Folia
← 返回头版

Spinf-serve:专为批量评分与决策优化的开源推理服务器

Spinf Inc. 发布了一款名为 spinf-serve 的开源 AI 推理服务器,该工具专门针对批量评分和决策任务进行优化 1。与传统生成式模型不同,spinf-serve 能够在单次读取内容后并行回答多个问题,并直接返回选项的概率分布(包括 logprob、p 和 floor_p),而非生成文本,从而显著提升了处理效率 1。这一架构特性使其特别适用于市场指数构建、内容审核等需要高吞吐量分类的应用场景 1。

在技术实现上,spinf-serve 明确区分于 vLLM 等主流推理引擎,后者通过前缀缓存复用内容但仍逐 token 生成,而 spinf-serve 则将问题布局为单次读取的分支结构 1。性能基准测试显示,在配备 RTX 4090 GPU 且运行 Gemma 4 12B 模型的环境下,该服务器处理新闻文章的阅读速度可达每秒近 700 个问题 1。软件采用 Apache 2.0 许可证发布,对硬件环境有特定要求,需运行在 Linux 系统上,配备支持 fp8 tensor cores 的 24GB NVIDIA GPU(如 RTX 4090/5090、H100 等),并依赖 CUDA 13 和 Python 3.12 版本 1。


评论