124 lines
4.0 KiB
Markdown
124 lines
4.0 KiB
Markdown
|
# MiniMax M2.1 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-M2.1](https://huggingface.co/MiniMaxAI/MiniMax-M2.1) 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-M2.1](https://huggingface.co/MiniMaxAI/MiniMax-M2.1)
|
|||
|
|
|
|||
|
|
以下以 MiniMax-M2.1 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：支持 40 万 token 的总上下文。
|
|||
|
|
|
|||
|
|
- 144G x8 GPU：支持长达 300 万 token 的总上下文。
|
|||
|
|
|
|||
|
|
## 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 -U vllm --extra-index-url https://wheels.vllm.ai/nightly
|
|||
|
|
```
|
|||
|
|
|
|||
|
|
运行如下命令启动 vLLM 服务器，vLLM 会自动从 Huggingface 下载并缓存 MiniMax-M2.1 模型。
|
|||
|
|
|
|||
|
|
4 卡部署命令：
|
|||
|
|
|
|||
|
|
```bash
|
|||
|
|
SAFETENSORS_FAST_GPU=1 vllm serve \
|
|||
|
|
MiniMaxAI/MiniMax-M2.1 --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-M2.1 --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-M2.1",
|
|||
|
|
"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-M2.1 --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！
|