inference-nv-pytorch 26.07 - Container Compute Service - Alibaba Cloud ドキュメントセンター

主な機能とバグ修正

主な機能

vLLM イメージを vLLM v0.25.1 にアップグレードしました。
SGLang イメージを SGLang v0.5.15.post1 にアップグレードしました。
vLLM および SGLang イメージは、amd64 と aarch64 のアーキテクチャをサポートしています。

バグ修正

なし

内容

イメージ名	inference-nv-pytorch
タグ	26.07-vllm0.25.1-pytorch2.11-cu130-20260723-serverless		26.07-sglang0.5.15.post1-pytorch2.11-cu130-20260715-serverless
対応アーキテクチャ	amd64	aarch64	amd64	aarch64
シナリオ	大規模モデル推論	大規模モデル推論	大規模モデル推論	大規模モデル推論
フレームワーク	pytorch	pytorch	pytorch	pytorch
要件	NVIDIA ドライバーリリース >= 580	NVIDIA ドライバーリリース >= 580	NVIDIA ドライバーリリース >= 580	NVIDIA ドライバーリリース >= 580
システムコンポーネント	Ubuntu 24.04.3 LTS Python 3.12.7 CUDA 13.0 NCCL 2.30.7-1 torch 2.11.0 torchvision 0.26.0 torchaudio 2.11.0 triton 3.7.1 Transformers 5.14.1 deep_ep 2.1.0+dd758ca flash_attn 2.8.3 flash_attn_3 3.0.0 flashinfer-python 0.6.13 flashinfer-cubin 0.6.13 flash_mla 1.0.0+b7643bd mooncake 0.3.11.post1 nvshmem 3.7.1 xgrammar 0.2.3 vLLM 0.25.1 ray 2.56.1 ljperf 0.1.0+d0e4a408 numpy 2.3.5	Ubuntu 24.04 Python 3.12.7 CUDA 13.0.2 NCCL 2.30.7-1 torch 2.11.0 torchvision 0.26.0 torchaudio 2.11.0 torchao 0.17.0 triton 3.6.0 Transformers 5.12.1 diffusers 0.39.0 decord 3.4.0 deep_ep 2.1.0 imageio-ffmpeg 0.6.0 flash_attn 2.8.3 flash_attn_3 3.0.0 flashinfer-python 0.6.13 flash_mla 1.0.0 mooncake 0.3.11.post1 nvshmem 3.7.1 xgrammar 0.2.3 vLLM 0.25.1 ray 2.56.0 xfuser 0.4.5 ljperf 0.1.0+477686c5	Ubuntu 24.04 Python 3.12 CUDA 13.0.2 NCCL 2.30.7-1 torch 2.11.0 torchvision 0.26.0 torchaudio 2.11.0 torchao 0.17.0 triton 3.6.0 Transformers 5.12.1 diffusers 0.39.0 decord 0.6.0 deep_ep 2.1.0 imageio-ffmpeg 0.6.0 flash_attn 2.8.3 flash_attn_3 3.0.0 flash-attn-4 4.0.0b15 flashinfer-python 0.6.12 flash_mla 1.0.0 mooncake 0.3.11.post1 nvshmem 3.7.1 xgrammar 0.2.1 sgl-kernel 0.4.4 sglang 0.5.15.post1 ray 2.56.0 xfuser 0.4.5 ljperf 0.1.0+d0e4a408	Ubuntu 24.04 Python 3.12 CUDA 13.0.2 NCCL 2.30.7-1 torch 2.11.0 torchvision 0.26.0 torchaudio 2.11.0 torchao 0.17.0 triton 3.6.0 transformers 5.12.1 diffusers 0.39.0 decord 3.4.0 deep_ep 2.1.0 imageio-ffmpeg 0.6.0 flash_attn 2.8.3 flash_attn_3 3.0.0 flash-attn-4 4.0.0b15 flashinfer-python 0.6.12 flash_mla 1.0.0 mooncake 0.3.11.post1 nvshmem 3.7.1 xgrammar 0.2.1 sgl-kernel 0.4.4 sglang 0.5.15.post1 ray 2.56.0 xfuser 0.4.5 ljperf 0.1.0+477686c5

アセット

パブリックイメージ

CUDA 13.0 アセット

egslingjun-registry.cn-wulanchabu.cr.aliyuncs.com/egslingjun/inference-nv-pytorch:26.07-vllm0.25.1-pytorch2.11-cu130-20260723-serverless
egslingjun-registry.cn-wulanchabu.cr.aliyuncs.com/egslingjun/inference-nv-pytorch:26.07-sglang0.5.15.post1-pytorch2.11-cu130-20260715-serverless

VPC イメージ

VPC 内で ACS AI コンテナイメージを迅速にプルするには、指定された AI コンテナイメージのアセット URI egslingjun-registry.cn-wulanchabu.cr.aliyuncs.com/egslingjun/{image:tag} を acs-registry-vpc.{region-id}.cr.aliyuncs.com/egslingjun/{image:tag} に置き換えます。

{region-id}: ACS 製品のリージョン ID です。例: cn-beijing および cn-wulanchabu。
{image:tag} は、AI コンテナイメージの名前とタグです。たとえば、inference-nv-pytorch:25.10-vllm0.11.0-pytorch2.8-cu128-20251028-serverless や training-nv-pytorch:25.10-serverless などです。

説明

これらのイメージは ACS および EGS マルチテナント向けです。EGS 専用環境では使用しないでください。

ドライバー要件

CUDA 13.0 ： NVIDIA ドライバーリリース >= 580

クイックスタート

この例では、Docker を使用して inference-nv-pytorch イメージをプルし、Qwen2.5-7B-Instruct モデルで推論サービスをテストする方法を示します。

説明

ACS で inference-nv-pytorch イメージを使用するには、コンソールのワークロード作成ページで「アーティファクトセンター」からイメージを選択します。YAML ファイルでイメージリファレンスを指定することもできます。詳細については、以下の ACS GPU リソースを使用したモデル推論サービス構築に関するトピックをご参照ください。

推論コンテナイメージをプルします。

docker pull egslingjun-registry.cn-wulanchabu.cr.aliyuncs.com/egslingjun/inference-nv-pytorch:[tag]

ModelScope からオープンソースモデルをダウンロードします。

pip install modelscope
cd /mnt
modelscope download --model Qwen/Qwen2.5-7B-Instruct --local_dir ./Qwen2.5-7B-Instruct

次のコマンドを実行してコンテナに入ります。

docker run -d -t --network=host --privileged --init --ipc=host \
--ulimit memlock=-1 --ulimit stack=67108864  \
-v /mnt/:/mnt/ \
egslingjun-registry.cn-wulanchabu.cr.aliyuncs.com/egslingjun/inference-nv-pytorch:[tag]

vLLM の会話機能について推論テストを実行します。

サーバーサービスを起動します。

python3 -m vllm.entrypoints.openai.api_server \
--model /mnt/Qwen2.5-7B-Instruct \
--trust-remote-code --disable-custom-all-reduce \
--tensor-parallel-size 1

クライアントでテストを実行します。

curl http://localhost:8000/v1/chat/completions \
    -H "Content-Type: application/json" \
    -d '{
    "model": "/mnt/Qwen2.5-7B-Instruct",  
    "messages": [
    {"role": "system", "content": "You are a friendly AI assistant."},
    {"role": "user", "content": "Introduce deep learning."}
    ]}'

vLLM の使用方法の詳細については、「vLLM」をご参照ください。

既知の問題

このリリースのイメージは、deepgpu-comfyui プラグインをサポートしていません。