尧图网络 高端网站定制 · 原创设计
免费咨询热线
400-888-6620
免费获取方案
基于vLLM-Ascend的Qwen3.5-122B模型Atlas 800I A3单机混部部署实践
​作者​昇腾实战派​知识地图​https://blog.csdn.net/Lumos_Lovegood/article/details/161601003背景概述本文档将介绍基于vLLM-Ascend的Qwen3.5-122B模型在Atlas 800I A3上的单机混部部署实践包括支持的特性、特性配置、环境信息以及性能测试典型case。基本信息软件版本设备信息组网形态总卡数数据格式0.18.0NPU: Atlas 800I A3-560T, HBM 128GCPU: Kunpeng 920 (80核-2900MHz)内存: 32根64G5200MHzOS: OpenEuler 22.03 LTS-SP4-2W4A8C16服务化配置低时延exportASCEND_RT_VISIBLE_DEVICES0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15exportPYTORCH_NPU_ALLOC_CONFexpandable_segments:TrueexportHCCL_IF_IPXXXXexportHCCL_OP_EXPANSION_MODEAIVexportHCCL_BUFFSIZE1024exportOMP_NUM_THREADS1echoperformance|tee/sys/devices/system/cpu/cpu*/cpufreq/scaling_governorsysctl-wvm.swappiness0sysctl-wkernel.numa_balancing0sysctlkernel.sched_migration_cost_ns50000exportLD_PRELOAD/usr/lib/aarch64-linux-gnu/libjemalloc.so.2:$LD_PRELOADexportTASK_QUEUE_ENABLE1exportVLLM_ASCEND_ENABLE_FUSED_MC21vllm serve /mnt/share/weights/Qwen3.5-122B-A10B-w8a8-org/\--served-model-nameqwen3.5\--host0.0.0.0\--port8000\--data-parallel-size1\--tensor-parallel-size4\--max-model-len5000\--max-num-batched-tokens8192\--max-num-seqs128\--gpu-memory-utilization0.9\--compilation-config{cudagraph_capture_sizes:[1,6,12,18,24,30,36,42,48,54,72,78,84,90,96,102,108,144,192], cudagraph_mode:FULL_DECODE_ONLY}\--speculative_config{method: qwen3_5_mtp, num_speculative_tokens: 5}\--trust-remote-code\--async-scheduling\--allowed-local-media-path /\--quantizationascend\--mm-processor-cache-gb0\--additional-config{enable_cpu_binding: true, enable_shared_expert_dp: true}典型测试用例平均输入平均输出并行策略上下文长度Prefix Cache命中率总请求数最大并发数请求频率(req/s)20482048MLADP1TP4500009624035001500MLADP1TP48000064160163841024MLADP1TP4184320328032768512MLADP1TP43430401640655361024MLADP1TP467584016401310721024MLADP1TP41331200410高吞吐exportASCEND_RT_VISIBLE_DEVICES0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15exportPYTORCH_NPU_ALLOC_CONFexpandable_segments:TrueexportHCCL_IF_IPXXXexportHCCL_OP_EXPANSION_MODEAIVexportHCCL_BUFFSIZE1024exportOMP_NUM_THREADS1echoperformance|tee/sys/devices/system/cpu/cpu*/cpufreq/scaling_governorsysctl-wvm.swappiness0sysctl-wkernel.numa_balancing0sysctlkernel.sched_migration_cost_ns50000exportLD_PRELOAD/usr/lib/aarch64-linux-gnu/libjemalloc.so.2:$LD_PRELOADexportTASK_QUEUE_ENABLE1exportVLLM_ASCEND_ENABLE_FUSED_MC21exportVLLM_ASCEND_ENABLE_FLASHCOMM11vllm serve /mnt/share/weights/Qwen3.5-122B-A10B-w8a8-org/\--served-model-nameqwen3.5\--host0.0.0.0\--port8000\--data-parallel-size1\--tensor-parallel-size4\--enable-expert-parallel\--max-model-len8000\--max-num-batched-tokens4096\--max-num-seqs128\--gpu-memory-utilization0.9\--compilation-config{cudagraph_capture_sizes:[1,4,8,12,16,24,32,48,56,64,72,84,96,108,112,128,160,172,196,200,212,232,256,160,172,196,200,212,232,256,272,288,312,328,344,360,384,400,416,432,448,480,512], cudagraph_mode:FULL_DECODE_ONLY}\--speculative_config{method: qwen3_5_mtp, num_speculative_tokens: 3, enforce_eager: true}\--trust-remote-code\--async-scheduling\--allowed-local-media-path /\--quantizationascend\--mm-processor-cache-gb0\--additional-config{enable_cpu_binding: true, enable_shared_expert_dp: true}典型测试用例平均输入平均输出并行策略上下文长度Prefix Cache命中率总请求数最大并发数请求频率(req/s)20482048MLADP1TP250000600150035001500MLADP1TP280000320800163841024MLADP1TP21843209624032768512MLADP1TP23430403690655361024MLADP1TP267584032801310721024MLADP1TP213312001640测试命令参考aisbench官方测试指南。aisbench测试命令vllm-ascend社区官网特别声明以上配置均未开启Prefix Cache若实际生产环境需要使用该特性参考vLLM-Ascend社区参数指南开启–enable-prefix-caching
RELATED

相关推荐

AI助手系统开发:角色定义、架构设计与Python实现

AI助手系统开发:角色定义、架构设计与Python实现

🚀 30款热门AI模型一站整合,DeepSeek/GLM/Qwen 随心用,限时 5 折。 👉 点击领海量免费额度 最近在开发智能助手类应用时,很多同学反馈角色定义和系统提示词设计是个难点——要么过于机械缺乏个性,要么过…

📅 2026/11/11 0:37:16
AI期刊论文工具平台哪家好?2026年期刊写作工具测评

AI期刊论文工具平台哪家好?2026年期刊写作工具测评

一、期刊论文写作的痛点:格式与规范 撰写一篇能投向核心期刊的论文,远不止观点创新这么简单。从省级期刊到核心期刊,不同的发表等级对内容深度、篇幅、结构都有隐性要求。最耗时的是参考文献整理,GB/T 7714格式中作者、标题、刊名…

📅 2026/11/11 0:37:16
竞争对手外链分析与复制策略:借同行的死链每天白嫖3个链接

竞争对手外链分析与复制策略:借同行的死链每天白嫖3个链接

谷歌爬虫每天在全局索引库中抓取超过200亿个网页。抓取程序读取网页源代码遇到指向外部网站的HTTP请求时,目标服务器会返回对应的数值响应码。某一家同行企业在2025年关闭了旧版产品线,对应的目标服务器向抓取程序返回带有数字404的错误提示。两年前数以…

📅 2026/10/11 4:08:37
MORE NEWS

更多资讯

📰

电工证有几种在哪考 上岗必备全攻略

电工证有几种在哪考 上岗必备全攻略 你急需特种作业证才能上岗找工作,但面对五花八门的电工证,不知道该考哪个、在哪考?别急,今天我来带你搞懂电工证有几种、在哪考、怎么考,确保你顺利上岗。 电工证有几种,分别适用于哪些岗位?…

📰

武汉电工证年审吗保姆级教程:避开中介陷阱,自己搞定年审流程

武汉电工证年审吗保姆级教程:避开中介陷阱,自己搞定年审流程 你是不是也经常听说“电工证要年审”,但又不知道该去哪儿办,怕被中介坑?别急,今天这篇保姆级教程,帮你一步步搞定武汉电工证年审的问题,省心又省钱。…

📰

工地太忙根本没时间复习考试?重复考低压电工证网上查询全攻略

工地太忙根本没时间复习考试?重复考低压电工证网上查询全攻略 工地太忙根本没时间复习考试,这种感觉你不是一个人在经历。不少低压电工在重复考低压电工证的过程中,往往因为日常工作繁忙,连基础的复习时间都难以保证,更不用说高效备考了。如果你也在为【…

📰

肇庆电工证在哪里 低学历也能拿证多久拿证

肇庆电工证在哪里 低学历也能拿证多久拿证 你是不是也担心自己学历不高,怕报不上电工证?其实,很多人都是从零基础开始的,关键是选对了地方和方法。肇庆电工证在哪里?这个问题困扰了很多人,但只要你搞清楚流程, 多久拿证 并不难。 在肇庆,…

📰

盐城低压电工证报名全流程指南:别被中介坑了,电子证书怎么拿

盐城低压电工证报名全流程指南:别被中介坑了,电子证书怎么拿 你是不是也遇到过这样的情况:听说要考低压电工证,上网一搜全是“快速拿证”“包过”“代办”之类的广告,心里直打鼓,不知道该信谁?现在盐城低压电工证报名渠道五花八门,真假难辨,一不小心…

📰

武汉电工证中天教育保姆级教程:学历不高也能顺利报考

武汉电工证中天教育保姆级教程:学历不高也能顺利报考 你是不是也担心学历不够,连电工证都报不上名?别急, 武汉电工证中天教育 的保姆级教程来了,帮你从零开始一步步搞定电工证报考,不再被学历绊住脚步。…

TODAY

今日更新

THIS WEEK

本周精选

THIS MONTH

本月热门

读完文章,想聊聊您的网站?

告诉我们您的行业与需求,资深顾问一对一梳理方案与报价,全程免费。

📞 💬