update configs (batch 1/1)

docs/vllm_deploy_guide_cn.md

@@ -0,0 +1,127 @@
+# MiniMax M2.5 模型 vLLM 部署指南
+
+[英文版](./vllm_deploy_guide.md) | [中文版](./vllm_deploy_guide_cn.md)
+
+我们推荐使用 [vLLM](https://docs.vllm.ai/en/stable/) 来部署 [MiniMax-M2.5](https://huggingface.co/MiniMaxAI/MiniMax-M2.5) 模型。vLLM 是一个高性能的推理引擎，其具有卓越的服务吞吐、高效智能的内存管理机制、强大的批量请求处理能力、深度优化的底层性能等特性。我们建议在部署之前查看 vLLM 的官方文档以检查硬件兼容性。
+
+## 本文档适用模型
+
+本文档适用以下模型，只需在部署时修改模型名称即可。
+
+- [MiniMaxAI/MiniMax-M2.5](https://huggingface.co/MiniMaxAI/MiniMax-M2.5)
+- [MiniMaxAI/MiniMax-M2.1](https://huggingface.co/MiniMaxAI/MiniMax-M2.1)
+- [MiniMaxAI/MiniMax-M2](https://huggingface.co/MiniMaxAI/MiniMax-M2)
+
+以下以 MiniMax-M2.5 为例说明部署流程。
+
+## 环境要求
+
+- OS：Linux
+
+- Python：3.9 - 3.12
+
+- GPU：
+
+  - compute capability 7.0 or higher
+
+  - 显存需求：权重需要 220 GB，每 1M 上下文 token 需要 240 GB
+
+以下为推荐配置，实际需求请根据业务场景调整：
+
+- **96G x4 GPU**：总 KV Cache 容量支持 40 万 token。
+
+- **144G x8 GPU**：总 KV Cache 容量支持高达 300 万 token。
+
+> **注**：以上数值为硬件支持的最大并发缓存总量，模型单序列（Single Sequence）长度上限仍为 196k。
+
+## 使用 Python 部署
+
+建议使用虚拟环境（如 **venv**、**conda**、**uv**）以避免依赖冲突。
+
+建议在全新的 Python 环境中安装 vLLM：
+
+```bash
+uv venv
+source .venv/bin/activate
+uv pip install vllm --torch-backend=auto
+```
+
+运行如下命令启动 vLLM 服务器，vLLM 会自动从 Huggingface 下载并缓存 MiniMax-M2.5 模型。
+
+4 卡部署命令：
+
+```bash
+SAFETENSORS_FAST_GPU=1 vllm serve \
+    MiniMaxAI/MiniMax-M2.5 --trust-remote-code \
+    --tensor-parallel-size 4 \
+    --enable-auto-tool-choice --tool-call-parser minimax_m2 \
+    --reasoning-parser minimax_m2_append_think
+```
+
+8 卡部署命令：
+
+```bash
+SAFETENSORS_FAST_GPU=1 vllm serve \
+    MiniMaxAI/MiniMax-M2.5 --trust-remote-code \
+    --enable_expert_parallel --tensor-parallel-size 8 \
+    --enable-auto-tool-choice --tool-call-parser minimax_m2 \
+    --reasoning-parser minimax_m2_append_think 
+```
+
+## 测试部署
+
+启动后，可以通过如下命令测试 vLLM OpenAI 兼容接口：
+
+```bash
+curl http://localhost:8000/v1/chat/completions \
+    -H "Content-Type: application/json" \
+    -d '{
+        "model": "MiniMaxAI/MiniMax-M2.5",
+        "messages": [
+            {"role": "system", "content": [{"type": "text", "text": "You are a helpful assistant."}]},
+            {"role": "user", "content": [{"type": "text", "text": "Who won the world series in 2020?"}]}
+        ]
+    }'
+```
+
+## 常见问题
+
+### Huggingface 网络问题
+
+如果遇到网络问题，可以设置代理后再进行拉取。
+
+```bash
+export HF_ENDPOINT=https://hf-mirror.com
+```
+
+### MiniMax-M2 model is not currently supported
+
+该 vLLM 版本过旧，请升级到最新版本。
+
+### torch.AcceleratorError: CUDA error: an illegal memory access was encountered
+在启动参数添加 `--compilation-config "{\"cudagraph_mode\": \"PIECEWISE\"}"` 可以解决。例如：
+
+```bash
+SAFETENSORS_FAST_GPU=1 vllm serve \
+    MiniMaxAI/MiniMax-M2.5 --trust-remote-code \
+    --enable_expert_parallel --tensor-parallel-size 8 \
+    --enable-auto-tool-choice --tool-call-parser minimax_m2 \
+    --reasoning-parser minimax_m2_append_think \
+    --compilation-config "{\"cudagraph_mode\": \"PIECEWISE\"}"
+```
+
+### 模型输出乱码
+
+如果您在使用 vLLM 运行这些模型时遇到输出乱码，可以升级到最新版本（请至少确保版本在提交 [cf3eacfe58fa9e745c2854782ada884a9f992cf7](https://github.com/vllm-project/vllm/commit/cf3eacfe58fa9e745c2854782ada884a9f992cf7) 之后）。
+
+## 获取支持
+
+如果在部署 MiniMax 模型过程中遇到任何问题：
+
+- 通过邮箱 [model@minimax.io](mailto:model@minimax.io) 等官方渠道联系我们的技术支持团队
+
+- 在我们的 [GitHub](https://github.com/MiniMax-AI) 仓库提交 Issue
+
+- 通过我们的 [官方企业微信交流群](https://github.com/MiniMax-AI/MiniMax-AI.github.io/blob/main/images/wechat-qrcode.jpeg) 反馈
+
+我们会持续优化模型的部署体验，欢迎反馈！