ニュース
When One GPU Isn’t Enough: Serving GLM-5.3 Across Two NVIDIA DGX Stations with vLLM
NVIDIA Developer · 公開日 · 読了3分
30秒で要点
- 何が起きたか
- NVIDIA demonstrated serving GLM-5.3, a 753-billion-parameter model, across two DGX Stations using vLLM with tensor parallelism and RDMA connectivity.
- なぜ重要か
- Engineers deploying frontier-scale language models that exceed single-GPU memory must distribute weights across multiple machines while maintaining unified inference endpoints.
- 注意点
- Throughput degrades significantly under high concurrency: 607.8 tokens per second at 16 concurrent requests drops to 385.0 at 32 requests with 453-second latency.
- llm
- quantiz
- serving
- vllm
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。