Новости
Inkling 2 Mini on vLLM: Day-0 Support for a Looped Model
vLLM · Inferact, Thinking Machines and NVIDIA · Опубликовано · 3 мин чтения
За 30 секунд
- Что произошло
- vLLM added day-0 support for Inkling 2 Mini, a looped multimodal model with 26B total and 3.5B active parameters running on NVIDIA hardware.
- Почему это важно
- Engineers deploying or evaluating Inkling 2 Mini need this support to serve the model efficiently with its variable-loop research checkpoint option.
- На что обратить внимание
- The looped architecture requires 48 separate KV caches instead of 24, and DSpark speculative decoding requires the default three-pass configuration.
- llm
- speculative
- kernel
- kv cache
- vllm
Паттерны, стоящие за этой новостью
Каждый разбирает, как работает техника, когда она оправдывает затраты и где ломается.
The Agent Architect
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.