llama-sleep 将 llama.cpp 模型切换缩短至 2.1 秒
热点事件持续更新
llama-sleep 将 llama.cpp 模型切换缩短至 2.1 秒
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
Robert Zaage 发布 MIT 许可的 llama-sleep 工具，用 NVIDIA cuda-checkpoint 把模型的 GPU 显存暂存到主机内存、而非停止进程，使 llama-swap 在两个占满 GPU 的 Gemma 4 26B 模型间切换从 10.3 秒降到 2.1 秒，并保留缓存提示词。 该方案仅支持 NVIDIA GPU 和 Linux，需驱动 570 或更高版本；被暂存的模型占用与 GPU 显存等量的主机内存。若切换请求在模型暂存期间到达，需等待其完成：在请求间隔 8 秒、4 KB 页的测试中，切换耗时为 3.2–5.3 秒而非 2.1 秒。作者称空闲时间需与工作负载匹配。
AI 根据报道生成 · 1 小时前更新
最新进展11月7日 06:59
llama-sleep：把 llama.cpp 模型切换缩短到两秒内的休眠方案报道时间线
沿着报道，了解事件的不同侧面。
11月7日
- Hacker Newsllama-sleep：把 llama.cpp 模型切换缩短到两秒内的休眠方案
作者发布 MIT 许可的 llama-sleep，用 NVIDIA cuda-checkpoint 把模型的 GPU 显存暂存到主机内存而非停止进程，使 llama-swap 在两个占满 GPU 的 Gemma 4 26B 模型间切换从 10.3 秒降到 2.1 秒，且保留缓存提示词。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。