@@ -0,0 +1,221 @@
|
||||
test_name: "MiniMax-PD-in32k-bs4-1"
|
||||
model: "Eco-Tech/MiniMax-M2.5-w8a8-QuaRot"
|
||||
num_nodes: 3
|
||||
npu_per_node: 16
|
||||
|
||||
routing:
|
||||
type: "disaggregated_prefill"
|
||||
groups:
|
||||
prefiller: [0]
|
||||
decoder: [1, 2]
|
||||
|
||||
config:
|
||||
- node_index: 0
|
||||
port_start: 7100
|
||||
dp_rpc_port: 12321
|
||||
dp_size: 4
|
||||
dp_size_local: 4
|
||||
dp_rank_start: 0
|
||||
tp_size: 4
|
||||
dp_address: "${NODE_0_IP}"
|
||||
|
||||
- node_index: 1
|
||||
port_start: 7100
|
||||
dp_rpc_port: 12321
|
||||
dp_size: 4
|
||||
dp_size_local: 4
|
||||
dp_rank_start: 0
|
||||
tp_size: 4
|
||||
dp_address: "${NODE_1_IP}"
|
||||
|
||||
- node_index: 2
|
||||
port_start: 7100
|
||||
dp_rpc_port: 12321
|
||||
dp_size: 4
|
||||
dp_size_local: 4
|
||||
dp_rank_start: 0
|
||||
tp_size: 4
|
||||
dp_address: "${NODE_2_IP}"
|
||||
|
||||
env_common: &env_common
|
||||
HCCL_OP_EXPANSION_MODE: "AIV"
|
||||
PYTORCH_NPU_ALLOC_CONF: "expandable_segments:True"
|
||||
OMP_NUM_THREADS: "1"
|
||||
TASK_QUEUE_ENABLE: "1"
|
||||
VLLM_ASCEND_ENABLE_FUSED_MC2: "1"
|
||||
VLLM_USE_MODELSCOPE: "true"
|
||||
ASCEND_RT_VISIBLE_DEVICES: "${VISIBLE_DEVICES}"
|
||||
|
||||
|
||||
templates:
|
||||
- node_index: 0
|
||||
envs:
|
||||
<<: *env_common
|
||||
VLLM_ASCEND_ENABLE_FLASHCOMM1: "1"
|
||||
HCCL_BUFFSIZE: "1200"
|
||||
server_cmd_template:
|
||||
- --host
|
||||
- "0.0.0.0"
|
||||
- --port
|
||||
- ${PORT}
|
||||
- --data-parallel-size
|
||||
- ${DP_SIZE}
|
||||
- --data-parallel-rank
|
||||
- ${DP_RANK}
|
||||
- --data-parallel-address
|
||||
- ${DP_ADDRESS}
|
||||
- --data-parallel-rpc-port
|
||||
- ${DP_RPC_PORT}
|
||||
- --tensor-parallel-size
|
||||
- ${TP_SIZE}
|
||||
- --enable-expert-parallel
|
||||
- --max-model-len
|
||||
- "40960"
|
||||
- --max-num-batched-tokens
|
||||
- "16384"
|
||||
- --max-num-seqs
|
||||
- "32"
|
||||
- --trust-remote-code
|
||||
- --gpu-memory-utilization
|
||||
- "0.8"
|
||||
- --quantization
|
||||
- "ascend"
|
||||
- --enforce-eager
|
||||
- --no-enable-prefix_caching
|
||||
- --speculative-config
|
||||
- '{"method":"eagle3","model":"vllm-ascend/MiniMax-M2.5-eagle-model-0318","num_speculative_tokens":3}'
|
||||
- --kv-transfer-config
|
||||
- '{"kv_connector": "MooncakeConnectorV1",
|
||||
"kv_role": "kv_producer",
|
||||
"kv_port": 30000,
|
||||
"kv_connector_extra_config": {
|
||||
"prefill": {
|
||||
"dp_size": 4,
|
||||
"tp_size": 4
|
||||
},
|
||||
"decode": {
|
||||
"dp_size": 4,
|
||||
"tp_size": 4
|
||||
}
|
||||
}}'
|
||||
|
||||
- node_index: 1
|
||||
envs:
|
||||
<<: *env_common
|
||||
VLLM_ASCEND_ENABLE_FLASHCOMM1: "0"
|
||||
HCCL_BUFFSIZE: "512"
|
||||
server_cmd_template:
|
||||
- --host
|
||||
- "0.0.0.0"
|
||||
- --port
|
||||
- ${PORT}
|
||||
- --data-parallel-size
|
||||
- ${DP_SIZE}
|
||||
- --data-parallel-rank
|
||||
- ${DP_RANK}
|
||||
- --data-parallel-address
|
||||
- ${DP_ADDRESS}
|
||||
- --data-parallel-rpc-port
|
||||
- ${DP_RPC_PORT}
|
||||
- --tensor-parallel-size
|
||||
- ${TP_SIZE}
|
||||
- --enable-expert-parallel
|
||||
- --max-model-len
|
||||
- "40960"
|
||||
- --max-num-batched-tokens
|
||||
- "256"
|
||||
- --max-num-seqs
|
||||
- "16"
|
||||
- --trust-remote-code
|
||||
- --gpu-memory-utilization
|
||||
- "0.9"
|
||||
- --quantization
|
||||
- "ascend"
|
||||
- --no-enable-prefix_caching
|
||||
- --speculative-config
|
||||
- '{"method":"eagle3","model":"vllm-ascend/MiniMax-M2.5-eagle-model-0318","num_speculative_tokens":3}'
|
||||
- --compilation-config
|
||||
- '{"cudagraph_mode":"FULL_DECODE_ONLY"}'
|
||||
- --additional-config
|
||||
- '{"recompute_scheduler_enable": true}'
|
||||
- --kv-transfer-config
|
||||
- '{"kv_connector": "MooncakeConnectorV1",
|
||||
"kv_role": "kv_consumer",
|
||||
"kv_port": 30100,
|
||||
"kv_connector_extra_config": {
|
||||
"prefill": {
|
||||
"dp_size": 4,
|
||||
"tp_size": 4
|
||||
},
|
||||
"decode": {
|
||||
"dp_size": 4,
|
||||
"tp_size": 4
|
||||
}
|
||||
}}'
|
||||
|
||||
- node_index: 2
|
||||
envs:
|
||||
<<: *env_common
|
||||
VLLM_ASCEND_ENABLE_FLASHCOMM1: "0"
|
||||
HCCL_BUFFSIZE: "512"
|
||||
server_cmd_template:
|
||||
- --host
|
||||
- "0.0.0.0"
|
||||
- --port
|
||||
- ${PORT}
|
||||
- --data-parallel-size
|
||||
- ${DP_SIZE}
|
||||
- --data-parallel-rank
|
||||
- ${DP_RANK}
|
||||
- --data-parallel-address
|
||||
- ${DP_ADDRESS}
|
||||
- --data-parallel-rpc-port
|
||||
- ${DP_RPC_PORT}
|
||||
- --tensor-parallel-size
|
||||
- ${TP_SIZE}
|
||||
- --enable-expert-parallel
|
||||
- --max-model-len
|
||||
- "40960"
|
||||
- --max-num-batched-tokens
|
||||
- "256"
|
||||
- --max-num-seqs
|
||||
- "16"
|
||||
- --trust-remote-code
|
||||
- --gpu-memory-utilization
|
||||
- "0.9"
|
||||
- --quantization
|
||||
- "ascend"
|
||||
- --no-enable-prefix_caching
|
||||
- --speculative-config
|
||||
- '{"method":"eagle3","model":"vllm-ascend/MiniMax-M2.5-eagle-model-0318","num_speculative_tokens":3}'
|
||||
- --compilation-config
|
||||
- '{"cudagraph_mode":"FULL_DECODE_ONLY"}'
|
||||
- --additional-config
|
||||
- '{"recompute_scheduler_enable": true}'
|
||||
- --kv-transfer-config
|
||||
- '{"kv_connector": "MooncakeConnectorV1",
|
||||
"kv_role": "kv_consumer",
|
||||
"kv_port": 30200,
|
||||
"kv_connector_extra_config": {
|
||||
"prefill": {
|
||||
"dp_size": 4,
|
||||
"tp_size": 4
|
||||
},
|
||||
"decode": {
|
||||
"dp_size": 4,
|
||||
"tp_size": 4
|
||||
}
|
||||
}}'
|
||||
|
||||
benchmarks:
|
||||
perf:
|
||||
case_type: performance
|
||||
dataset_path: vllm-ascend/GSM8K_prefix0_in32768_bs1000_Minimax
|
||||
request_conf: vllm_api_stream_chat
|
||||
dataset_conf: gsm8k/gsm8k_gen_0_shot_cot_str_perf
|
||||
num_prompts: 4
|
||||
max_out_len: 512
|
||||
batch_size: 1
|
||||
request_rate: 1
|
||||
baseline: 28.77
|
||||
threshold: 0.97
|
||||
Reference in New Issue
Block a user