DeepSeek-R1-32BをBlackwell GB10で動かしたら4つの新たな障害モードが判った

[名無しさん]

投稿された、vLLM + DeepSeek-R1-32B を Blackwell GB10 (aarch64) で毎日リセットするテスト環境で遭遇した新たな4つの障害モードについてのスレッドを紹介します。元の投稿では、前回のGB10に関する投稿の続報として、メモリ不足や推論エラーなど具体的な問題が報告されています。ローカルLLM運用のリアルな課題として参考になる内容です。

[名無しさん]

これ地味に勉強になるな。GB10のaarch64環境でDeepSeek動かすのはまだまだ試行錯誤が必要そうだ。

[名無しさん]

試行錯誤と言うか、毎日リセットってのがキツそう。キャッシュ効かないし。

[名無しさん]

でも本番運用想定ならリセット試験は必要だと思う。意外なバグが出るから。

[名無しさん]

vLLMのバージョンによっても挙動変わるよね。自分は別のモデルでハマった。

[名無しさん]

vLLMのバグというより、モデル側の量子化が合ってない可能性もある。

[名無しさん]

DeepSeek-R1は32Bでも結構デカいからな、Blackwell GB10のメモリ帯域がボトルネックになってない？

[名無しさん]

メモリ帯域は確かに厳しいが、バッチサイズ調整で何とかなることもあるよ。

[名無しさん]

こういう具体的な障害報告はありがたい。自分も同じ構成使ってるから参考にする。

[名無しさん]

毎日リセットってどんなテストだ？CIみたいなもんか？

[名無しさん]

多分継続的インテグレーションの一部で、毎日環境をクリアして再現性確認してるんだと思う。

[名無しさん]

BlackwellのGB10だとTDP制限とかも影響するのかな。

[名無しさん]

そこは要検証。でもaarch64の最適化がまだ進んでない印象。

[名無しさん]

前回のGB10の投稿も見たけど、進展はあるんだな。でもまだ安定運用は遠そう。

[名無しさん]

OSSのLLMスタックは日進月歩だから、半年後には解決してるかもね。

[投稿者]

投稿