@SuJinYan123：仅在DeepSeek开源Qwen DSpark权重6小时后，OpenInfer就已经在RTX 5…上支持DSpark运行

X AI KOLs Timeline 工具
open-source deepseek dspark speculative-decoding inference-engine rust cuda

摘要

OpenInfer，一个纯粹的Rust+CUDA LLM推理引擎，快速添加了对DeepSeek的DSpark投机解码技术在RTX 5090上的支持，实现了每个用户近500 tok/s，并扩展至约2.4K聚合tok/s，在非随机工作负载上优于DFlash。

仅在DeepSeek开源Qwen DSpark权重6小时后，OpenInfer就已经在RTX 5090上支持DSpark运行。 OpenInfer现已支持DSpark： https://github.com/openinfer-project/openinfer/pull/468… 在RTX 5090上，DSpark在c1时每个用户达到近500输出tok/s。在c8时，其扩展至约2.4K GPU聚合输出tok/s，同时仍为每个用户提供近300输出tok/s。 与DFlash相比，DSpark在所有非随机工作负载上速度更快，并且具有更健康的接受草稿长度分布。 一个有趣的细节：DSpark在随机合成工作负载上速度较慢，接受长度更短。我认为这实际上是个好兆头：随机文本是设计上的反例，可以说本就不应该被预测。在随机任务上较慢是符合预期的。 RTX 5090上的吞吐量权衡：DSpark在所有非随机工作负载上优于DFlash。 接受长度分布：与DFlash相比，DSpark将更多轮次转移到更长的接受草稿上。
查看原文
查看缓存全文

缓存时间: 2026/06/28 20:15

openinfer

纯Rust和CUDA的LLM推理引擎。无需PyTorch。无需模型框架运行时。

快速开始 · 模型 · API · 性能 · 架构

相似文章