[CI] Ds32 ep aime2025 (#8496)
Backport of #7882 to releases/v0.18.0. Adds aime2025 benchmark test for DeepSeek-V3.2-W8A8 EP with disaggregated prefill on A3 (4-node, 16 NPUs per node, accuracy benchmark baseline 66.67%). Signed-off-by: guozr <guozr1997@hotmail.com> Co-authored-by: guozr <guozr1997@hotmail.com>
This commit is contained in:
@@ -119,6 +119,9 @@ jobs:
|
|||||||
- name: multi-node-deepseek-v3.2-W8A8-EP
|
- name: multi-node-deepseek-v3.2-W8A8-EP
|
||||||
config_file_path: DeepSeek-V3_2-W8A8-EP.yaml
|
config_file_path: DeepSeek-V3_2-W8A8-EP.yaml
|
||||||
size: 4
|
size: 4
|
||||||
|
- name: multi-node-deepseek-v3.2-W8A8-EP-aime2025
|
||||||
|
config_file_path: DeepSeek-V3_2-W8A8-EP-aime2025.yaml
|
||||||
|
size: 4
|
||||||
uses: ./.github/workflows/_e2e_nightly_multi_node.yaml
|
uses: ./.github/workflows/_e2e_nightly_multi_node.yaml
|
||||||
with:
|
with:
|
||||||
soc_version: a3
|
soc_version: a3
|
||||||
|
|||||||
@@ -0,0 +1,219 @@
|
|||||||
|
test_name: "test DeepSeek-V3.2-W8A8-EP disaggregated_prefill"
|
||||||
|
model: "vllm-ascend/DeepSeek-V3.2-W8A8"
|
||||||
|
num_nodes: 4
|
||||||
|
npu_per_node: 16
|
||||||
|
env_common:
|
||||||
|
HCCL_OP_EXPANSION_MODE: "AIV"
|
||||||
|
VLLM_USE_MODELSCOPE: true
|
||||||
|
SERVER_PORT: 8080
|
||||||
|
OMP_PROC_BIND: false
|
||||||
|
OMP_NUM_THREADS: 10
|
||||||
|
PYTORCH_NPU_ALLOC_CONF: "expandable_segments:True"
|
||||||
|
HCCL_BUFFSIZE: 1024
|
||||||
|
VLLM_TORCH_PROFILER_WITH_STACK: 0
|
||||||
|
ASCEND_AGGREGATE_ENABLE: 1
|
||||||
|
ASCEND_TRANSPORT_PRINT: 1
|
||||||
|
ACL_OP_INIT_MODE: 1
|
||||||
|
ASCEND_A3_ENABLE: 1
|
||||||
|
VLLM_NIXL_ABORT_REQUEST_TIMEOUT: 300000
|
||||||
|
VLLM_ENGINE_READY_TIMEOUT_S: 1800
|
||||||
|
HCCL_CONNECT_TIMEOUT: 1200
|
||||||
|
HCCL_INTRA_PCIE_ENABLE: 1
|
||||||
|
HCCL_INTRA_ROCE_ENABLE: 0
|
||||||
|
|
||||||
|
disaggregated_prefill:
|
||||||
|
enabled: true
|
||||||
|
prefiller_host_index: [0, 1]
|
||||||
|
decoder_host_index: [2, 3]
|
||||||
|
|
||||||
|
|
||||||
|
deployment:
|
||||||
|
-
|
||||||
|
envs:
|
||||||
|
VLLM_ASCEND_ENABLE_FLASHCOMM1: 1
|
||||||
|
server_cmd: >
|
||||||
|
vllm serve vllm-ascend/DeepSeek-V3.2-W8A8
|
||||||
|
--host 0.0.0.0
|
||||||
|
--port $SERVER_PORT
|
||||||
|
--data-parallel-size 2
|
||||||
|
--data-parallel-start-rank 0
|
||||||
|
--data-parallel-size-local 1
|
||||||
|
--data-parallel-address $LOCAL_IP
|
||||||
|
--tensor-parallel-size 16
|
||||||
|
--enable-expert-parallel
|
||||||
|
--speculative-config '{"num_speculative_tokens": 2, "method":"deepseek_mtp"}'
|
||||||
|
--seed 1024
|
||||||
|
--quantization ascend
|
||||||
|
--max-num-seqs 64
|
||||||
|
--max-model-len 85000
|
||||||
|
--max-num-batched-tokens 16384
|
||||||
|
--trust-remote-code
|
||||||
|
--gpu-memory-utilization 0.82
|
||||||
|
--enforce-eager
|
||||||
|
--no-enable-prefix-caching
|
||||||
|
--additional-config '{"enable_cpu_binding" : false, "enable_sfa_cp":false,"layer_sharding": ["q_b_proj", "o_proj"]}'
|
||||||
|
--tokenizer-mode deepseek_v32
|
||||||
|
--reasoning-parser deepseek_v3
|
||||||
|
--kv-transfer-config
|
||||||
|
'{"kv_connector": "MooncakeConnectorV1",
|
||||||
|
"kv_role": "kv_producer",
|
||||||
|
"kv_port": "30000",
|
||||||
|
"engine_id": "0",
|
||||||
|
"kv_connector_extra_config": {
|
||||||
|
"prefill": {
|
||||||
|
"dp_size": 2,
|
||||||
|
"tp_size": 16
|
||||||
|
},
|
||||||
|
"decode": {
|
||||||
|
"dp_size": 8,
|
||||||
|
"tp_size": 4
|
||||||
|
}
|
||||||
|
}
|
||||||
|
}'
|
||||||
|
|
||||||
|
|
||||||
|
-
|
||||||
|
envs:
|
||||||
|
VLLM_ASCEND_ENABLE_FLASHCOMM1: 1
|
||||||
|
server_cmd: >
|
||||||
|
vllm serve vllm-ascend/DeepSeek-V3.2-W8A8
|
||||||
|
--host 0.0.0.0
|
||||||
|
--headless
|
||||||
|
--port $SERVER_PORT
|
||||||
|
--data-parallel-size 2
|
||||||
|
--data-parallel-start-rank 1
|
||||||
|
--data-parallel-size-local 1
|
||||||
|
--data-parallel-address $MASTER_IP
|
||||||
|
--tensor-parallel-size 16
|
||||||
|
--enable-expert-parallel
|
||||||
|
--speculative-config '{"num_speculative_tokens": 2, "method":"deepseek_mtp"}'
|
||||||
|
--seed 1024
|
||||||
|
--quantization ascend
|
||||||
|
--max-num-seqs 64
|
||||||
|
--max-model-len 85000
|
||||||
|
--max-num-batched-tokens 16384
|
||||||
|
--trust-remote-code
|
||||||
|
--gpu-memory-utilization 0.82
|
||||||
|
--enforce-eager
|
||||||
|
--no-enable-prefix-caching
|
||||||
|
--additional-config '{"enable_cpu_binding" : false, "enable_sfa_cp":false,"layer_sharding": ["q_b_proj", "o_proj"]}'
|
||||||
|
--tokenizer-mode deepseek_v32
|
||||||
|
--reasoning-parser deepseek_v3
|
||||||
|
--kv-transfer-config
|
||||||
|
'{"kv_connector": "MooncakeConnectorV1",
|
||||||
|
"kv_role": "kv_producer",
|
||||||
|
"kv_port": "30000",
|
||||||
|
"engine_id": "0",
|
||||||
|
"kv_connector_extra_config": {
|
||||||
|
"prefill": {
|
||||||
|
"dp_size": 2,
|
||||||
|
"tp_size": 16
|
||||||
|
},
|
||||||
|
"decode": {
|
||||||
|
"dp_size": 8,
|
||||||
|
"tp_size": 4
|
||||||
|
}
|
||||||
|
}
|
||||||
|
}'
|
||||||
|
-
|
||||||
|
envs:
|
||||||
|
VLLM_ASCEND_ENABLE_MLAPO: 1
|
||||||
|
TASK_QUEUE_ENABLE: 1
|
||||||
|
server_cmd: >
|
||||||
|
vllm serve vllm-ascend/DeepSeek-V3.2-W8A8
|
||||||
|
--host 0.0.0.0
|
||||||
|
--port $SERVER_PORT
|
||||||
|
--data-parallel-size 8
|
||||||
|
--data-parallel-size-local 4
|
||||||
|
--data-parallel-start-rank 0
|
||||||
|
--data-parallel-address $LOCAL_IP
|
||||||
|
--data-parallel-rpc-port 13389
|
||||||
|
--tensor-parallel-size 4
|
||||||
|
--enable-expert-parallel
|
||||||
|
--speculative-config '{"num_speculative_tokens": 2, "method":"deepseek_mtp"}'
|
||||||
|
--seed 1024
|
||||||
|
--quantization ascend
|
||||||
|
--max-model-len 85000
|
||||||
|
--max-num-batched-tokens 12
|
||||||
|
--compilation-config '{"cudagraph_mode":"FULL_DECODE_ONLY", "cudagraph_capture_sizes":[3, 6, 9, 12]}'
|
||||||
|
--trust-remote-code
|
||||||
|
--max-num-seqs 4
|
||||||
|
--gpu-memory-utilization 0.95
|
||||||
|
--no-enable-prefix-caching
|
||||||
|
--async-scheduling
|
||||||
|
--additional-config '{"enable_cpu_binding" : false,"recompute_scheduler_enable" : true}'
|
||||||
|
--tokenizer-mode deepseek_v32
|
||||||
|
--reasoning-parser deepseek_v3
|
||||||
|
--kv-transfer-config
|
||||||
|
'{"kv_connector": "MooncakeConnectorV1",
|
||||||
|
"kv_role": "kv_consumer",
|
||||||
|
"kv_port": "30200",
|
||||||
|
"engine_id": "1",
|
||||||
|
"kv_connector_extra_config": {
|
||||||
|
"prefill": {
|
||||||
|
"dp_size": 2,
|
||||||
|
"tp_size": 16
|
||||||
|
},
|
||||||
|
"decode": {
|
||||||
|
"dp_size": 8,
|
||||||
|
"tp_size": 4
|
||||||
|
}
|
||||||
|
}
|
||||||
|
}'
|
||||||
|
|
||||||
|
-
|
||||||
|
envs:
|
||||||
|
VLLM_ASCEND_ENABLE_MLAPO: 1
|
||||||
|
TASK_QUEUE_ENABLE: 1
|
||||||
|
server_cmd: >
|
||||||
|
vllm serve vllm-ascend/DeepSeek-V3.2-W8A8
|
||||||
|
--host 0.0.0.0
|
||||||
|
--headless
|
||||||
|
--port $SERVER_PORT
|
||||||
|
--data-parallel-size 8
|
||||||
|
--data-parallel-size-local 4
|
||||||
|
--data-parallel-start-rank 4
|
||||||
|
--data-parallel-address $MASTER_IP
|
||||||
|
--data-parallel-rpc-port 13389
|
||||||
|
--tensor-parallel-size 4
|
||||||
|
--enable-expert-parallel
|
||||||
|
--speculative-config '{"num_speculative_tokens": 2, "method":"deepseek_mtp"}'
|
||||||
|
--seed 1024
|
||||||
|
--quantization ascend
|
||||||
|
--max-model-len 85000
|
||||||
|
--max-num-batched-tokens 12
|
||||||
|
--compilation-config '{"cudagraph_mode":"FULL_DECODE_ONLY", "cudagraph_capture_sizes":[3, 6, 9, 12]}'
|
||||||
|
--trust-remote-code
|
||||||
|
--max-num-seqs 4
|
||||||
|
--gpu-memory-utilization 0.95
|
||||||
|
--no-enable-prefix-caching
|
||||||
|
--async-scheduling
|
||||||
|
--additional-config '{"enable_cpu_binding" : false,"recompute_scheduler_enable" : true}'
|
||||||
|
--tokenizer-mode deepseek_v32
|
||||||
|
--reasoning-parser deepseek_v3
|
||||||
|
--kv-transfer-config
|
||||||
|
'{"kv_connector": "MooncakeConnectorV1",
|
||||||
|
"kv_role": "kv_consumer",
|
||||||
|
"kv_port": "30200",
|
||||||
|
"engine_id": "1",
|
||||||
|
"kv_connector_extra_config": {
|
||||||
|
"prefill": {
|
||||||
|
"dp_size": 2,
|
||||||
|
"tp_size": 16
|
||||||
|
},
|
||||||
|
"decode": {
|
||||||
|
"dp_size": 8,
|
||||||
|
"tp_size": 4
|
||||||
|
}
|
||||||
|
}
|
||||||
|
}'
|
||||||
|
benchmarks:
|
||||||
|
acc:
|
||||||
|
case_type: accuracy
|
||||||
|
dataset_path: vllm-ascend/aime2025
|
||||||
|
request_conf: vllm_api_general_chat
|
||||||
|
dataset_conf: aime2025/aime2025_gen_0_shot_chat_prompt
|
||||||
|
max_out_len: 72348
|
||||||
|
batch_size: 32
|
||||||
|
baseline: 66.67
|
||||||
|
threshold: 7
|
||||||
Reference in New Issue
Block a user