AI图鉴

AI图鉴首页 › AI 资讯 › Show HN: Spinf-serve - 用于批量评分和决定的推论服务器

Show HN: Spinf-serve - 用于批量评分和决定的推论服务器

来源:Hacker News · 发布时间:10-31 · 由 AI图鉴每小时自动聚合

文章 URL:https://github.com/spinfinc/spinf-serve 评论 URL:https://news.ycombinator.com/item?id=50306815 点:7#评论:0

对一个GPU进行批量分类和决策推论。

spinf-serve读过一段内容,并在同一个传中回答了很多关于它的问题。 每个答案都是你给出的选项的概率,而不是生成的文本。 它运行于一个24GB NVIDIA GPU上,服务于OpenAI兼容的API,与主机spinf服务相同的API. 阿帕奇2.0 (英语).

我们为自己的作品建造了这个引擎:每日的市场指数从数百万篇新闻文章中读取,每篇文章都问了几十个狭义,校准的问题。 为聊天而建造的服务引擎重读每个问题的内容,并一次生成一个符号,这使得这项工作缓慢而昂贵。 spinf-serve将每个问题都作为阅读内容的分支列出,并将许多内容装入一个前传。 批量分类是它的起源地和最强的地方。

同样的机制是现在所谓的决定模型:一个模型,它返回了对一组固定答案的概率(是或否,标签,级别)而不是一个段落。 任何开放的指令模型都以这种方式在spinf-serve中工作,专用的决策模型运行到现在。 主机spinf API是用这个引擎产生的;我们正在出版它,因为人们要求用自己的硬件运行它。

这不是聊天服务器。 除非您要求,否则任何事物都无法产生,而且它是为吞吐量而不是为单一请求的暂时性而建造的。

Linux,NVIDIA GPU配有24GB和fp8的拉力核(Ada,Hopper或Blackwell:RTX 4090 / 5090,L4,L40S,RTX 6000 Ada,H100),是支持CUDA 13,Python 3.12的驱动程序。 Ampere牌以英寸8重量代替(配置)运行。

pip 安装“ spinf- serve [server] ”

spinf-serve服务 spinf/gemma-4-12b-fp8 # 首开时下载检查点;服务于港口 8000

或图像,安装了 NVIDIA 集装箱工具包(容量保存模型和编译缓存);

图像名称后面的参数是spinf-serve serve serve:

docker 运行 -gpus all -p 8000:8000 -v spinf-cache:/root/.cache ghcr.io/spinfinc/spinf-serve

便问。 两种分类和一种从内容的单一读取:

校对:Soup

-H"Content-Type:应用程序/json"\?

-d '{

"型号":"spinf/gemma-4-12b-fp8".

"灵枢"曰:[

{"作用":"用户"

"内容":"客户支持信息:\n I被收取了两次9月的费用,请退还其中一项费用。"}

],

"评分":{

"泻"曰:[

{"id":"论语"

"定档":"n\nTopic(开票,技术,帐户,航运,或取消):{?}"

"选项":["计费","技术","账户","航运","注销"]}

{"id":"退钱"

"腾讯":"客户是否要求退款???.

"选择":["是","否"]

{"id":"月"("月")

"通鉴"曰:"臣曰:何月被罚两次?

]

}

}'

对于每个得分的问题,答案给出每个选项的概率,对于空内容(来自12B模式的真实数字)的概率相同:

{"id":"退款","合并":[{"值":{},"选项":

{"文本":"是","日志":-0.90,"p":0.72,"地板 p":0.60}

{"文本":"否","日志": -1.86,"p":0.28,"地板 p":0.40}}

"余文":0.44 }}]] }.

p 是您选项中的概率。 地板 p是相同的问题,没有内容,所以p - 地板 p是什么

添加的内容(这里的题目是“计费”从0.47移到0.91)。 剩余值是用到文字的概率

在你的选择之外。 每月的答复列出了最可能的答案及其概率("九月第一").

同一机身带有API密钥,运行于 api.spinf.com;OpenAI SDKs工作通过/v1/chat/完成

附加体中的积分块(快速启动)。

- 一个读,许多问题。 内容读一次;每个问题都是同一个通行证的分支,只花费自己的代币。 占位符将一个模板变成一个问题网格。

- 分数可以扣分每个选项的概率及其下限和日志概率;决定是您在自己的数据(校准)上选择的阈值。

- 从同一案文中提取的数值改为:文本、 {n} 数字和{$} 数字按其概率解码

或自由文本生成到槽中。

- 同样的分数无论在批量。 有了fp8检查站,一个内容的分数是比特的

独自一人或与数以千计的其他人打包跨越电话、天数和服务器二时的系统指印称

答复不具有可比性。

- 内容中的图像、音频和视频框架,用于读取它们的模型。

- 即时包。 一项工作(内容节制、分类、产品上市、评论、品牌、娱乐)的准备、校准问题集,预先装入并在请求中命名(以下)。

- 主办或自主办。 客户端在此服务器和 api.spinf.com 之间切换,可以更改基址和

钥匙互联互通;

agent技能教授一个编码agent的API,这个服务器和包格式。

在1个RTX 4090上测量,fp8中的Gemma 4 12B:24 Wikinews文章约470个令牌,56个双选题

每一个,总共1 344个问题(固定装置/设置的公共工作),通过HTTP发送到spinf-serve和vLLM 0.26

前缀缓存。 剧本和全部结果以基准测试/表示。

vLLM已经通过前缀缓存在56个问题中重复使用每个文章。 它不能做的是在一个前传中回答他们:它运行着1,344个单托请求,而spinf-serve则将56个问题作为一个读的分支来铺设,并将24篇文章装入2个16k个单托的通行证。 差距随着每个内容的提问次数增加而增加。

在实践中,每4090人使用12B型:自旋/调试包(每条电文106个问题,22个类别)

每小时得分约2万条消息;一篇新闻文章问了74个问题,每秒读近700个问题。

提取槽增加了解码工作(搜索槽费用高达200至600个记分符,生成)

大约2 000),但读数相同。

一个工作很少是一个问题:内容节制是106个,每一个校准与正常流量

进入类别分数和决定。 即时包是一个文件,其中包含问题,内容是如何呈现的

对模型,答案是如何变成分数的,以及分数是如何变成决定的。 服务器预装包和

请求名称 1 ("packs": [{'id": "spinf/ modelation" }]),获取包的类别,并返回决定。

从同一字开始

官方的包装在spinf-promts中,默认加载。 服务器

从任何 GitHub 寄存器或本地文件夹中装入包,带有 -- packs; PACKS. md 列表

包我们知道,我们的和别人的,一个问题

新增你的。。。 格式,请求字段和来源:docs/prompt-packs.md.

每个都是一个检查站,我们量化和校准,发布在Hugging Face枢纽上

其配方(定量/);引擎为它经过对等测试的修订版配音。 任何其他中央检查站

支持的建筑家族按其路径运行,在负载时间进行量化。

docs/:快速启动,实例,评分API,配置,写题,校准,即时包,FAQ;指南(决定模型,您可以采取行动的概率,几发分类,情绪,勘测编码,节制,意图路由);以及关于引擎如何工作的工程文件(architecture,批量变异,精度,Qwen堆,提取).

0.1版 (中文(简体) ). 引擎(评分,提取,生成,介质,批量变异,两个型号堆栈)是完整的,并参照记录的引用进行对等测试;服务器会讲主机服务的公共API;四个检查站是公开的。 文件/README.md中列出了仍然缺失的内容。

问题、想法和错误都涉及这个仓库的问题。 没有论坛或聊天,没有什么太小。

spinf serve/持有引擎(protocol,编译器,打包机,计分器,提取器,服务),服务型号'.

列表,包模块(纯Python,客户端和主机API也使用),每个架构一个模型堆栈

型号/ 中的家族,型号/ 中的量化方案,服务器/ 中的 HTTP 服务器和 spinf- serve 命令。

量化/ 每个公布的检查点有一个文件夹(检索、校准输出、型号卡)、固定/公众

基准测试/通过量比较。 代码的地图是

文献/档案

uv 同步 -- 外部服务器

uv运行pytest #CPU测试(官方包的金色固定装置需要。/spinf-prompts或SPINF PROMPTS DIR).

uv运行 ruff 检查。 uv运行 ruff 格式 - 检查。

CUDA VISIBLE DEVICES=0 uv 运行自旋-服务器对等-固定装置/wikinews 20261024.json.gz \

--参考定着/wikinews 20261024. spinf-gemma-4-12b-fp8.json.gz - passes 2

触及一个内核,一个编译边界或一个具有GPU等值的量化计划舰船的每个变化运行:每个已公布的检查站(fixtures/)记录的参考文献上的位同日志概率。 依赖性是固定的;它们只随着对等运行而改变。 见贡献.md。

Apache 2.0 (英语:LICENSE, Notice). 我们运行和重新量化的模型,我们开发的项目,我们的技术

数据记入ACKNOWLEDGEMENS.md。

本文由 AI图鉴自动抓取并翻译,版权归原作者所有;如需查看原文请点下方链接。

相关 AI 工具

相关免费羊毛

同源资讯

阅读原文(github.com)

标题、摘要与正文均来自该信源的公开页面,版权归原作者所有;本站自动聚合与翻译,仅作出处跳转。

← 返回 AI 资讯列表AI工具图鉴首页

返回 AI图鉴首页 · 提交工具 · 商务合作 · 关于本站 · 600 款 AI 工具分类导航 · 每日 AI 热门项目与动态