SGLang + Qwen3.8-27B-NVFP4 +Dflash2 + Pi Web Agent 一体镜像:启动后 5 分钟内推理服务可以用,Pi web 直接体验
开箱即用的极速 LLM 推理 + AI Agent 网页控制台一体镜像。v4.0 核心升级:双卡数据并行 + GPU 自动识别 + 一键双模型切换,双卡聚合吞吐实测 930 tok/s。
switch_model.sh 在 RadixArk 原版与 AEON 社区版之间秒切nvidia-smi 检测卡数——1 卡走单卡低延迟配置(90-134 tok/s),2 卡+自动切 DP2 吞吐配置,换卡型/重启完全无感/root/switch_model.sh 支持 aeon / radix / status / stop / start / restart,supervisor 托管,切换即生效,开机自启沿用最后选择/root/bench_dp2*.sh 一键复测并发吞吐曲线| 部署 | 配置 | 单流解码 | 聚合输出吞吐 |
|---|---|---|---|
| v3.0 单卡 | SGLang + DFlash2 + torch.compile | 90-134 tok/s | — |
| v4.0 单卡 | 同 v3(自动识别,配置不变) | 90-134 tok/s | — |
| v4.0 双卡 AEON | DP2 + DFlash2 | 128 tok/s | 784 tok/s @8并发 → 930 tok/s 峰值 |
| 组件 | 版本 |
|---|---|
| GPU | RTX 5090 单卡或双卡(需 RTX 50 系/Blackwell 架构) |
| SGLang | 0.5.17 + DFlash2 overlay patch |
| 目标模型 | Qwen3.8-27B-NVFP4(共享盘)/ Qwen3.8-27B-AEON-ULTIMATE-UNCENSORED-NVFP4(共享盘) |
| 草稿模型 | Qwen3.8-27B-DFlash2(内置本地盘) |
| Pi Web | @agegr/pi-web(Next.js) |
创建实例时选择本镜像(5090 单卡或双卡均可),启动后单卡约 3-4 分钟、双卡约 5 分钟全部就绪。
端口提示:创建后如需外网访问,先开放端口:
compshare instance ports update <实例ID> --http 8888 --http 30000 --http 30141 --tcp 23 --yes
/root/switch_model.sh status # 查看当前模型/服务状态
/root/switch_model.sh aeon # 切到 AEON 社区版(qwen3.8-aeon)
/root/switch_model.sh radix # 切回 RadixArk 原版(qwen3.8-27b)
切换自动重启生效(约 3-5 分钟),开机自启沿用最后选择,GPU 卡数自动适配。
实例内
curl http://127.0.0.1:30000/v1/chat/completions
-H "Content-Type: application/json"
-d '{"model":"qwen3.8-27b","messages":[{"role":"user","content":"你好"}],"max_tokens":100}'
外网入口
https://30000-<实例ID>-s1.pod.compshare.cn/v1/chat/completions
支持 /v1/chat/completions、/v1/models、流式输出、工具调用、思考模式。
https://30141-<你的实例ID>-s1.pod.compshare.cn
账号:pi 密码:PiWeb2026
已配置好连接本地 SGLang 模型,直接开始对话。
/root/run-pi-web.sh 中修改后 supervisorctl restart pi-web)supervisorctl status # 查看所有服务
/root/switch_model.sh restart # 重启推理服务
/root/switch_model.sh stop # 停止推理服务
tail -f /var/log/supervisor/sglang.err.log # 推理日志
/root/sglang_auto.sh(GPU 数 × 模型 二维自动分发)/root/switch_model.sh|当前选择:/root/active_model/root/start_sglang_dflash2.sh(RadixArk 单卡)、/root/start_sglang_dp2.sh(RadixArk 双卡)、/root/start_sglang_aeon.sh(AEON 单卡)、
/root/start_sglang_dp2_aeon.sh(AEON 双卡)/root/models/Qwen3.8-27B-DFlash2/root/.cache/torch_inductor(持久化,重启免编译)/root/bench_dp2.sh、/root/bench_dp2_aeon.sh--speculative-num-draft-tokens 换 mamba 槽位supervisorctl restart sglang;不要同时开 --enable-torch-compile 与 decode CUDA graph 大 bs 组合(详见 SGLang issue #35777)