Update docker image and add glm-5-fp8.

README.md

@@ -6,15 +6,15 @@
 作为智谱AI新一代旗舰大模型，GLM-5专注于复杂系统工程和长周期智能体任务。扩展模型规模仍是提升通用人工智能（AGI）智能效率的最重要途径之一。与 GLM-4.5 相比，GLM-5 的参数量从 355B（激活参数 32B）扩展至 744B（激活参数 40B），预训练数据量也从 23T tokens 增加到 28.5T tokens。此外，GLM-5 还集成了 DeepSeek 稀疏注意力（DSA）机制，在保持长上下文能力的同时大幅降低了部署成本。
 
 ## 环境依赖
-| 软件 | 版本 |
-| :------: | :------: |
-|     DTK      |  26.04.2  |
-|    python    |  3.10.12  |
-| transformers |  5.2.0.dev0 |
-|    torch     | 2.5.1+das.opt1.dtk2604.20260116.g78471bfd |
-|     vllm     | 0.11.0+das.opt1.rc3.dtk2604 |
+| 软件 |   版本    |
+| :------: |:-------:|
+|     DTK      | 26.04 |
+|    python    | 3.10.12 |
+| transformers |  5.2.0  |
+|    torch     |  2.9.0+das.opt1.dtk2604.20260331.g4e3c1e7  |
+|     vllm     |  0.15.1+das.opt1.alpha.dtk2604.torch290.2604042155.gba9f96  |
 
-推荐使用镜像:harbor.sourcefind.cn:5443/dcu/admin/base/vllm:0.11.0-ubuntu22.04-dtk26.04-0130-py3.10-20260202
+当前仅支持镜像: harbor.sourcefind.cn:5443/dcu/admin/base/custom:vllm015-ubuntu22.04-dtk26.04-glm5-0408
 
 - 挂载地址`-v`根据实际模型情况修改
 
@@ -33,18 +33,11 @@ docker run -it \
     -u root \
     -v /opt/hyhal/:/opt/hyhal/:ro \
     -v /path/your_code_data/:/path/your_code_data/ \
-    harbor.sourcefind.cn:5443/dcu/admin/base/vllm:0.11.0-ubuntu22.04-dtk26.04-0130-py3.10-20260202 bash
+    harbor.sourcefind.cn:5443/dcu/admin/base/custom:vllm015-ubuntu22.04-dtk26.04-glm5-0408 bash
 ```
 
 更多镜像可前往[光源](https://sourcefind.cn/#/service-list)下载使用。
 
-关于本项目DCU显卡所需的特殊深度学习库可从[光合](https://developer.sourcefind.cn/tool/)开发者社区下载安装，其它包参照requirements.txt安装：
-```
-pip uninstall vllm
-pip install vllm-0.11.0+das.opt1.rc3.dtk2604-cp310-cp310-linux_x86_64.whl
-pip install -r requirements.txt
-```
-
 ## 数据集
 `暂无`
 
@@ -53,6 +46,72 @@ pip install -r requirements.txt
 
 ## 推理
 ### vllm
+#### 单机推理
+1. 加入环境变量
+```bash
+# 环境变量
+rm -rf ~/.cache
+rm -rf ~/.triton
+
+export HIP_VISIBLE_DEVICES=0,1,2,3,4,5,6,7
+export ALLREDUCE_STREAM_WITH_COMPUTE=1
+export NCCL_MIN_NCHANNELS=16
+export NCCL_MAX_NCHANNELS=16
+export Allgather_Base_STREAM_WITH_COMPUTE=1
+export SENDRECV_STREAM_WITH_COMPUTE=1
+export HIP_KERNEL_EVENT_SYSTENFENCE=1
+export VLLM_RPC_TIMEOUT=1800000
+export VLLM_USE_PD_SPLIT=1
+export VLLM_USE_PIECEWISE=1
+export VLLM_REJECT_SAMPLE_OPT=1
+export USE_FUSED_RMS_QUANT=0
+export USE_FUSED_SILU_MUL_QUANT=1
+export VLLM_USE_GLOBAL_CACHE13=1
+export VLLM_FUSED_MOE_CHUNK_SIZE=16384
+export VLLM_CUSTOM_CACHE=1
+export VLLM_USE_OPT_CAT=1
+export VLLM_USE_FUSED_FILL_RMS_CAT=1
+export VLLM_USE_LIGHTOP_MOE_SUM_MUL_ADD=0
+export VLLM_USE_LIGHTOP_RMS_ROPE_CONCAT=0
+export VLLM_USE_V32_ENCODE=1
+export VLLM_USE_FLASH_MLA=1
+export VLLM_DISABLE_DSA=0
+export USE_LIGHTOP_TOPK=1
+export USE_LIGHTOP_PER_TOKEN_GROUP_QUANT_FP8=1
+export USE_LIGHTOP_CONVERT_REQ_INDEX_TO_GLOBAL_INDEX=1
+```
+
+2. 启动vllm serve
+```bash
+vllm serve ZhipuAI/GLM-5-FP8 \
+    --gpu-memory-utilization 0.925 \
+    --port 8001 \
+    --tensor-parallel-size 8 \
+    --tool-call-parser glm47 \
+    --reasoning-parser glm45 \
+    --enable-auto-tool-choice \
+    --kv-cache-dtype fp8_ds_mla \
+    --served-model-name glm-5-fp8 \
+    --disable-log-requests \
+    --compilation-config '{"pass_config": {"fuse_act_quant": false}}'
+```
+
+3. 启动完成后可通过以下方式访问：
+```bash
+curl http://localhost:8001/v1/chat/completions   \
+    -H "Content-Type: application/json"  \
+    -d '{
+        "model": "glm-5-fp8",
+        "messages": [
+          {"role": "system", "content": "You are a helpful assistant."},
+          {"role": "user", "content": "Summarize GLM-5 in one sentence."}
+        ],
+        "max_tokens": 4096,
+        "temperature": 0.7,
+        "chat_template_kwargs": {"enable_thinking": false}
+    }'
+```
+
 #### 多机推理
 1. 加入环境变量
 > 请注意：
@@ -107,9 +166,9 @@ ray start --head --node-ip-address=x.x.x.x --port=6379 --num-gpus=8 --num-cpus=3
 ray start --address='x.x.x.x:6379' --num-gpus=8 --num-cpus=32
 ```
 
-3. 启动vllm server
+3. 启动vllm serve
 ```bash
-vllm serve zai-org/GLM-5 \
+vllm serve ZhipuAI/GLM-5 \
     --port 8001 \
     --trust-remote-code \
     --tensor-parallel-size 32 \
@@ -125,7 +184,7 @@ vllm serve zai-org/GLM-5 \
     --served-model-name glm-5
 ```
 
-启动完成后可通过以下方式访问：
+4. 启动完成后可通过以下方式访问：
 ```bash
 curl http://localhost:8001/v1/chat/completions   \
     -H "Content-Type: application/json"  \
@@ -151,7 +210,8 @@ curl http://localhost:8001/v1/chat/completions   \
 ## 预训练权重
 | 模型名称  | 权重大小  | DCU型号  | 最低卡数需求 |下载地址|
 |:-----:|:----------:|:----------:|:---------------------:|:----------:|
-| GLM-5 | 744B | BW1000  | 32  | [Hugging Face](https://huggingface.co/zai-org/GLM-5) |
+| GLM-5 | 744B | BW1000  | 32 | [ModelScope](https://modelscope.cn/models/ZhipuAI/GLM-5) |
+| GLM-5-FP8 | 744B | BW1100  | 8 | [ModelScope](https://modelscope.cn/models/ZhipuAI/GLM-5-FP8) |
 
 ## 源码仓库及问题反馈
 - https://developer.sourcefind.cn/codes/modelzoo/glm-5_vllm

model.properties

@@ -11,4 +11,4 @@ appCategory=对话问答
 # 框架类型
 frameType=vllm
 # 加速卡类型
-accelerateType=BW1000
\ No newline at end of file
+accelerateType=BW1000,BW1100
\ No newline at end of file