Загрузка видео...

Не удалось загрузить видео

На главную

SGLang now supports DSpark, enabling confidence-driven, variable-length verification for speculative decoding 🎉 DSpark addresses a key bottleneck under load: instead of verifying every draft token, it verifies only where the draft model is confident, so the gains hold even as batch size scales. We heavily optimized variable-length verification in...

170,752 просмотров • 3 месяцев назад •via X (Twitter)

Комментарии: 9

Фото профиля LMSYS Org
LMSYS Org3 месяцев назад

Run DeepSeek-V4-Flash with DSpark (on H200, TP4 + DP-attention): SGLANG_RAGGED_VERIFY_MODE=compact python3 -m sglang.launch_server \ --model-path deepseek-ai/DeepSeek-V4-Flash-DSpark \ --speculative-algorithm DSPARK \ --tp 4 --dp-size 4 --enable-dp-attention --enable-dp-lm-head \ --moe-runner-backend flashinfer_mxfp4 \ --swa-full-tokens-ratio 0.1 --chunked-prefill-size 1024 \ --mem-fraction-static 0.9 --cuda-graph-max-bs 192 \ --trust-remote-code --host 0.0.0.0 --port 30000

Фото профиля LMSYS Org
LMSYS Org3 месяцев назад

Run DeepSeek-V4-Pro with DSpark (on B300, TP8): SGLANG_RAGGED_VERIFY_MODE=compact python3 -m sglang.launch_server \ --model-path deepseek-ai/DeepSeek-V4-Pro-DSpark \ --speculative-algorithm DSPARK \ --tp 8 \ --moe-runner-backend flashinfer_mxfp4 \ --mem-fraction-static 0.82 --cuda-graph-max-bs 192 --chunked-prefill-size 4096 \ --trust-remote-code --host 0.0.0.0 --port 30000

Фото профиля LMSYS Org
LMSYS Org3 месяцев назад

Full technical details, benchmarks, and more configs in the blog 🫡

Фото профиля Adam Baranowski
Adam Baranowski3 месяцев назад

🙌

Фото профиля Chung-En Ho
Chung-En Ho3 месяцев назад

Is it available upstream? Didnt see a merged related commit.

Фото профиля Sebastian Buzdugan
Sebastian Buzdugan3 месяцев назад

dspark helps, but tail latency still spikes when draft confidence drifts under real traffic

Фото профиля ⋆ Sophia ˚⋆
⋆ Sophia ˚⋆3 месяцев назад

interesting, does this mean higher throughput under load without sacrificing quality

Фото профиля Layla CryptoWhiz
Layla CryptoWhiz3 месяцев назад

DSpark 335 tok/s. MTP 213. Oh wait... I don't trust B=1 benchmarks. DSpark holds at B=256. MTP falls off. That's production-grade.

Фото профиля CEO del Socialismo de Mercado🌹🕊️ 市场社会主义CEO
CEO del Socialismo de Mercado🌹🕊️ 市场社会主义CEO3 месяцев назад

In a Nvidia Spark? 👀

Похожие видео