In den Nachrichten
Humming in SGLang: Flexible Low-Bit Kernels for Efficient MoE Serving
LMSYS · Veröffentlicht am · 3 Min. Lesezeit
In 30 Sekunden
- Was passiert ist
- Humming 0.1.18 adds flexible low-bit quantized kernels for MoE inference in SGLang, supporting MXFP4 weights and FP8 activations on Hopper and Blackwell GPUs.
- Warum es zählt
- Engineers deploying large mixture-of-experts models need efficient serving with reduced memory and compute requirements while maintaining model quality.
- Achtung
- Scale-range adjustment affected 11.27% of draft groups due to padding issues; a fix exists upstream but requires a follow-up Humming dependency upgrade.
Den vollständigen Artikel lesen
- kernel
- serving
Die Patterns dahinter
Jedes zeigt, wie die Technik arbeitet, wann sie ihren Aufwand wert ist und wo sie scheitert.
The Agent Architect
Ein Pattern, ein Tradeoff, eine Produktionspanne. Ein kurzes wöchentliches Briefing für alle, die agentische Systeme bauen.
Wöchentliche E-Mail, Abmeldung mit einem Klick. Ihre Adresse wird nur für das Briefing verwendet.