Bilanz der Quelle: Die neue Version vLLM 0.15.0 fügt einen fused-moe-lora-Kernel hinzu, der Multi-LoRA-Kernel erstmals in Expertenrouting-Schichten einsetzbar macht. Das Ergebnis: 454 Prozent mehr Ausgabe-Tokens und 87 Prozent kürzere Wartezeit bei GPT-OSS-20B.
🔗 Im Original weiterlesen → · 🗃 Wayback Machine (Archiv)
ℹ️ KI-Hinweis
Die Inhalte dieses Artikels wurden automatisiert mittels Künstlicher Intelligenz generiert. Die zugrundeliegenden Daten stammen von aws.amazon.com. Es erfolgte keine manuelle redaktionelle Bearbeitung.
Die Inhalte dieses Artikels wurden automatisiert mittels Künstlicher Intelligenz generiert. Die zugrundeliegenden Daten stammen von aws.amazon.com. Es erfolgte keine manuelle redaktionelle Bearbeitung.
