讲师中心 微信公众号

工具推荐

视频效率加速
Laper
Laper

剧本策划到成片协作

立刻MV
立刻MV

低成本歌曲 MV、视频生成

剧云
剧云

中文短剧剧本制作平台

updream

一键生成高质量推广成片

用vLLM部署Hy4 flash:专用镜像、显存规划和本地接口验证

冬磊姑娘_8730

冬磊姑娘_8730

发布时间:2026-11-18 16:47:16

|

740人浏览过

|

来源于php中文网

原创

部署hy4 flash应使用官方提供的vllm专用镜像,并按完整权重、engram主机内存及kv缓存规划资源。当前配方面向nvidia hopper或blackwell数据中心gpu,不支持直接套用普通vllm正式版安装包。下例按官方8卡配置启动fp8模型,并将接口绑定到本机回环地址;8卡示例是配方配置,不是对所有显卡型号的容量保证。

准备支持的GPU与容器环境

先确认GPU型号、驱动和NVIDIA容器运行环境可用。配方列出H100/H200及B200、GB200、B300、GB300等平台,并说明AMD Instinct ROCm支持尚未提供。除GPU显存外,Engram卸载还需要主机内存;12B活跃参数不代表只需装入12B权重。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜

vLLM Hy4 flash配方中的硬件与内存条件

vLLM官方配方列出的适用硬件和部署前提。

从较短上下文启动FP8服务

在具备相应资源的Linux主机执行以下命令。权重缓存在Hugging Face缓存目录;首次下载需要额外磁盘空间和时间。将上下文设为8192、并发序列设为4,先确认服务能稳定启动,再按实际资源提高配置。

docker run --gpus all --ipc=host \
  -p 127.0.0.1:8000:8000 \
  -v ~/.cache/huggingface:/root/.cache/huggingface \
  vllm/vllm-openai:hy4-flash tencent/Hy4-flash-FP8 \
  --tensor-parallel-size 8 \
  --speculative-config '{"num_speculative_tokens":5,"method":"dfly"}' \
  --attention-backend FLASHMLA_SPARSE \
  --tool-call-parser hy_v4 --reasoning-parser hy_v4 \
  --enable-auto-tool-choice --served-model-name hy4-flash \
  --max-model-len 8192 --max-num-seqs 4 --port 8000

腾讯模型卡中的vLLM专用镜像启动示例

官方模型卡的专用镜像示例;完整启动参数以上述文字命令为准。

验证模型列表和一次短请求

curl -sS http://127.0.0.1:8000/v1/models
curl -sS http://127.0.0.1:8000/v1/chat/completions \
  -H 'Content-Type: application/json' \
  -d '{"model":"hy4-flash","messages":[{"role":"user","content":"用一句话介绍自己"}],"max_tokens":128,"temperature":0.9,"top_p":1.0,"chat_template_kwargs":{"reasoning_effort":"no_think"}}' 

模型列表中的名称应包含启动时设置的hy4-flash,聊天响应应有choices及message.content。no_think用于本例的短文本验证;需要推理时按模型卡选择对应思考设置,不把所有推理输出强行当成正文。

按失败阶段排查

下载失败先检查模型访问和缓存空间;仓库要求认证时,在宿主机环境配置有权限的HF_TOKEN,再为Docker追加--env HF_TOKEN以继承,避免将令牌值写入命令记录;加载阶段内存不足,应核对权重、主机RAM、并行度及缓存预算;启动参数不识别则核对是否用了hy4-flash专用镜像。服务已启动但请求模型不存在时,检查served-model-name与请求字段是否一致。

100万Token是模型支持上限,不等于这份8192上下文配置已经开放该容量。需要多模态或提高并发时,按配方单独计算资源;不要直接暴露未配置鉴权的接口到公网。

热门AI工具

更多
DeepSeek

DeepSeek是一款面向对话、写作、编程和推理场景的AI大模型工具。

豆包大模型

豆包大模型是一款由字节跳动推出的企业级大语言模型服务平台。

Seko
Seko Hot

一款AI视频创作工具,主要用于商汤科技推出的创编一体的AI短视频创作Agent,适合需要提升相关任务效率的用户。

火山引擎

火山引擎是一款面向企业的云计算与AI服务平台。

切问学术

切问学术是一款AI论文写作工具,复旦大学NLP团队推出的AI学术智能体。

花生AI
花生AI Hot

一款AI视频创作工具,主要用于B站推出的AI视频创作工具,适合需要提升相关任务效率的用户。

WorkBuddy

一款AI办公效率工具,主要用于腾讯云推出的AI原生桌面智能体工作台,适合需要提升相关任务效率的用户。

创客贴AI

创客贴AI是一款AI图像与设计工具,AI辅助的智能在线设计工具。

SoundView
SoundView Hot

SoundView是一款面向跨境电商的视频翻译、配音和本地化 AI 创作平台。

相关专题

更多
GoFrame框架Web开发与路由中间件
GoFrame框架Web开发与路由中间件

本专题聚焦GoFrame框架的Web开发,拆解路由注册与匹配规则、请求参数获取、参数校验与中间件执行顺序,说明统一响应、JWT鉴权、文件上传与接口文档生成的落地方式,并补充优雅重启与测试实践。

0

2026.11.17

GoFrame框架安装与gf命令行工具
GoFrame框架安装与gf命令行工具

本专题围绕GoFrame框架的安装与工具链配置展开,讲清Go版本要求、gf命令行的安装方式、代理镜像与依赖准备,说明项目初始化、热编译、交叉编译打包的做法,并整理安装阶段的常见报错与验证步骤。

20

2026.11.17

GoFrame框架零基础入门
GoFrame框架零基础入门

本专题整理GoFrame框架的入门知识,从模块化设计理念、环境准备到跑通第一个Web服务,讲清目录分层、配置加载、日志与中间件的用法,并对比Gin、Go-Zero的差异,帮助Go开发者建立整体认知。

0

2026.11.17

SQLAlchemy 一对多关系怎么建立
SQLAlchemy 一对多关系怎么建立

SQLAlchemy 一对多关系怎么建立?本专题整理父子表外键、relationship 双向映射、关联查询、级联删除和加载优化等相关文章,帮助你理解并实现常见的 ORM 关系建模。

0

2026.11.17

SQLAlchemy 如何增删改查
SQLAlchemy 如何增删改查

SQLAlchemy 如何增删改查?本专题整理 ORM 新增记录、条件查询、更新和删除、Session 事务提交与批量处理等实用文章,帮助你掌握 Python 数据库操作流程。

0

2026.11.17

SQLAlchemy ORM 模型怎么写
SQLAlchemy ORM 模型怎么写

SQLAlchemy ORM 模型怎么写?本专题整理模型类定义、Mapped 字段映射、主键与约束、表结构创建和常见报错的相关文章,帮助你从基础配置到实际建模逐步掌握 SQLAlchemy。

0

2026.11.17

Go-Zero API开发使用教程
Go-Zero API开发使用教程

本专题聚焦Go-Zero的API开发,拆解.api描述文件的语法结构、路由与分组定义、参数绑定与校验规则,说明统一响应体、JWT鉴权、跨域与接口文档生成的落地方式,并给出网关聚合与接口测试的实践建议。

180

2026.11.12

Go-Zero安装与goctl环境配置教程
Go-Zero安装与goctl环境配置教程

本专题围绕Go-Zero的安装与工具链配置展开,讲清Go版本要求、goctl安装方式、代理镜像、protoc依赖与环境变量设置,说明多版本共存、升级回退与CI流水线安装的做法,并整理安装阶段的常见报错与验证步骤。

120

2026.11.12

Go-Zero零基础入门教程
Go-Zero零基础入门教程

本专题整理Go-Zero的入门知识,从框架定位、环境准备到跑通第一个API服务,讲清目录分层、配置加载、日志与中间件的基本用法,并对比Gin、Kratos的差异,帮助Go开发者建立整体认知,判断它是否适合当前项目。

100

2026.11.12

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
热门推荐
/
最新课程
关于我们 免责申明 举报中心 意见反馈 讲师合作 广告合作 最新更新
php中文网:公益在线php培训,帮助PHP学习者快速成长!
关注服务号
PHP中文网订阅号
每天精选资源文章推送

Copyright 2014-2026 https://www.php.cn/ All Rights Reserved | php.cn