产品
微软技术栈中使用的序列生成语言工具。
已跟踪 6 条高相关材料
最近变化
2026-06-04 · Ideogram 4.0 登顶 Arena 开放图像模型榜单，图像布局能力显著提升。
为什么值得关注
SGLang 被反复提及时，通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
[AINews] Reve 2 and Ideogram 4: Layouts in Imagegen
Latent Space · 8.7 分
图像生成布局能力被两大模型同时突破，Ideogram 4 登顶公开图像模型榜单；与此同时，微软发布 MAI-Thinking-1，97% 解决 AIME 2025 且无合成数据、无蒸馏，公开训练细节与 MoE 阶梯，Frontier Tuning 使企业工作流模型效率提升 10...
Benchmarking inference at scale: coding agents
Together AI Blog · 8.5 分
Together Inference Engine在编码代理工作负载中比其他OSS引擎多提供31%的TPS，并在达到饱和时保持2倍的TTFT优势。性能提升来自全栈优化：ThunderMLA、自定义内核重写和真实流量的端到端分析。
国产GPU组了个开源局，把SGLang等核心开发者都摇来了！
量子位 · 8.5 分
国产GPU厂商摩尔线程通过SGLang × MUSA Meetup，成功吸引多个大模型推理框架核心开发者，推动国产GPU进入主流开源工程链路。
已收录 6 条与 SGLang 相关的内容，按评分排序。
图像生成布局能力被 Reve 2 与 Ideogram 4 同步突破，后者登顶公开图像模型榜单；微软发布 MAI-Thinking-1，AIME 2025 97% 且无合成数据、无蒸馏，公开训练细节与 MoE 阶梯；开源侧 Gemma 4 12B 等多款模型升级，强化本地优先部署。
入选理由：Ideogram 4.0 登顶 Arena 开放图像模型榜单，图像布局能力显著提升。
Together推理引擎在编码代理工作负载中比其他开源引擎多提供31%的TPS，并在饱和状态下保持2倍的TTFT优势。性能提升来自全栈优化。
入选理由：ThunderMLA、自定义内核重写和端到端优化使Together引擎比其他OSS引擎多31%的TPS
国产GPU厂商摩尔线程通过开源活动吸引多个大模型推理框架核心开发者。
入选理由：SGLang在12个H100节点上实现52.3k输入token/s/node性能
DeepSeekV4发布，通过组合创新和工程优化，在R1的“测试时扩展”范式下，实现百万上下文从理论到实用的飞跃，对Agent和多步复杂任务具有重要意义。
入选理由：DeepSeek V4沿用现有范式，未带来范式变化，但通过一系列技术创新显著提升了长上下文处理能力。
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。
入选理由：SGLang 在 DeepSeek-V4 解码任务上实现高性能，达 180 tok/s/GPU。
Google 宣布其模型权重与主流开源生态兼容，可在 Hugging Face 和 Kaggle 直接下载，降低部署门槛。
入选理由：Gemma 4 权重与 llama.cpp、vLLM、Ollama 等生态兼容，便于本地部署与推理。
