Новости

HPC-Ops × SGLang: High-Performance Attention, Router GEMM, and MoE Kernels from Tencent Hunyuan

LMSYS · Опубликовано 7 августа 2026 г. · 3 мин чтения

За 30 секунд

Что произошло: Tencent Hunyuan released HPC-Ops, optimized kernels for attention, routing, and MoE inference now integrated into SGLang's main branch.
Почему это важно: Engineers deploying large language models on NVIDIA Hopper GPUs who need faster MoE model serving with mixed-length sequences and FP8 quantization.
На что обратить внимание: Kernels target SM90 Hopper GPUs specifically; performance gains vary by batch size, sequence length distribution, and quantization precision used.

Послушать это резюме

Каждый разбирает, как работает техника, когда она оправдывает затраты и где ломается.

Один паттерн, один компромисс, одна история сбоя в продакшене. Короткий еженедельный брифинг для тех, кто строит агентные системы.

Одно письмо в неделю, отписка в один клик. Адрес используется только для рассылки брифинга.

Новости

LMSYS · Опубликовано 7 августа 2026 г. · 3 мин чтения

Что произошло: Tencent Hunyuan released HPC-Ops, optimized kernels for attention, routing, and MoE inference now integrated into SGLang's main branch.
Почему это важно: Engineers deploying large language models on NVIDIA Hopper GPUs who need faster MoE model serving with mixed-length sequences and FP8 quantization.
На что обратить внимание: Kernels target SM90 Hopper GPUs specifically; performance gains vary by batch size, sequence length distribution, and quantization precision used.

Послушать это резюме

Каждый разбирает, как работает техника, когда она оправдывает затраты и где ломается.

Одно письмо в неделю, отписка в один клик. Адрес используется только для рассылки брифинга.