439 AI\u2011\u0441\u0435\u0440\u0432\u0435\u0440<\/a>\u00a0\u2014 \u0438\u0437\u00a0\u0447\u0435\u0433\u043e \u0441\u043e\u0431\u0440\u0430\u043d \u0441\u0442\u0435\u043a AGmind \u0438 \u043a\u043b\u0430\u0441\u0442\u0435\u0440 \u0438\u0437\u00a0\u0434\u0432\u0443\u0445 Spark.<\/p>\n<\/li>\n<li>\n<p><a href=\"https:\/\/habr.com\/ru\/articles\/1031904\/\" rel=\"noopener noreferrer nofollow\">\u041c\u043e\u043d\u0438\u0442\u043e\u0440\u0438\u043d\u0433 unified memory, \u043a\u043e\u0433\u0434\u0430 NVML \u0438 dcgm\u2011exporter \u043c\u043e\u043b\u0447\u0430\u0442<\/a>\u00a0\u2014 \u043f\u043e\u0447\u0435\u043c\u0443 \u043d\u0430\u00a0GB10\u00a0<code>nvidia-smi<\/code> \u043e\u0442\u0434\u0430\u0451\u0442 <code>[N\/A]<\/code> \u0438 \u043a\u0430\u043a\u00a0\u044d\u0442\u043e \u043e\u0431\u043e\u0439\u0442\u0438.<\/p>\n<\/li>\n<li>\n<p><a href=\"https:\/\/habr.com\/ru\/articles\/1032610\/\" rel=\"noopener noreferrer nofollow\">\u041a\u0438\u0440\u0438\u043b\u043b\u0438\u0446\u0430 \u0432\u00a0LLM: \u043f\u043e\u0447\u0435\u043c\u0443 \u0440\u0443\u0441\u0441\u043a\u0438\u0439 \u0441\u0442\u043e\u0438\u0442 \u0434\u043e\u0440\u043e\u0436\u0435 \u0438 \u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442 \u043c\u0435\u0434\u043b\u0435\u043d\u043d\u0435\u0435<\/a>\u00a0\u2014 \u0442\u043e\u043a\u0435\u043d\u0438\u0437\u0430\u0446\u0438\u044f, \u0446\u0435\u043d\u0430 \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442\u0430 \u0438 \u0432\u044b\u0431\u043e\u0440 \u043c\u043e\u0434\u0435\u043b\u0435\u0439 \u043f\u043e\u0434\u00a0\u0440\u0443\u0441\u0441\u043a\u0438\u0439.<\/p>\n<\/li>\n<li>\n<p><a href=\"https:\/\/habr.com\/ru\/articles\/1033342\/\" rel=\"noopener noreferrer nofollow\">DGX Spark \u043d\u0430 256K \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442\u0435: \u043a\u043e\u043d\u0444\u0438\u0433\u0443\u0440\u0430\u0446\u0438\u0438 vLLM \u0438 \u043f\u043e\u0447\u0435\u043c\u0443 NVFP4\u00a0\u0432\u00a0mainline \u0441\u043b\u043e\u043c\u0430\u043d<\/a>\u00a0\u2014 \u0448\u0435\u0441\u0442\u044c \u043a\u043e\u043d\u0444\u0438\u0433\u043e\u0432 vLLM \u043d\u0430\u00a0SM121, \u0432\u043a\u043b\u044e\u0447\u0430\u044f DFlash.<\/p>\n<\/li>\n<\/ol>\n<\/div>\n<p>\u0441\u0441\u044b\u043b\u043a\u0430 \u043d\u0430 \u043e\u0440\u0438\u0433\u0438\u043d\u0430\u043b \u0441\u0442\u0430\u0442\u044c\u0438 <a href=\"https:\/\/habr.com\/ru\/articles\/1050470\/\">https:\/\/habr.com\/ru\/articles\/1050470\/<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<p>\u041f\u043e\u0434\u043d\u044f\u043b\u0438 DeepSeek\u2011V4\u2011Flash \u043d\u0430\u00a0\u0434\u0432\u0443\u0445 GB10, \u0443\u043f\u0451\u0440\u043b\u0438\u0441\u044c \u0432\u00a0\u043f\u043e\u0442\u043e\u043b\u043e\u043a consumer Blackwell, \u043f\u0440\u043e\u0448\u043b\u0438 \u0442\u0440\u0438 \u0442\u0443\u043f\u0438\u043a\u0430 \u0441\u043e \u0441\u043f\u0435\u043a\u0443\u043b\u044f\u0442\u0438\u0432\u043d\u044b\u043c \u0434\u0435\u043a\u043e\u0434\u0438\u043d\u0433\u043e\u043c\u00a0\u2014 \u0438 \u0432\u00a0\u0438\u0442\u043e\u0433\u0435 \u043f\u043e\u043b\u0443\u0447\u0438\u043b\u0438 \u043f\u0430\u0440\u0430\u043b\u043b\u0435\u043b\u044c\u043d\u0443\u044e \u0440\u0430\u0431\u043e\u0442\u0443 \u0440\u0435\u0441\u0451\u0440\u0447\u2011\u0430\u0433\u0435\u043d\u0442\u0430 \u0438 \u0434\u043b\u0438\u043d\u043d\u043e\u0439 \u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u0438 \u0431\u0435\u0437\u00a0\u043e\u0447\u0435\u0440\u0435\u0434\u0438. \u0426\u0438\u0444\u0440\u044b\u00a0\u2014 \u0438\u0437\u00a0Grafana.\u0427\u0442\u043e\u00a0\u0440\u0435\u0430\u043b\u044c\u043d\u043e \u0441\u0440\u0430\u0431\u043e\u0442\u0430\u043b\u043e\u041f\u043e\u0441\u043b\u0435 \u0432\u0441\u0435\u0445 \u0442\u0443\u043f\u0438\u043a\u043e\u0432 \u043e\u0441\u0442\u0430\u043b\u0438\u0441\u044c \u0441\u043a\u0443\u0447\u043d\u044b\u0435, \u043d\u043e\u00a0\u0440\u0430\u0431\u043e\u0442\u0430\u044e\u0449\u0438\u0435 \u0438\u0437\u043c\u0435\u043d\u0435\u043d\u0438\u044f.\u0413\u043b\u0430\u0432\u043d\u043e\u0435\u00a0\u2014 \u043f\u043e\u0434\u043d\u044f\u0442\u044c &#8212;max-num-seqs \u0441 1\u00a0\u0434\u043e 8. \u0415\u0434\u0438\u043d\u0438\u0446\u0430 \u043e\u0437\u043d\u0430\u0447\u0430\u043b\u0430, \u0447\u0442\u043e\u00a0\u0432\u00a0\u0440\u0430\u043d\u0442\u0430\u0439\u043c\u0435 \u043e\u0434\u043d\u043e\u0432\u0440\u0435\u043c\u0435\u043d\u043d\u043e \u0436\u0438\u0432\u0451\u0442 \u0440\u043e\u0432\u043d\u043e \u043e\u0434\u0438\u043d \u0437\u0430\u043f\u0440\u043e\u0441; \u0432\u0441\u0451 \u043e\u0441\u0442\u0430\u043b\u044c\u043d\u043e\u0435 \u0436\u0434\u0430\u043b\u043e \u0432\u00a0\u043e\u0447\u0435\u0440\u0435\u0434\u0438, \u0438 \u0432\u0442\u043e\u0440\u043e\u0439 \u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u0435\u043b\u044c \u043f\u043e\u043b\u0443\u0447\u0430\u043b \u043f\u0435\u0440\u0432\u044b\u0439 \u0442\u043e\u043a\u0435\u043d \u0447\u0435\u0440\u0435\u0437 14\u201315\u00a0\u0441\u0435\u043a\u0443\u043d\u0434.\u041e\u0442\u043a\u0443\u0434\u0430 \u0432\u0437\u044f\u043b\u0430\u0441\u044c \u044d\u0442\u0430 \u0435\u0434\u0438\u043d\u0438\u0446\u0430\u00a0\u2014 \u043e\u0442\u0434\u0435\u043b\u044c\u043d\u0430\u044f \u0438\u0441\u0442\u043e\u0440\u0438\u044f. \u041a\u043e\u0433\u0434\u0430 \u043c\u044b \u0442\u043e\u043b\u044c\u043a\u043e \u043f\u043e\u0434\u043d\u044f\u043b\u0438 V4\u00a0\u0438 \u0434\u0430\u043b\u0438 \u0435\u0439 \u0434\u0432\u0430 \u043f\u0430\u0440\u0430\u043b\u043b\u0435\u043b\u044c\u043d\u044b\u0445 \u0437\u0430\u043f\u0440\u043e\u0441\u0430 \u0441\u00a0\u0434\u043b\u0438\u043d\u043d\u044b\u043c \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442\u043e\u043c, \u0441\u043a\u043e\u0440\u043e\u0441\u0442\u044c \u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u0438 \u043f\u0430\u0434\u0430\u043b\u0430 \u043f\u043e\u0447\u0442\u0438 \u0434\u043e\u00a0\u043d\u0443\u043b\u044f: \u0432\u0438\u0434\u0435\u043e\u043a\u0430\u0440\u0442\u0430 \u0437\u0430\u0433\u0440\u0443\u0436\u0435\u043d\u0430 \u043f\u043e\u043b\u043d\u043e\u0441\u0442\u044c\u044e, \u0430\u00a0\u043d\u0430\u00a0\u0432\u044b\u0445\u043e\u0434\u0435 \u0434\u043e\u043b\u0438 \u0442\u043e\u043a\u0435\u043d\u0430 \u0432\u00a0\u0441\u0435\u043a\u0443\u043d\u0434\u0443. \u041f\u0440\u043e\u0449\u0435 \u0432\u0441\u0435\u0433\u043e\u00a0\u0431\u044b\u043b\u043e \u0443\u0431\u0440\u0430\u0442\u044c \u0441\u0438\u043c\u043f\u0442\u043e\u043c, \u0437\u0430\u043f\u0440\u0435\u0442\u0438\u0432 \u043f\u0430\u0440\u0430\u043b\u043b\u0435\u043b\u044c\u043d\u043e\u0441\u0442\u044c,\u00a0\u2014 \u0447\u0442\u043e\u00a0\u043c\u044b \u0438 \u0441\u0434\u0435\u043b\u0430\u043b\u0438, \u0437\u0430\u043e\u0434\u043d\u043e \u0440\u0435\u0448\u0438\u0432, \u0447\u0442\u043e\u00a0GB10\u00a0\u043f\u0430\u0440\u0430\u043b\u043b\u0435\u043b\u044c\u043d\u0443\u044e \u043d\u0430\u0433\u0440\u0443\u0437\u043a\u0443 \u043d\u0435\u00a0\u0432\u044b\u0432\u043e\u0437\u0438\u0442. \u0414\u0438\u0430\u0433\u043d\u043e\u0437 \u043e\u043a\u0430\u0437\u0430\u043b\u0441\u044f \u043d\u0435\u0432\u0435\u0440\u043d\u044b\u043c. \u0414\u0435\u043b\u043e\u00a0\u0431\u044b\u043b\u043e \u043d\u0435\u00a0\u0432\u00a0\u043f\u0430\u0440\u0430\u043b\u043b\u0435\u043b\u044c\u043d\u043e\u0441\u0442\u0438, \u0430\u00a0\u0432\u00a0\u0442\u043e\u043c, \u0447\u0442\u043e\u00a0\u043f\u043e\u0434\u00a0SM121\u00a0\u043d\u0435\u00a0\u0431\u044b\u043b \u0432\u043a\u043b\u044e\u0447\u0451\u043d \u043d\u0443\u0436\u043d\u044b\u0439 attention\u2011\u043f\u0443\u0442\u044c (sparse\u2011MLA, \u043e\u00a0\u043d\u0451\u043c \u043d\u0438\u0436\u0435), \u0438 \u0440\u0430\u0437\u043c\u0435\u0440 \u0431\u0430\u0442\u0447\u0430 \u0440\u0430\u0431\u043e\u0442\u0430\u043b \u043f\u0440\u043e\u0442\u0438\u0432 \u043d\u0430\u0441. \u0415\u0434\u0438\u043d\u0438\u0446\u0430 \u043d\u0438\u0447\u0435\u0433\u043e \u0438\u0437\u00a0\u044d\u0442\u043e\u0433\u043e \u043d\u0435\u00a0\u043b\u0435\u0447\u0438\u043b\u0430\u00a0\u2014 \u043e\u043d\u0430 \u043f\u0440\u044f\u0442\u0430\u043b\u0430 \u0441\u0438\u043c\u043f\u0442\u043e\u043c, \u0432\u044b\u043a\u043b\u044e\u0447\u0430\u044f \u0440\u043e\u0432\u043d\u043e \u0442\u0443 \u0432\u043e\u0437\u043c\u043e\u0436\u043d\u043e\u0441\u0442\u044c, \u0440\u0430\u0434\u0438 \u043a\u043e\u0442\u043e\u0440\u043e\u0439 \u0432\u0441\u0451 \u0437\u0430\u0442\u0435\u0432\u0430\u043b\u043e\u0441\u044c. \u0421\u0442\u043e\u0438\u043b\u043e \u0432\u043a\u043b\u044e\u0447\u0438\u0442\u044c sparse\u2011MLA \u0438 \u0432\u0435\u0440\u043d\u0443\u0442\u044c \u043d\u043e\u0440\u043c\u0430\u043b\u044c\u043d\u044b\u0439 \u0440\u0430\u0437\u043c\u0435\u0440 \u043f\u0443\u043b\u0430\u00a0\u2014 \u043f\u0440\u043e\u0432\u0430\u043b \u043d\u0435\u00a0\u0432\u0435\u0440\u043d\u0443\u043b\u0441\u044f.Sparse\u2011MLA \u043f\u043e\u0434\u00a0SM121\u00a0\u2014 VLLM_TRITON_MLA_SPARSE=1. \u0412\u043a\u043b\u044e\u0447\u0430\u0435\u0442 sparse\u2011MLA \u043f\u0443\u0442\u044c, \u0437\u0430\u0442\u043e\u0447\u0435\u043d\u043d\u044b\u0439 \u043f\u043e\u0434\u00a0\u044d\u0442\u0443\u00a0\u043b\u0438\u043d\u0438\u044e GB10. \u0411\u0435\u0437\u00a0\u043d\u0435\u0433\u043e \u043c\u043e\u0434\u0435\u043b\u044c\u00a0\u043b\u0438\u0431\u043e \u043d\u0435\u00a0\u0441\u0442\u0430\u0440\u0442\u0443\u0435\u0442,\u00a0\u043b\u0438\u0431\u043e \u0441\u0432\u0430\u043b\u0438\u0432\u0430\u0435\u0442\u0441\u044f \u0432\u00a0\u043d\u0435\u043f\u043e\u0434\u0445\u043e\u0434\u044f\u0449\u0438\u0439 attention\u2011\u0431\u044d\u043a\u0435\u043d\u0434.Prefix caching\u00a0\u2014 &#8212;enable-prefix-caching. \u0414\u043b\u044f\u00a0\u0430\u0433\u0435\u043d\u0442\u043d\u044b\u0445 \u043d\u0430\u0433\u0440\u0443\u0437\u043e\u043a \u043a\u0440\u0438\u0442\u0438\u0447\u043d\u043e. \u0420\u0435\u0441\u0451\u0440\u0447\u2011\u0430\u0433\u0435\u043d\u0442 \u0433\u043e\u043d\u044f\u0435\u0442 \u043e\u0434\u0438\u043d \u0438 \u0442\u043e\u0442\u00a0\u0436\u0435 \u0434\u043b\u0438\u043d\u043d\u044b\u0439 \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442 \u043f\u043e\u00a0\u043a\u0440\u0443\u0433\u0443 \u043c\u0435\u0436\u0434\u0443 \u0448\u0430\u0433\u0430\u043c\u0438. \u0411\u0435\u0437\u00a0\u043a\u044d\u0448\u0430 \u043a\u0430\u0436\u0434\u044b\u0439 \u0437\u0430\u043f\u0440\u043e\u0441 \u0437\u0430\u043d\u043e\u0432\u043e \u043f\u0440\u043e\u0433\u043e\u043d\u044f\u0435\u0442 prefill \u043d\u0430\u00a0\u0441\u043e\u0440\u043e\u043a \u0441\u00a0\u043b\u0438\u0448\u043d\u0438\u043c \u0442\u044b\u0441\u044f\u0447 \u0442\u043e\u043a\u0435\u043d\u043e\u0432, \u0438 \u043a\u043b\u0430\u0441\u0442\u0435\u0440 \u0437\u0430\u043d\u044f\u0442 \u043d\u0435\u00a0\u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u0435\u0439, \u0430\u00a0\u043f\u0435\u0440\u0435\u0436\u0451\u0432\u044b\u0432\u0430\u043d\u0438\u0435\u043c \u043e\u0434\u043d\u043e\u0433\u043e \u0438 \u0442\u043e\u0433\u043e\u00a0\u0436\u0435. \u0412\u00a0\u0431\u043e\u044e \u0434\u043e\u043b\u044f \u043f\u043e\u043f\u0430\u0434\u0430\u043d\u0438\u0439 \u0432\u00a0\u043a\u044d\u0448 \u0434\u043e\u0448\u043b\u0430 \u0434\u043e 88%\u00a0\u2014 \u043a\u00a0\u044d\u0442\u043e\u0439 \u0446\u0438\u0444\u0440\u0435 \u0432\u0435\u0440\u043d\u0451\u043c\u0441\u044f \u0432\u00a0\u0440\u0430\u0437\u0434\u0435\u043b\u0435 \u0441\u00a0\u043c\u0435\u0442\u0440\u0438\u043a\u0430\u043c\u0438.\u0428\u0442\u0430\u0442\u043d\u0430\u044f MTP\u2011\u0441\u043f\u0435\u043a\u0443\u043b\u044f\u0446\u0438\u044f DeepSeek \u043d\u0430\u00a0\u043d\u0430\u0448\u0435\u0439 \u043d\u0430\u0433\u0440\u0443\u0437\u043a\u0435 \u0440\u0430\u0431\u043e\u0442\u0430\u043b\u0430: acceptance \u0434\u0435\u0440\u0436\u0430\u043b\u0441\u044f \u0432\u00a0\u0440\u0430\u0439\u043e\u043d\u0435 55\u201364%, \u0442\u043e \u0435\u0441\u0442\u044c \u0434\u0440\u0430\u0444\u0442\u0435\u0440 \u0443\u0433\u0430\u0434\u044b\u0432\u0430\u043b \u0437\u0430\u043c\u0435\u0442\u043d\u0443\u044e \u0447\u0430\u0441\u0442\u044c \u0442\u043e\u043a\u0435\u043d\u043e\u0432, \u0430\u00a0\u043d\u0435\u00a0\u043f\u0440\u043e\u0441\u0442\u043e \u0434\u043e\u0431\u0430\u0432\u043b\u044f\u043b \u043d\u0430\u043a\u043b\u0430\u0434\u043d\u044b\u0435 \u0440\u0430\u0441\u0445\u043e\u0434\u044b.\u041e\u0442\u0434\u0435\u043b\u044c\u043d\u043e \u043f\u0440\u043e\u00a0\u043f\u0440\u043e\u0432\u0435\u0440\u043a\u0443. \u041f\u043e\u0441\u043b\u0435 \u0441\u043c\u0435\u043d\u044b MoE\u2011 \u0438\u043b\u0438\u00a0attention\u2011\u043f\u0443\u0442\u0438 \u0441\u043c\u043e\u0442\u0440\u0435\u0442\u044c \u043d\u0430\u0434\u043e \u043d\u0435\u00a0\u043d\u0430\u00a0\u043a\u043e\u0434 \u043e\u0442\u0432\u0435\u0442\u0430, \u0430\u00a0\u043d\u0430\u00a0\u0435\u0433\u043e \u0441\u0432\u044f\u0437\u043d\u043e\u0441\u0442\u044c. \u041d\u0430\u0448 sanity\u2011check\u00a0\u0431\u044b\u043b \u043f\u0440\u0435\u0434\u0435\u043b\u044c\u043d\u043e \u043f\u0440\u043e\u0441\u0442\u044b\u043c: \u0441\u043f\u0440\u043e\u0441\u0438\u0442\u044c \u0441\u0442\u043e\u043b\u0438\u0446\u0443 \u0424\u0440\u0430\u043d\u0446\u0438\u0438 \u0438 \u0443\u0431\u0435\u0434\u0438\u0442\u044c\u0441\u044f, \u0447\u0442\u043e\u00a0\u0432\u00a0\u043e\u0442\u0432\u0435\u0442\u0435 \u041f\u0430\u0440\u0438\u0436. curl \u0432\u0435\u0440\u043d\u0451\u0442 200\u00a0\u0438 \u0442\u043e\u0433\u0434\u0430, \u043a\u043e\u0433\u0434\u0430 \u0447\u0438\u0441\u043b\u0435\u043d\u043d\u044b\u0439 \u043f\u0443\u0442\u044c \u0441\u043b\u043e\u043c\u0430\u043d, \u0430\u00a0\u043c\u043e\u0434\u0435\u043b\u044c \u0432\u044b\u0434\u0430\u0451\u0442 \u0433\u0440\u0430\u043c\u043c\u0430\u0442\u0438\u0447\u0435\u0441\u043a\u0438 \u043f\u0440\u0430\u0432\u0438\u043b\u044c\u043d\u044b\u0439, \u043d\u043e\u00a0\u0431\u0435\u0441\u0441\u043c\u044b\u0441\u043b\u0435\u043d\u043d\u044b\u0439 \u0442\u0435\u043a\u0441\u0442.TL;DR\u0416\u0435\u043b\u0435\u0437\u043e: 2\u00d7 NVIDIA DGX Spark: GB10, Grace\u2011Blackwell, SM121, \u043f\u043e 128\u00a0\u0413\u0411 unified memory \u043d\u0430\u00a0\u043d\u043e\u0434\u0443, \u0441\u0432\u044f\u0437\u044c \u0447\u0435\u0440\u0435\u0437 QSFP 200G \/ RoCEv2\u00a0\/ RDMA.\u041c\u043e\u0434\u0435\u043b\u044c: DeepSeek\u2011V4\u2011Flash\u00a0\u2014 284B total \/ ~13B active MoE: 256\u00a0\u044d\u043a\u0441\u043f\u0435\u0440\u0442\u043e\u0432, 6\u00a0\u0430\u043a\u0442\u0438\u0432\u043d\u044b\u0445 \u043d\u0430\u00a0\u0442\u043e\u043a\u0435\u043d + 1\u00a0shared, 43\u00a0\u0441\u043b\u043e\u044f, MLA attention, \u043d\u0430\u0442\u0438\u0432\u043d\u044b\u0435 FP8+MXFP4\u00a0\u0432\u0435\u0441\u0430. \u0412\u0430\u0436\u043d\u043e: 284B\u00a0\u2014 \u044d\u0442\u043e Flash; 671B\u00a0\u2014 \u044d\u0442\u043e \u043f\u043e\u043b\u043d\u0430\u044f DeepSeek\u2011V4, \u043d\u0435\u00a0\u044d\u0442\u0430 \u043a\u043e\u043d\u0444\u0438\u0433\u0443\u0440\u0430\u0446\u0438\u044f.\u041f\u0430\u0440\u0430\u043b\u043b\u0435\u043b\u0438\u0437\u043c: tensor parallel TP=2 \u043d\u0430\u00a0\u0434\u0432\u0435 \u043d\u043e\u0434\u044b.\u0413\u043b\u0430\u0432\u043d\u044b\u0439 \u0444\u0438\u043a\u0441: &#8212;max-num-seqs 1 \u2192 8. \u0414\u043e\u00a0\u044d\u0442\u043e\u0433\u043e \u043b\u044e\u0431\u043e\u0439 \u0432\u0442\u043e\u0440\u043e\u0439 \u0437\u0430\u043f\u0440\u043e\u0441 \u0444\u0430\u043a\u0442\u0438\u0447\u0435\u0441\u043a\u0438 \u0432\u0441\u0442\u0430\u0432\u0430\u043b \u0432\u00a0\u043e\u0447\u0435\u0440\u0435\u0434\u044c.\u0427\u0442\u043e\u00a0\u0440\u0435\u0430\u043b\u044c\u043d\u043e \u043f\u043e\u043c\u043e\u0433\u043b\u043e: max-num-seqs, sparse\u2011MLA path \u0434\u043b\u044f\u00a0SM121, prefix caching \u0438 \u0448\u0442\u0430\u0442\u043d\u0430\u044f MTP\u2011\u0441\u043f\u0435\u043a\u0443\u043b\u044f\u0446\u0438\u044f DeepSeek.\u0427\u0442\u043e\u00a0\u043d\u0435\u00a0\u043f\u043e\u043c\u043e\u0433\u043b\u043e: MRV2, Expert Parallel \u043f\u043e\u0432\u0435\u0440\u0445 B12X MoE \u0438 \u0432\u043d\u0435\u0448\u043d\u0438\u0439 DFlash\u2011\u0434\u0440\u0430\u0444\u0442\u0435\u0440.\u0411\u043e\u0435\u0432\u044b\u0435 \u0446\u0438\u0444\u0440\u044b: 220\u00a0\u0437\u0430\u043f\u0440\u043e\u0441\u043e\u0432 \u0437\u0430 2\u00a0\u0447\u0430\u0441\u0430, \u0441\u0440\u0435\u0434\u043d\u0438\u0439 prompt 42\u202f565\u00a0\u0442\u043e\u043a\u0435\u043d\u043e\u0432, \u043f\u0438\u043a 4\u00a0running \/ 0\u00a0waiting, KV\u2011cache \u0434\u043e 44.6%, peak aggregate 71\u00a0tok\/s, prefix\u2011cache hit 88%.1. \u0417\u0430\u0447\u0435\u043c \u043c\u044b \u0432\u043e\u043e\u0431\u0449\u0435 \u043f\u043e\u043b\u0435\u0437\u043b\u0438 \u0432\u00a0\u044d\u0442\u043e \u0431\u043e\u043b\u043e\u0442\u043e\u0423\u00a0\u043d\u0430\u0441 \u0435\u0441\u0442\u044c \u043a\u043b\u0430\u0441\u0442\u0435\u0440 \u0438\u0437\u00a0\u0434\u0432\u0443\u0445 DGX Spark. GB10\u00a0\u2014 \u044d\u0442\u043e \u043d\u0435\u00a0\u0434\u0430\u0442\u0430\u0446\u0435\u043d\u0442\u0440\u043e\u0432\u044b\u0439 Blackwell \u0443\u0440\u043e\u0432\u043d\u044f B200\/GB200, \u0430 \u00ab\u043d\u0430\u0441\u0442\u043e\u043b\u044c\u043d\u044b\u0439\u00bb Grace\u2011Blackwell \u0441\u00a0compute capability SM121\u00a0\u0438 unified memory: CPU \u0438 GPU \u0434\u0435\u043b\u044f\u0442 \u043e\u0434\u0438\u043d \u043f\u0443\u043b \u043f\u0430\u043c\u044f\u0442\u0438 \u043d\u0430 128\u00a0\u0413\u0411.Unified memory \u0442\u0443\u0442 \u043e\u0434\u043d\u043e\u0432\u0440\u0435\u043c\u0435\u043d\u043d\u043e \u0438 \u043f\u0440\u0438\u0447\u0438\u043d\u0430, \u043f\u043e\u00a0\u043a\u043e\u0442\u043e\u0440\u043e\u0439 \u0432\u0441\u0451 \u044d\u0442\u043e \u0432\u043e\u043e\u0431\u0449\u0435 \u0437\u0430\u0442\u0435\u0432\u0430\u043b\u043e\u0441\u044c, \u0438 \u0438\u0441\u0442\u043e\u0447\u043d\u0438\u043a \u0431\u043e\u043b\u044c\u0448\u0435\u0439 \u0447\u0430\u0441\u0442\u0438 \u0431\u043e\u043b\u0438. \u041f\u043b\u044e\u0441 \u043e\u0447\u0435\u0432\u0438\u0434\u0435\u043d: \u043a\u0440\u0443\u043f\u043d\u0430\u044f \u043c\u043e\u0434\u0435\u043b\u044c \u0432\u0438\u0434\u0438\u0442 \u0431\u043e\u043b\u044c\u0448\u043e\u0439 \u043e\u0431\u0449\u0438\u0439 \u043f\u0443\u043b \u0438 \u043d\u0435\u00a0\u0443\u043f\u0438\u0440\u0430\u0435\u0442\u0441\u044f \u0432\u00a0\u043f\u0440\u0438\u0432\u044b\u0447\u043d\u0443\u044e \u0441\u0442\u0435\u043d\u0443 \u00ab\u0441\u043a\u043e\u043b\u044c\u043a\u043e VRAM \u043d\u0430\u00a0\u043e\u0434\u043d\u043e\u0439 \u043a\u0430\u0440\u0442\u0435\u00bb. \u041c\u0438\u043d\u0443\u0441 \u0432\u0441\u043f\u043b\u044b\u0432\u0430\u0435\u0442 \u0447\u0443\u0442\u044c \u043f\u043e\u0437\u0436\u0435: \u0434\u043e\u0431\u0440\u0430\u044f \u043f\u043e\u043b\u043e\u0432\u0438\u043d\u0430 \u043e\u043f\u0442\u0438\u043c\u0438\u0437\u0438\u0440\u043e\u0432\u0430\u043d\u043d\u044b\u0445 CUDA\u2011\u043a\u0435\u0440\u043d\u0435\u043b\u043e\u0432 \u0438 \u0433\u043e\u0442\u043e\u0432\u044b\u0445 \u043a\u043e\u043d\u0442\u0435\u0439\u043d\u0435\u0440\u043e\u0432 \u043f\u0438\u0441\u0430\u043b\u0430\u0441\u044c \u043f\u043e\u0434\u00a0\u0434\u0430\u0442\u0430\u0446\u0435\u043d\u0442\u0440\u043e\u0432\u044b\u0439 Blackwell, \u0438 \u043f\u0440\u043e\u00a0SM121\u00a0\u043e\u043d\u0438\u00a0\u043b\u0438\u0431\u043e \u043d\u0435\u00a0\u0437\u043d\u0430\u044e\u0442,\u00a0\u043b\u0438\u0431\u043e \u0437\u043d\u0430\u044e\u0442, \u043d\u043e\u00a0\u043a\u0440\u0438\u0432\u043e.\u0417\u0430\u0434\u0430\u0447\u0430\u00a0\u0431\u044b\u043b\u0430 \u0441\u0443\u0433\u0443\u0431\u043e \u043f\u0440\u0438\u043a\u043b\u0430\u0434\u043d\u0430\u044f: \u043f\u043e\u0434\u043d\u044f\u0442\u044c \u0441\u0438\u043b\u044c\u043d\u0443\u044e reasoning\u2011\u043c\u043e\u0434\u0435\u043b\u044c \u043a\u0430\u043a\u00a0\u043e\u0431\u0449\u0438\u0439 inference\u2011backend \u043d\u0430\u00a0\u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u043f\u043e\u0442\u0440\u0435\u0431\u0438\u0442\u0435\u043b\u0435\u0439. \u041e\u0442\u00a0\u043d\u0435\u0451 \u0445\u043e\u0442\u0435\u043b\u043e\u0441\u044c \u0441\u0440\u0430\u0437\u0443:\u0430\u0433\u0435\u043d\u0442\u2011\u0440\u0435\u0441\u0451\u0440\u0447\u0435\u0440 \u0441\u00a0\u0434\u043b\u0438\u043d\u043d\u044b\u043c \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442\u043e\u043c;\u0438\u043d\u0442\u0435\u0440\u0430\u043a\u0442\u0438\u0432\u043d\u0443\u044e \u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u044e;\u043e\u0442\u0441\u0443\u0442\u0441\u0442\u0432\u0438\u0435 \u043e\u0447\u0435\u0440\u0435\u0434\u0438 \u043f\u0440\u0438\u00a0\u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u0438\u0445 \u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u0435\u043b\u044f\u0445;\u0441\u0432\u044f\u0437\u043d\u044b\u0435 \u043e\u0442\u0432\u0435\u0442\u044b, \u0430\u00a0\u043d\u0435\u00a0\u043f\u0440\u043e\u0441\u0442\u043e HTTP 200\u00a0\u043e\u0442 \/v1\/chat\/completions.DeepSeek\u2011V4\u2011Flash \u043f\u043e\u0434\u00a0\u044d\u0442\u043e \u043f\u043e\u0434\u0445\u043e\u0434\u0438\u043b\u0430 \u043f\u043e\u0447\u0442\u0438 \u0438\u0434\u0435\u0430\u043b\u044c\u043d\u043e \u043d\u0430\u00a0\u0431\u0443\u043c\u0430\u0433\u0435: MoE \u0441 ~13B \u0430\u043a\u0442\u0438\u0432\u043d\u044b\u0445 \u043f\u0430\u0440\u0430\u043c\u0435\u0442\u0440\u043e\u0432 \u043d\u0430\u00a0\u0442\u043e\u043a\u0435\u043d, \u043a\u043e\u043c\u043f\u0430\u043a\u0442\u043d\u044b\u0439 KV \u0437\u0430\u00a0\u0441\u0447\u0451\u0442 MLA, \u0432\u0435\u0441\u0430 FP8+MXFP4\u00a0\u043f\u0440\u0438\u043c\u0435\u0440\u043d\u043e \u043d\u0430 149\u00a0\u0413\u0411 \u0438 MTP\u2011\u0441\u043f\u0435\u043a\u0443\u043b\u044f\u0446\u0438\u044f \u0438\u0437\u00a0\u043a\u043e\u0440\u043e\u0431\u043a\u0438. \u041e\u0441\u0442\u0430\u0432\u0430\u043b\u043e\u0441\u044c \u00ab\u0432\u0441\u0435\u0433\u043e\u00a0\u043b\u0438\u0448\u044c\u00bb \u0435\u0451 \u0437\u0430\u043f\u0443\u0441\u0442\u0438\u0442\u044c.2. \u041f\u043e\u0447\u0435\u043c\u0443 \u00ab\u043f\u0440\u043e\u0441\u0442\u043e \u043f\u043e\u0441\u0442\u0430\u0432\u0438\u0442\u044c vLLM\u00bb \u043d\u0435\u00a0\u043f\u043e\u043b\u0443\u0447\u0438\u043b\u043e\u0441\u044c\u0413\u043b\u0430\u0432\u043d\u0430\u044f \u0437\u0430\u0441\u0430\u0434\u0430: upstream vLLM \u043d\u0430\u00a0\u0442\u043e\u0442 \u043c\u043e\u043c\u0435\u043d\u0442 \u043a\u00a0DeepSeek\u2011V4\u00a0\u043d\u0430\u00a0consumer Blackwell \u0433\u043e\u0442\u043e\u0432 \u043d\u0435\u00a0\u0431\u044b\u043b.\u0421\u0430\u043c\u0430 \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u0430 DeepSeek\u2011V4\u00a0\u0432\u00a0vLLM \u0443\u0436\u0435 \u0437\u0430\u0440\u0435\u0433\u0438\u0441\u0442\u0440\u0438\u0440\u043e\u0432\u0430\u043d\u0430\u00a0\u2014 model class, tokenizer\/parser, MTP \u0438 \u0441\u043e\u043f\u0443\u0442\u0441\u0442\u0432\u0443\u044e\u0449\u0438\u0435 \u043a\u0443\u0441\u043a\u0438 \u043d\u0430\u00a0\u043c\u0435\u0441\u0442\u0435. \u041d\u043e\u00a0\u0430\u043f\u043f\u0430\u0440\u0430\u0442\u043d\u044b\u0439 \u043f\u0443\u0442\u044c \u043f\u043e\u0434\u00a0V4\u00a0\u0437\u0430\u0442\u043e\u0447\u0435\u043d \u043f\u043e\u0434\u00a0\u0434\u0430\u0442\u0430\u0446\u0435\u043d\u0442\u0440: Hopper H200, Blackwell B200\/B300\/GB200, AMD MI355X. \u0412\u043d\u0443\u0442\u0440\u0438 \u0436\u0438\u0432\u0443\u0442 SM100-only \u043e\u043f\u0442\u0438\u043c\u0438\u0437\u0430\u0446\u0438\u0438: DeepGEMM, FlashMLA sparse, Lightning Indexer.\u041d\u0430\u00a0SM121\u00a0\u0432\u0441\u0451 \u044d\u0442\u043e \u0440\u0430\u0441\u0441\u044b\u043f\u0430\u0435\u0442\u0441\u044f. \u0412 vLLM issue #45317 \u0441\u0438\u043c\u043f\u0442\u043e\u043c\u0430\u0442\u0438\u043a\u0430 \u0432\u0438\u0434\u043d\u0430 \u043a\u0430\u043a\u00a0\u043d\u0430\u00a0\u043b\u0430\u0434\u043e\u043d\u0438: \u0432\u0441\u0435 MLA\u2011\u0431\u044d\u043a\u0435\u043d\u0434\u044b \u043f\u043e\u00a0\u043e\u0447\u0435\u0440\u0435\u0434\u0438 \u043e\u0442\u0432\u0435\u0440\u0433\u0430\u044e\u0442\u0441\u044f, \u0438 \u0432\u00a0\u043a\u043e\u043d\u0446\u0435 \u043f\u0440\u0438\u043b\u0435\u0442\u0430\u0435\u0442 \u043a\u043b\u0430\u0441\u0441\u0438\u043a\u0430:textNo valid attention backend found &#8230; compute capability not supported\u0420\u0430\u0431\u043e\u0447\u0438\u0439 \u043f\u0443\u0442\u044c \u0434\u043b\u044f\u00a0GB10\u00a0\u043d\u0430\u00a0\u0441\u0435\u0433\u043e\u0434\u043d\u044f\u00a0\u2014 community\u2011\u0444\u043e\u0440\u043a jasl\/vllm, \u0433\u0434\u0435 \u0434\u043b\u044f\u00a0SM12x \u0434\u043e\u0431\u0430\u0432\u043b\u0435\u043d\u044b Triton fallback\u2011\u043a\u0435\u0440\u043d\u0435\u043b\u044b: sparse\u2011MLA, FP8\u00a0lightning\u2011indexer \u0438 \u0437\u0430\u043c\u0435\u043d\u0430 SM100\u2011DeepGEMM. \u041c\u044b \u0432\u0437\u044f\u043b\u0438 community\u2011\u043e\u0431\u0440\u0430\u0437 aidendle94\/sparkrun-vllm-ds4-gb10 \u0438\u0437\u00a0\u044d\u0442\u043e\u0439\u00a0\u043b\u0438\u043d\u0438\u0438, vLLM 0.21.1rc1.dev.NGC\u2011\u043a\u043e\u043d\u0442\u0435\u0439\u043d\u0435\u0440\u044b \u0442\u043e\u0436\u0435 \u043c\u0438\u043c\u043e: \u043e\u0431\u0440\u0430\u0437\u044b 26.03+ \u0442\u0440\u0435\u0431\u0443\u044e\u0442 \u0434\u0440\u0430\u0439\u0432\u0435\u0440 \u2265590, \u0430\u00a0\u043d\u0430\u00a0Spark \u0443\u00a0\u043d\u0430\u0441 \u0441\u0442\u043e\u044f\u043b 580. \u041d\u0430 590\u00a0\u043d\u0430\u0441 \u0432\u0441\u0442\u0440\u0435\u0442\u0438\u043b\u0438 UMA leak \u0438 CUDAGraph deadlock, \u0442\u0430\u043a \u0447\u0442\u043e\u00a0\u0434\u0440\u0430\u0439\u0432\u0435\u0440 \u043f\u0440\u0438\u0448\u043b\u043e\u0441\u044c \u043f\u0440\u0438\u0431\u0438\u0442\u044c \u0433\u0432\u043e\u0437\u0434\u044f\u043c\u0438 \u043a 580.\u0420\u0435\u0437\u044e\u043c\u0435: DeepSeek\u2011V4\u2011Flash \u043d\u0430\u00a0DGX Spark\u00a0\u2014 \u044d\u0442\u043e bleeding edge \u043d\u0430\u00a0\u043d\u0435\u0441\u043b\u0438\u0442\u043e\u043c PR. \u041e\u043d\u043e \u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442, \u043d\u043e\u00a0\u0442\u043e\u043b\u044c\u043a\u043e \u0435\u0441\u043b\u0438 \u0434\u0435\u0440\u0436\u0438\u0448\u044c \u0432\u00a0\u0433\u043e\u043b\u043e\u0432\u0435, \u043a\u0430\u043a\u0438\u0435 \u043f\u0443\u0442\u0438 \u0438\u0441\u043f\u043e\u043b\u043d\u0435\u043d\u0438\u044f \u043d\u0430\u00a0SM121\u00a0\u0440\u0435\u0430\u043b\u044c\u043d\u043e \u0434\u043e\u0441\u0442\u0443\u043f\u043d\u044b, \u0430\u00a0\u043a\u0430\u043a\u0438\u0435\u00a0\u043b\u0438\u0448\u044c \u0434\u0435\u043b\u0430\u044e\u0442 \u0432\u0438\u0434. 3. \u0422\u0440\u0438 \u0442\u0443\u043f\u0438\u043a\u0430 \u0441\u043f\u0435\u043a\u0443\u043b\u044f\u0442\u0438\u0432\u043d\u043e\u0433\u043e \u0434\u0435\u043a\u043e\u0434\u0438\u043d\u0433\u0430\u041c\u044b \u0445\u043e\u0442\u0435\u043b\u0438 \u0440\u0430\u0437\u043e\u0433\u043d\u0430\u0442\u044c single\u2011stream \u0438 \u043f\u043e\u00a0\u0434\u043e\u0440\u043e\u0433\u0435 \u0441\u043d\u044f\u0442\u044c \u00ab\u0431\u0435\u0441\u043f\u043b\u0430\u0442\u043d\u044b\u0439\u00bb \u043f\u0440\u0438\u0440\u043e\u0441\u0442 \u0441\u043e \u0441\u0432\u0435\u0436\u0438\u0445 \u043e\u043f\u0442\u0438\u043c\u0438\u0437\u0430\u0446\u0438\u0439. \u0421\u043d\u044f\u043b\u0438 \u0432\u043c\u0435\u0441\u0442\u043e \u044d\u0442\u043e\u0433\u043e \u0442\u0440\u0438 \u0442\u0443\u043f\u0438\u043a\u0430. \u041a\u0430\u0436\u0434\u044b\u0439 \u0441\u043a\u0443\u0448\u0430\u043b \u0432\u0440\u0435\u043c\u044f\u00a0\u2014 \u043d\u043e\u00a0\u043a\u0430\u0436\u0434\u044b\u0439 \u0438 \u043f\u043e\u043a\u0430\u0437\u0430\u043b, \u043a\u0430\u043a\u00a0\u043d\u0430\u00a0\u044d\u0442\u043e\u043c\u00a0\u0436\u0435\u043b\u0435\u0437\u0435 \u0440\u0435\u0430\u043b\u044c\u043d\u043e \u0443\u0441\u0442\u0440\u043e\u0435\u043d \u0438\u0441\u043f\u043e\u043b\u043d\u0438\u0442\u0435\u043b\u044c\u043d\u044b\u0439 \u043f\u0443\u0442\u044c.\u0422\u0443\u043f\u0438\u043a 1. Model Runner V2\u00a0+ reasoningModel Runner V2\u00a0\u2014 \u043d\u043e\u0432\u044b\u0439 execution layer vLLM: GPU\u2011native Triton kernels, async scheduling, \u0430\u043a\u043a\u0443\u0440\u0430\u0442\u043d\u0435\u0435 \u0440\u0430\u0431\u043e\u0442\u0430 \u0441\u00a0KV \u0438 \u043e\u0431\u0435\u0449\u0430\u043d\u043d\u044b\u0439 \u043f\u0440\u0438\u0440\u043e\u0441\u0442 throughput. \u0412\u043a\u043b\u044e\u0447\u0430\u0435\u0442\u0441\u044f \u043f\u0435\u0440\u0435\u043c\u0435\u043d\u043d\u043e\u0439 \u043e\u043a\u0440\u0443\u0436\u0435\u043d\u0438\u044f:bashVLLM_USE_V2_MODEL_RUNNER=1\u041d\u0430\u00a0\u043d\u0430\u0448\u0435\u0439 \u0441\u0431\u043e\u0440\u043a\u0435 \u0441\u00a0reasoning\u2011\u043c\u043e\u0434\u0435\u043b\u044c\u044e vLLM \u043f\u0430\u0434\u0430\u043b \u043f\u0440\u044f\u043c\u043e \u043d\u0430\u00a0\u0441\u0442\u0430\u0440\u0442\u0435:textpydantic ValidationError:VLLM_USE_V2_MODEL_RUNNER does not yet support: reasoning budget enforcement\u0421\u0430\u043c\u043e\u0435 \u0438\u043d\u0442\u0435\u0440\u0435\u0441\u043d\u043e\u0435 \u0442\u0443\u0442 \u0434\u0430\u0436\u0435 \u043d\u0435\u00a0\u0442\u0435\u043a\u0441\u0442 \u043e\u0448\u0438\u0431\u043a\u0438. \u0414\u043b\u044f\u00a0DeepSeek\u2011V4\u00a0MRV2\u00a0\u0432\u00a0\u043f\u0440\u0438\u043d\u0446\u0438\u043f\u0435 \u043d\u0435\u00a0\u044f\u0432\u043b\u044f\u0435\u0442\u0441\u044f \u043e\u0431\u044f\u0437\u0430\u0442\u0435\u043b\u044c\u043d\u044b\u043c \u043f\u0443\u0442\u0451\u043c: \u0442\u0430\u043a\u0438\u0435 MoE\/MLA\u2011\u043c\u043e\u0434\u0435\u043b\u0438 vLLM \u0432\u0441\u0451 \u0440\u0430\u0432\u043d\u043e \u0443\u0432\u043e\u0434\u0438\u0442 \u043d\u0430\u00a0Model Runner v1. \u0422\u043e \u0435\u0441\u0442\u044c \u0434\u0430\u0436\u0435 \u0433\u0438\u043f\u043e\u0442\u0435\u0442\u0438\u0447\u0435\u0441\u043a\u0438 \u0443\u0434\u0430\u0447\u043d\u044b\u0439 \u0437\u0430\u043f\u0443\u0441\u043a \u043d\u0435\u00a0\u0434\u0430\u043b\u00a0\u0431\u044b \u0442\u043e\u0433\u043e \u043f\u0440\u0438\u0440\u043e\u0441\u0442\u0430, \u0440\u0430\u0434\u0438 \u043a\u043e\u0442\u043e\u0440\u043e\u0433\u043e \u043c\u044b \u0442\u0443\u0434\u0430 \u043f\u043e\u043b\u0435\u0437\u043b\u0438. \u041c\u043e\u0440\u0430\u043b\u044c \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0443\u0435\u043c\u0430\u044f: \u00ab\u0443\u0441\u043a\u043e\u0440\u044f\u044e\u0449\u0430\u044f\u00bb \u0444\u0438\u0447\u0430 \u0438\u0437\u00a0\u0447\u0435\u0439\u043d\u0434\u0436\u043b\u043e\u0433\u0430 \u043d\u0435\u00a0\u043e\u0431\u044f\u0437\u0430\u043d\u0430 \u0438\u043c\u0435\u0442\u044c \u043e\u0442\u043d\u043e\u0448\u0435\u043d\u0438\u0435 \u043a\u00a0\u0442\u0432\u043e\u0435\u0439 \u043a\u043e\u043d\u043a\u0440\u0435\u0442\u043d\u043e\u0439 \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u0435.\u0422\u0443\u043f\u0438\u043a 2. Expert Parallel + B12X MoE\u0414\u043b\u044f\u00a0MoE \u0440\u0443\u043a\u0430 \u0441\u0430\u043c\u0430 \u0442\u044f\u043d\u0435\u0442\u0441\u044f \u0432\u043a\u043b\u044e\u0447\u0438\u0442\u044c Expert Parallel:bash&#8212;enable-expert-parallel\u041d\u0430\u00a0\u043d\u0430\u0448\u0435\u0439 \u043a\u043e\u043d\u0444\u0438\u0433\u0443\u0440\u0430\u0446\u0438\u0438 \u044d\u0442\u043e \u043b\u0435\u0433\u043b\u043e \u0442\u0430\u043a:textValueError: Mxfp4 MoE backend &#8216;B12X&#8217; does not support &#8230; ep_size=2 &#8230; use_ep=TrueB12X MoE\u2011\u043a\u0435\u0440\u043d\u0435\u043b\u00a0\u2014 \u044d\u0442\u043e \u0442\u043e\u0442 \u0441\u0430\u043c\u044b\u0439 fallback \u0434\u043b\u044f\u00a0SM121, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u0432\u00a0\u043d\u0430\u0448\u0435\u043c \u0441\u043b\u0443\u0447\u0430\u0435 \u043e\u0442\u0432\u0435\u0447\u0430\u0435\u0442 \u0437\u0430\u00a0\u0447\u0438\u0441\u043b\u0435\u043d\u043d\u0443\u044e \u043a\u043e\u0440\u0440\u0435\u043a\u0442\u043d\u043e\u0441\u0442\u044c. \u0411\u0435\u0437\u00a0\u043d\u0435\u0433\u043e \u043f\u043e\u0441\u043b\u0435\u0434\u043d\u0438\u0439 MoE\u2011\u0441\u043b\u043e\u0439 \u0443\u043c\u0435\u0435\u0442 \u0432\u044b\u0434\u0430\u0432\u0430\u0442\u044c \u0433\u0440\u0430\u043c\u043c\u0430\u0442\u0438\u0447\u0435\u0441\u043a\u0438 \u0431\u0435\u0437\u0443\u043f\u0440\u0435\u0447\u043d\u044b\u0439, \u043d\u043e\u00a0\u0430\u0431\u0441\u043e\u043b\u044e\u0442\u043d\u043e \u0431\u0435\u0441\u0441\u043c\u044b\u0441\u043b\u0435\u043d\u043d\u044b\u0439 \u0442\u0435\u043a\u0441\u0442. \u0410\u00a0\u0441\u00a0Expert Parallel \u043e\u043d \u043d\u0435\u00a0\u0434\u0440\u0443\u0436\u0438\u0442: community\u2011\u0434\u0435\u043f\u043b\u043e\u0438 \u0441\u00a0EP \u043e\u0431\u044b\u0447\u043d\u043e \u0438\u0434\u0443\u0442 \u0447\u0435\u0440\u0435\u0437 native DeepGEMM path, \u043a\u043e\u0442\u043e\u0440\u043e\u0433\u043e \u043d\u0430\u00a0\u043d\u0430\u0448\u0435\u043c SM121\u00a0\u043f\u043e\u043f\u0440\u043e\u0441\u0442\u0443 \u043d\u0435\u0442.\u0412\u044b\u0431\u043e\u0440 \u043e\u043a\u0430\u0437\u0430\u043b\u0441\u044f \u0431\u0438\u043d\u0430\u0440\u043d\u044b\u0439:\u00a0\u043b\u0438\u0431\u043e EP,\u00a0\u043b\u0438\u0431\u043e \u043e\u0442\u0432\u0435\u0442\u044b, \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u0447\u0442\u043e\u2011\u0442\u043e \u0437\u043d\u0430\u0447\u0430\u0442. \u041c\u044b \u0432\u044b\u0431\u0440\u0430\u043b\u0438 \u0432\u0442\u043e\u0440\u043e\u0435.\u0422\u0443\u043f\u0438\u043a 3. DFlash\u2011\u0434\u0440\u0430\u0444\u0442\u0435\u0440, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u043f\u0435\u0440\u0435\u0437\u0430\u043b\u0438\u043b\u0438 \u00ab\u0432\u0447\u0435\u0440\u0430\u00bb\u041f\u0430\u0440\u0430\u043b\u043b\u0435\u043b\u044c\u043d\u043e \u043c\u044b \u043f\u0440\u043e\u0431\u043e\u0432\u0430\u043b\u0438 \u0440\u0430\u0437\u043e\u0433\u043d\u0430\u0442\u044c \u0447\u0435\u0440\u0435\u0437 \u0432\u043d\u0435\u0448\u043d\u0438\u0439 DFlash\u2011\u0434\u0440\u0430\u0444\u0442\u0435\u0440 \u0441\u043e\u0441\u0435\u0434\u043d\u044e\u044e \u043c\u043e\u0434\u0435\u043b\u044c \u0442\u043e\u0433\u043e\u00a0\u0436\u0435 \u043a\u043b\u0430\u0441\u0442\u0435\u0440\u0430. \u0417\u0430\u043f\u0443\u0441\u043a \u043f\u0430\u0434\u0430\u043b \u043d\u0430\u00a0assert:textunify_kv_cache_spec_page_size\u0420\u0430\u0441\u043a\u043e\u043f\u043a\u0438 \u043f\u043e\u043a\u0430\u0437\u0430\u043b\u0438, \u0447\u0442\u043e\u00a0\u043c\u0435\u0439\u043d\u0442\u0435\u0439\u043d\u0435\u0440 \u043f\u0435\u0440\u0435\u0437\u0430\u043b\u0438\u043b \u0434\u0440\u0430\u0444\u0442\u0435\u0440 \u0441\u00a0\u0434\u0440\u0443\u0433\u043e\u0439 head\u2011\u0433\u0435\u043e\u043c\u0435\u0442\u0440\u0438\u0435\u0439: 64\u00a0\u041a\u0438\u0411 \u043d\u0430\u00a0\u0431\u043b\u043e\u043a \u043f\u0440\u043e\u0442\u0438\u0432 32\u00a0\u041a\u0438\u0411 \u0443\u00a0target\u2011\u043c\u043e\u0434\u0435\u043b\u0438. \u0421\u0442\u0430\u0440\u044b\u0439 \u0434\u0440\u0430\u0444\u0442\u0435\u0440 \u0440\u0430\u0431\u043e\u0442\u0430\u043b, \u043d\u043e\u0432\u044b\u0439\u00a0\u2014 \u043d\u0435\u0442, \u0438 \u043c\u0435\u0436\u0434\u0443 \u044d\u0442\u0438\u043c\u0438 \u0434\u0432\u0443\u043c\u044f \u0441\u043e\u0441\u0442\u043e\u044f\u043d\u0438\u044f\u043c\u0438 \u043d\u0435\u00a0\u0431\u044b\u043b\u043e \u043d\u0438\u0447\u0435\u0433\u043e, \u043a\u0440\u043e\u043c\u0435 \u043c\u043e\u043b\u0447\u0430\u043b\u0438\u0432\u043e\u0433\u043e \u0430\u043f\u0434\u0435\u0439\u0442\u0430 \u0432\u00a0\u0440\u0435\u043f\u043e\u0437\u0438\u0442\u043e\u0440\u0438\u0438.\u041e\u0442\u0441\u044e\u0434\u0430 \u043f\u0440\u043e\u0441\u0442\u043e\u0439 \u0432\u044b\u0432\u043e\u0434 \u043d\u0430\u00a0\u0431\u0443\u0434\u0443\u0449\u0435\u0435: \u0432\u043d\u0435\u0448\u043d\u0438\u0439 \u0434\u0440\u0430\u0444\u0442\u0435\u0440\u00a0\u2014 \u044d\u0442\u043e \u043d\u0435 \u00ab\u043c\u0430\u043b\u0435\u043d\u044c\u043a\u0430\u044f \u043c\u043e\u0434\u0435\u043b\u044c \u0433\u0434\u0435\u2011\u0442\u043e \u0440\u044f\u0434\u043e\u043c\u00bb, \u0430\u00a0\u043f\u043e\u043b\u043d\u043e\u0446\u0435\u043d\u043d\u0430\u044f \u0437\u0430\u0432\u0438\u0441\u0438\u043c\u043e\u0441\u0442\u044c, \u043a\u043e\u0442\u043e\u0440\u0443\u044e \u043c\u043e\u0433\u0443\u0442 \u0442\u0438\u0445\u043e \u043e\u0431\u043d\u043e\u0432\u0438\u0442\u044c \u0438 \u0441\u043b\u043e\u043c\u0430\u0442\u044c. \u0412\u00a0production \u0435\u0433\u043e \u043d\u0443\u0436\u043d\u043e \u043f\u0438\u043d\u043e\u0432\u0430\u0442\u044c \u043f\u043e\u00a0\u0440\u0435\u0432\u0438\u0437\u0438\u0438, \u043a\u0430\u043a\u00a0\u043b\u044e\u0431\u043e\u0439 \u0434\u0440\u0443\u0433\u043e\u0439 \u0430\u0440\u0442\u0435\u0444\u0430\u043a\u0442, \u043e\u0442\u00a0\u043a\u043e\u0442\u043e\u0440\u043e\u0433\u043e \u0442\u044b \u0437\u0430\u0432\u0438\u0441\u0438\u0448\u044c.4. \u0427\u0442\u043e\u00a0\u0440\u0435\u0430\u043b\u044c\u043d\u043e \u0441\u0440\u0430\u0431\u043e\u0442\u0430\u043b\u043e\u041f\u043e\u0441\u043b\u0435 \u0432\u0441\u0435\u0445 \u0442\u0443\u043f\u0438\u043a\u043e\u0432 \u0432\u00a0\u0441\u0443\u0445\u043e\u043c \u043e\u0441\u0442\u0430\u0442\u043a\u0435 \u043e\u043a\u0430\u0437\u0430\u043b\u0438\u0441\u044c \u0441\u043a\u0443\u0447\u043d\u044b\u0435, \u0437\u0430\u0442\u043e \u0440\u0430\u0431\u043e\u0442\u0430\u044e\u0449\u0438\u0435 \u0438\u0437\u043c\u0435\u043d\u0435\u043d\u0438\u044f.4.1. max\u2011num\u2011seqs 1\u00a0\u2192 8\u0422\u043e\u0442 \u0441\u0430\u043c\u044b\u0439 \u0433\u043b\u0430\u0432\u043d\u044b\u0439 \u0444\u0438\u043a\u0441.\u041c\u044b \u0434\u0435\u0440\u0436\u0430\u043b\u0438:bash&#8212;max-num-seqs 1\u0412\u00a0\u043f\u0435\u0440\u0435\u0432\u043e\u0434\u0435 \u043d\u0430\u00a0\u0447\u0435\u043b\u043e\u0432\u0435\u0447\u0435\u0441\u043a\u0438\u0439 \u044d\u0442\u043e \u0437\u043d\u0430\u0447\u0438\u043b\u043e: \u0432\u00a0\u0440\u0430\u043d\u0442\u0430\u0439\u043c\u0435 \u043e\u0434\u043d\u043e\u0432\u0440\u0435\u043c\u0435\u043d\u043d\u043e \u0436\u0438\u0432\u0451\u0442 \u0440\u043e\u0432\u043d\u043e \u043e\u0434\u0438\u043d \u0437\u0430\u043f\u0440\u043e\u0441. \u041b\u044e\u0431\u043e\u0439 \u0432\u0442\u043e\u0440\u043e\u0439 \u0437\u0430\u043f\u0440\u043e\u0441 \u0432\u0441\u0442\u0430\u0432\u0430\u043b \u0432\u00a0\u043e\u0447\u0435\u0440\u0435\u0434\u044c, \u0430\u00a0\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u0435\u043b\u044c \u043b\u044e\u0431\u043e\u0432\u0430\u043b\u0441\u044f TTFT \u0432 14\u201315\u00a0\u0441\u0435\u043a\u0443\u043d\u0434.\u041f\u043e\u0441\u043b\u0435 \u043f\u0435\u0440\u0435\u0445\u043e\u0434\u0430 \u043d\u0430:bash&#8212;max-num-seqs 8\u043f\u043e\u044f\u0432\u0438\u043b\u0430\u0441\u044c \u043d\u0430\u0441\u0442\u043e\u044f\u0449\u0430\u044f \u043f\u0430\u0440\u0430\u043b\u043b\u0435\u043b\u044c\u043d\u043e\u0441\u0442\u044c\u00a0\u2014 \u043d\u0435\u00a0\u0442\u0430, \u0447\u0442\u043e\u00a0\u043a\u0440\u0430\u0441\u0438\u0432\u043e \u0432\u044b\u0433\u043b\u044f\u0434\u0438\u0442 \u043d\u0430\u00a0\u0433\u0440\u0430\u0444\u0438\u043a\u0435, \u0430\u00a0\u043d\u043e\u0440\u043c\u0430\u043b\u044c\u043d\u044b\u0439 multi\u2011user: \u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u0437\u0430\u043f\u0440\u043e\u0441\u043e\u0432 \u0438\u0434\u0443\u0442 \u043e\u0434\u043d\u043e\u0432\u0440\u0435\u043c\u0435\u043d\u043d\u043e, \u043e\u0447\u0435\u0440\u0435\u0434\u044c \u043d\u0435\u00a0\u0440\u0430\u0441\u0442\u0451\u0442, latency \u0441\u0442\u0430\u043d\u043e\u0432\u0438\u0442\u0441\u044f \u043f\u0440\u0435\u0434\u0441\u043a\u0430\u0437\u0443\u0435\u043c\u044b\u043c.4.2. Sparse\u2011MLA \u0434\u043b\u044f\u00a0SM121\u0412\u0442\u043e\u0440\u043e\u0439 \u0432\u0430\u0436\u043d\u044b\u0439 \u0444\u043b\u0430\u0433:bashVLLM_TRITON_MLA_SPARSE=1\u041e\u043d \u0432\u043a\u043b\u044e\u0447\u0430\u0435\u0442 sparse\u2011MLA path, \u0437\u0430\u0442\u043e\u0447\u0435\u043d\u043d\u044b\u0439 \u0438\u043c\u0435\u043d\u043d\u043e \u043f\u043e\u0434\u00a0\u044d\u0442\u0443 SM121-\u043b\u0438\u043d\u0438\u044e. \u0411\u0435\u0437\u00a0\u043d\u0435\u0433\u043e \u043c\u043e\u0434\u0435\u043b\u044c\u00a0\u043b\u0438\u0431\u043e \u043d\u0435\u00a0\u0441\u0442\u0430\u0440\u0442\u0443\u0435\u0442 \u0432\u043e\u0432\u0441\u0435,\u00a0\u043b\u0438\u0431\u043e \u0441\u0432\u0430\u043b\u0438\u0432\u0430\u0435\u0442\u0441\u044f \u0432\u00a0\u043d\u0435\u043f\u043e\u0434\u0445\u043e\u0434\u044f\u0449\u0438\u0439 attention backend.4.3. Prefix caching\u0414\u043b\u044f\u00a0\u0430\u0433\u0435\u043d\u0442\u043d\u044b\u0445 \u043d\u0430\u0433\u0440\u0443\u0437\u043e\u043a\u00a0\u2014 \u0431\u0435\u0437\u00a0\u043f\u0440\u0435\u0443\u0432\u0435\u043b\u0438\u0447\u0435\u043d\u0438\u044f \u043a\u0440\u0438\u0442\u0438\u0447\u043d\u043e:bash&#8212;enable-prefix-caching\u0420\u0435\u0441\u0451\u0440\u0447\u2011\u0430\u0433\u0435\u043d\u0442 \u0433\u043e\u043d\u044f\u0435\u0442 \u043e\u0434\u0438\u043d \u0438 \u0442\u043e\u0442\u00a0\u0436\u0435 \u0434\u043b\u0438\u043d\u043d\u044b\u0439 \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442 \u043c\u0435\u0436\u0434\u0443 \u0448\u0430\u0433\u0430\u043c\u0438 \u043f\u043e\u00a0\u043a\u0440\u0443\u0433\u0443. \u0415\u0441\u043b\u0438 \u043a\u0430\u0436\u0434\u044b\u0439 \u0440\u0430\u0437 \u0437\u0430\u043d\u043e\u0432\u043e \u043f\u0440\u043e\u0433\u043e\u043d\u044f\u0442\u044c prefill \u043d\u0430 40K+ \u0442\u043e\u043a\u0435\u043d\u043e\u0432, \u043a\u043b\u0430\u0441\u0442\u0435\u0440 \u0431\u0443\u0434\u0435\u0442 \u0437\u0430\u043d\u044f\u0442 \u043d\u0435\u00a0\u0433\u0435\u043d\u0435\u0440\u0430\u0446\u0438\u0435\u0439, \u0430\u00a0\u0431\u0435\u0441\u043a\u043e\u043d\u0435\u0447\u043d\u044b\u043c \u043f\u0435\u0440\u0435\u0436\u0451\u0432\u044b\u0432\u0430\u043d\u0438\u0435\u043c \u043e\u0434\u043d\u043e\u0433\u043e \u0438 \u0442\u043e\u0433\u043e\u00a0\u0436\u0435 \u043f\u0440\u043e\u043c\u043f\u0442\u0430.\u0412\u00a0\u0431\u043e\u044e prefix\u2011cache hit \u0434\u043e\u0448\u0451\u043b \u0434\u043e 88%\u00a0\u2014 \u043a\u00a0\u044d\u0442\u043e\u0439 \u0446\u0438\u0444\u0440\u0435 \u043c\u044b \u0435\u0449\u0451 \u0432\u0435\u0440\u043d\u0451\u043c\u0441\u044f \u0432\u00a0\u0440\u0430\u0437\u0434\u0435\u043b\u0435 \u0441\u00a0\u043c\u0435\u0442\u0440\u0438\u043a\u0430\u043c\u0438.4.4. \u0428\u0442\u0430\u0442\u043d\u0430\u044f MTP\u2011\u0441\u043f\u0435\u043a\u0443\u043b\u044f\u0446\u0438\u044f DeepSeekMTP \u0443\u00a0DeepSeek\u2011V4\u2011Flash \u043d\u0430\u00a0\u043d\u0430\u0448\u0435\u0439 \u043d\u0430\u0433\u0440\u0443\u0437\u043a\u0435 \u043e\u043a\u0430\u0437\u0430\u043b\u0441\u044f \u0432\u043f\u043e\u043b\u043d\u0435 \u0436\u0438\u0432\u044b\u043c: acceptance rate \u0434\u0435\u0440\u0436\u0430\u043b\u0441\u044f \u0432\u00a0\u0440\u0430\u0439\u043e\u043d\u0435 55\u201364%. \u0422\u043e \u0435\u0441\u0442\u044c \u0434\u0440\u0430\u0444\u0442\u0435\u0440 \u0443\u0433\u0430\u0434\u044b\u0432\u0430\u043b \u0437\u0430\u043c\u0435\u0442\u043d\u0443\u044e \u0447\u0430\u0441\u0442\u044c \u0431\u0443\u0434\u0443\u0449\u0438\u0445 \u0442\u043e\u043a\u0435\u043d\u043e\u0432, \u0430\u00a0\u043d\u0435\u00a0\u043f\u0440\u043e\u0441\u0442\u043e \u0434\u043e\u0431\u0430\u0432\u043b\u044f\u043b overhead \u0440\u0430\u0434\u0438 \u0433\u0430\u043b\u043e\u0447\u043a\u0438.\u041e\u0434\u0438\u043d \u043d\u044e\u0430\u043d\u0441, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u043b\u0435\u0433\u043a\u043e \u0437\u0430\u0431\u044b\u0442\u044c: \u043f\u043e\u0441\u043b\u0435 \u0441\u043c\u0435\u043d\u044b MoE\/attention\u2011\u043f\u0443\u0442\u0438 \u043f\u0440\u043e\u0432\u0435\u0440\u044f\u0442\u044c \u043d\u0430\u0434\u043e \u043d\u0435\u00a0HTTP\u2011\u043a\u043e\u0434, \u0430\u00a0\u0441\u0432\u044f\u0437\u043d\u043e\u0441\u0442\u044c \u043e\u0442\u0432\u0435\u0442\u0430. \u0423\u00a0\u043d\u0430\u0441 sanity check\u00a0\u0431\u044b\u043b \u043c\u0430\u043a\u0441\u0438\u043c\u0430\u043b\u044c\u043d\u043e \u0442\u0443\u043f\u043e\u0439:text\u0412\u043e\u043f\u0440\u043e\u0441: \u0441\u0442\u043e\u043b\u0438\u0446\u0430 \u0424\u0440\u0430\u043d\u0446\u0438\u0438?\u041e\u0436\u0438\u0434\u0430\u0435\u043c\u044b\u0439 \u043e\u0442\u0432\u0435\u0442: \u041f\u0430\u0440\u0438\u0436curl \u0440\u0430\u0434\u043e\u0441\u0442\u043d\u043e \u0432\u0435\u0440\u043d\u0451\u0442 200\u00a0\u0438 \u0442\u043e\u0433\u0434\u0430, \u043a\u043e\u0433\u0434\u0430 numerical path \u0441\u043b\u043e\u043c\u0430\u043d, \u0430\u00a0\u043c\u043e\u0434\u0435\u043b\u044c \u0432\u044b\u0434\u0430\u0451\u0442 \u0433\u0440\u0430\u043c\u043c\u0430\u0442\u0438\u0447\u0435\u0441\u043a\u0438 \u0432\u0430\u043b\u0438\u0434\u043d\u044b\u0439 \u043c\u0443\u0441\u043e\u0440.5. \u0417\u0430\u043c\u0435\u0440\u044b: \u0441\u0438\u043d\u0442\u0435\u0442\u0438\u043a\u0430 \u043f\u0440\u043e\u0442\u0438\u0432 \u0431\u043e\u0435\u0432\u043e\u0439&#8230;<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[],"tags":[],"class_list":["post-484543","post","type-post","status-publish","format-standard","hentry"],"_links":{"self":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts\/484543","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=484543"}],"version-history":[{"count":0,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=\/wp\/v2\/posts\/484543\/revisions"}],"wp:attachment":[{"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=484543"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=484543"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/savepearlharbor.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=484543"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}