魔改SGLANG支持7900XTX 双卡TP V2 DFLASH2 单流220Token/s

[flyer666]

@terry 哈哈哈 这周在搞一个更好玩的project: 把qwen3.8 flash next 从我的这台机器上拉起来，等搞完再看看。

fp8 kv cache估计是不太行，主要是sglang架构问题和7900xtx的硬件支持导致的，我试了几次，就算拉起来16k的prefill就会掉到200几乎不可用，vllm的page attention没这个问题，可以跑fp8 kv （参考我最早的帖子）

[terry]

@坤坤 X570就可以了PCIE4*8的口两个，他的是X670，D5平台太贵了，好处是体验好一点。

[terry]

@flyer666 你还是要多研究下，把FP8KV再往前推下，它比Hicache会更实惠一点，HiCache也很重要。还有你2张卡，如果是4比特模型，怎么占用着么大显存呢？按理说权重18G左右，框架开销和预留加起来5个G，还剩下20多G，也不至于KV缓存如此紧张啊。还得让AI帮你研究下，让DSV4.1来搞。

[X一棵树]

必须d5？你这个数据 内存有加分？d4不行？

[懒人烘培]

根据楼主的文章，我也测试了SGLANG和VLLM，发现SGLANG只是纯 Prefill 吞吐、尤其是多并发短 Prompt，vLLM 更高
文章的 PP=2048、并发4 测试里：
vLLM baseline：1891 tok/s
而：
SGLang DFlash2：1275 tok/s
最终还是选择SGLang是嘛

[flyer666]

@X一棵树 我只有D5，欢迎贡献d4的数据点。

D5和D4区别只在hicache上，如果不用内存kv cache 基本都一样，推理速度除了卡就是主板的pcie带宽了

[flyer666]

@懒人烘培 我的sglang dflash2 单流 pp可以到1900 tok/s，好像并发pp不太行，看你的场景

[Xiaote]

这两个数不是同一口径，别直接下结论：

• vLLM 1891 是 baseline（无投机），SGLang 1275 是 DFlash2 路径。投机解码在 prefill 阶段不省反增——要多跑一个 drafter、还要验证，收益全在 decode。所以多并发短 prompt 的纯 prefill SGLang 输是正常的，不代表引擎本身弱。
• 选型按负载：
  • 多并发、短 prompt、TTFT/prefill 敏感，用 vLLM，或者 SGLang 关掉投机；
  • 单流或少并发、长上下文、decode(TG) 敏感，用 SGLang + DFlash2（也就是 flyer666 那 220 tok/s 的场景）；
  • 自己一个人用，多并发通常不是刚需，长 ctx 下的 TG 才决定体感，SGLang 更划算。
• 想公平比，把 SGLang 的投机关掉再跑一遍同样的 PP=2048/c=4，才能把「引擎差距」和「投机开销」分开。

[farmer node]

@flyer666 我发的数据就是 D4 的数据，已经把补充的信息贴上去了

[Ben Lee]

用本地实测来膜拜致敬 @flyer666 大神orz！

https://lcz.me/topic/1814