博主雷达 / @alibaba_qwen
@alibaba_qwen
粉丝 29.8万关注 3最近同步 10/19 14:37雷达库已收录
阿里巴巴通义千问团队，Qwen 系列开源模型，官方账号。
去 X 主页数据积累中
恭喜 @lightseekorg 取得如此亮眼的 TokenSpeed 成绩！🚀 很高兴看到 Qwen3.8-Flash-Next 在 Nvida GPU 上每用户达到 685 输出 tokens/s。期待社区进一步释放 Qwen 的推理潜力！
685 output tokens/s per user on @Alibaba_Qwen Qwen3.8-Flash-Next. Running TokenSpeed on 4× NVIDIA GB300 with NVFP4. A look at the kernel and serving optimizations behind the results: 👉 lightseek.org/blog/tokenspeed-qwen3-8-flash-next.html ⭐ github.com/lightseekorg/tokenspeed
查看被引用的帖子Introducing QwenGyre，把弹性 RL 带入极长时程（XLong）agent 训练。✨ 它带着两个核心设计亮相：🥳 - Elastic Scheduler：随着需求变化在 rollout 和训练之间重新分配 GPU——正在执行的进程绝不中断。相比 Colocate 最高提速 1.85×，相比 Async 提速 1.78×。 - Trajectory Processor：把分支式执行（compaction、sub-agents、retries）转成前缀共享的轨迹树，训练样本有界且去重。超时后的部分进展依然会被打分。 扩展到 Qwen3.8-2.4T-A95B，每次 rollout 约 700K tokens，QwenGyre 在 48 步内把 NL2RepoBench 从 52.5% 提升到 58.5%，端到端训练时间相比 Async 减少约 44%。 🔗 阅读论文： arxiv.org/abs/2609.33848