何が起きたか: vLLM Reaches 25K Total TPS/GPU on Qwen3.5

vLLM achieved 25,000 tokens per second per GPU serving Qwen3.5 on GB200 NVL72 systems using disaggregated prefill-decode architecture.

なぜ重要か: vLLM Reaches 25K Total TPS/GPU on Qwen3.5

Matters for engineers deploying large language models at scale who need to maximize inference throughput on multi-GPU clusters with hybrid attention architectures.

注意点: vLLM Reaches 25K Total TPS/GPU on Qwen3.5

Results use fixed 8K input and 1K output sequence lengths on random data; real-world performance varies with actual workload patterns and sequence length distributions.

ニュース

vLLM Reaches 25K Total TPS/GPU on Qwen3.5

vLLM · vLLM Team · 公開日 2026年8月6日 · 読了3分

30秒で要点

何が起きたか: vLLM achieved 25,000 tokens per second per GPU serving Qwen3.5 on GB200 NVL72 systems using disaggregated prefill-decode architecture.
なぜ重要か: Matters for engineers deploying large language models at scale who need to maximize inference throughput on multi-GPU clusters with hybrid attention architectures.
注意点: Results use fixed 8K input and 1K output sequence lengths on random data; real-world performance varies with actual workload patterns and sequence length distributions.

この要約を音声で聴く

記事の全文を読む

llm
kernel
serving
vllm
qwen

この話題の背景にあるパターン

各ページで、技術の仕組み、コストに見合う場面、そして破綻する条件を解説しています。

The Agent Architect

1つのパターン、1つのトレードオフ、1つの本番障害事例。エージェントシステムを構築する人のための短い週刊ブリーフィング。

週1回のメール、ワンクリックで購読解除できます。アドレスはブリーフィングの送信のみに使用します。