SGLang is hitting 180 tok/s/GPU on DeepSeek-V4 decode with ~1M context on Blackwell. Good to see f...
TL;DR · AI 摘要
NVIDIA AI 报告称，SGLang 在 Blackwell 硬件上使用 DeepSeek-V4 模型解码达到 180 tok/s/GPU 的速度，约 1M 上下文，得益于 LMSYS 组织针对 Blackwell 的特定优化，提高了混合稀疏注意力的利用效率。
核心要点
- SGLang 在 DeepSeek-V4 解码任务上实现高性能，达 180 tok/s/GPU。
- 该成果基于 Blackwell 硬件与 LMSYS 优化，提升模型稀疏注意力性能。
- LMSYS 同时发布适用于 V4 的 Miles RL 训练管道，支持 Day 0 优化。
结构提纲
按章节快速跳转。
思维导图
用一张图看清主题之间的关系。
查看大纲文本（无障碍 / 无 JS 友好）
- SGLang & DeepSeek-V4 性能突破
- 性能表现
- 180 tok/s/GPU
- 优化因素
- Blackwell硬件
- LMSYS组织
- 附加成果
- Miles RL训练管道
金句 / Highlights
值得收藏与分享的关键句。
SGLang 在 DeepSeek-V4 解码上达到 180 tok/s/GPU，上下文约 1M。
LMSYS 针对 Blackwell 的优化提升了模型的混合稀疏注意力利用率。
伴随 V4 发布，LMSYS 提供了 Miles 中的 RL 训练管道，支持 Day 0 优化。
Good to see fast progress in open source DeepSeek-V4 inference on new hardware.
This comes from Blackwell-specific optimizations by @lmsysorg that better use the model’s hybrid sparse" / X
Don’t miss what’s happening
SGLang is hitting 180 tok/s/GPU on DeepSeek-V4 decode with ~1M context on Blackwell. Good to see fast progress in open source DeepSeek-V4 inference on new hardware. This comes from Blackwell-specific optimizations by
that better use the model’s hybrid sparse attention.
Quote
LMSYS Org
@lmsysorg
Apr 24
DeepSeek V4 by @deepseek_ai just dropped! SGLang is ready on Day 0 with a full stack of optimizations from architectures to low-level kernels. We also deliver a verified RL training pipeline in Miles (by @radixark) for V4 at launch: 
Native "ShadowRadix" Design: DeepSeek V4's
Sign up now to get your own personalized timeline!