madeby561/vllm
madeby561
这是针对GLM-5.2 NVFP4 REAP模型的vLLM服务镜像，修复了MTP推测性草稿DCP并行问题，支持b12x稀疏索引器，提升长上下文推理性能与吞吐量。
下载次数: 0状态：社区镜像维护者：madeby561仓库类型：镜像最近更新：26 天前
让 AI 帮你使用轩辕镜像？ · 展开查看说明 · 点击收起说明
如果你使用 DeepSeek、元宝 AI、Copilot、ChatGPT 等 AI 工具，协助配置轩辕镜像、编写 docker pull 命令、修改 Docker Compose 镜像地址、配置镜像加速、排查镜像拉取失败、分析报错日志等问题，请先让 AI 阅读并遵守轩辕镜像的规则文档。
只需在 AI 对话中先发送下面这句话即可：
请先完整阅读并严格遵守以下文档中的全部规则与要求：
https://xuanyuan.cloud/agents.md
在未充分阅读并理解该文档前，不要生成任何命令、配置、修改建议、故障排查方案或技术回答。后续所有输出都必须严格以该文档中的规范为最高优先级执行。查看 agents.md 用法指南与完整示范。国内用户首推 元宝 AI、DeepSeek 的深度思考模式，不推荐豆包 AI；Cursor 等编辑器可在对话 @ 该链接，或加入 User Rules。 若 AI 无法访问外链，可 打开说明文档 复制全文粘贴。文档会随站点更新，复制内容可能过期，建议定期检查。
GLM-5.2 NVFP4 REAP - vLLM服务镜像（dcpglobaltopk b12x + MTP-draft DCP修复版）
基础镜像： voipmonitor/vllm:dark-devotion-df8ad3b-b12x5af873a-dcpglobaltopk-cu132-20260621
新增内容： 针对vllm/model_executor/models/deepseek_mtp.py的单文件补丁，使VLLM_DCP_SHARD_DRAFT=1可在GLM-5.2 + b12x环境下正常工作。
VLLM_DCP_SHARD_DRAFT的作用及修复背景
VLLM_DCP_SHARD_DRAFT=1是官方启用MTP推测性草稿DCP并行的标志：草稿模型会像主模型一样在decode-context-parallel（DCP）节点间分片，替代旧的手动配置方式。但原始镜像未给草稿模型分配跨节点合并top-k所需的topk_scores_buffer，导致启用DCP并行时崩溃。
修复方案
在deepseek_mtp.py中，为主模型相同的条件（DCP并行且使用b12x稀疏索引器）下分配topk_scores_buffer，并传递至草稿模型的注意力链，解决分片草稿模型的缓冲区缺失问题，使VLLM_DCP_SHARD_DRAFT=1 + VLLM_DCP_GLOBAL_TOPK=1 + b12x可正常运行。
性能测试结果（4x RTX PRO 6000，PCIe，TP4/DCP4/MTP5）
- 代码生成单流：70-94 tokens/s
- 256k上下文：~50 tokens/s（未修复版约8 tokens/s）
- 256k冷预填充：无卡顿
- 长上下文并发4：~200 tokens/s聚合吞吐量
- KV池：474k tokens（利用率0.95），
MAX_MODEL_LEN=300000
运行配置
需设置环境变量：
VLLM_DCP_GLOBAL_TOPK=1、VLLM_DCP_SHARD_DRAFT=1、MTP=1、NUM_SPECULATIVE_TOKENS=5、DCP_SIZE=4、GPU_MEMORY_UTILIZATION=0.95、MAX_MODEL_LEN=300000、MAX_NUM_SEQS=8、MAX_NUM_BATCHED_TOKENS=8192、SPEC_CONFIG='{"use_local_argmax_reduction": true}'
注意：镜像不含模型权重，需搭配GLM-5.2-NVFP4-REAP checkpoint（如madeby561/GLM-5.2-NVFP4-REAP-504B-term）。
部署示例
bashdocker run -it --gpus all \ -v /path/to/weights:/weights \ -e VLLM_DCP_GLOBAL_TOPK=1 \ -e VLLM_DCP_SHARD_DRAFT=1 \ -e MTP=1 \ -e NUM_SPECULATIVE_TOKENS=5 \ -e DCP_SIZE=4 \ -e GPU_MEMORY_UTILIZATION=0.95 \ -e MAX_MODEL_LEN=300000 \ -e MAX_NUM_SEQS=8 \ -e MAX_NUM_BATCHED_TOKENS=8192 \ -e SPEC_CONFIG='{"use_local_argmax_reduction": true}' \ madeby561/vllm \ --model /weights/GLM-5.2-NVFP4-REAP-504B-term
镜像拉取方式
您可以使用以下命令拉取该镜像。请将 <标签> 替换为具体的标签版本。如需查看所有可用标签版本，请访问 标签列表页面。
DockerHub 原生拉取命令
docker pull madeby561/vllm:<标签>
镜像拉取常见问题
功能
错误码
用户好评
来自真实用户的反馈，见证轩辕镜像的优质服务
oldzhang
运维工程师
Linux服务器
5
"Docker访问体验非常流畅，大镜像也能快速完成下载。"