BeeLlama v0.2.0: DFlash로 추론 속도 향상
BeeLlama v0.2.0 – major DFlash update. Single RTX 3090: Qwen 3.6 27B up to 164 tps (4.40x), Gemma 4 31B up to 177.8 tps (4.93x). Prompt processing speed near baseline.
·2026.05.23 02:34
BeeLlama v0.2.0 업데이트를 통해 DFlash 최적화로 Qwen 및 Gemma 모델의 추론 속도가 대폭 향상되었습니다.
BeeLlama v0.2.0이 출시되었습니다. 이번 업데이트의 핵심은 DFlash 구현의 대대적인 개선을 통한 추론 성능 향상입니다.
주요 업데이트 내용은 다음과 같습니다:
- Gemma 4 31B에 대한 효율적인 DFlash 구현 및 비전(Vision) 기능 지원.
- Qwen 3.6 27B 성능 최적화: DFlash 오버헤드 감소, prefill 처리 개선, drafter K/V 프로젝션 캐싱 및 안전한 CUDA 실행 지원.
- DFlash GGUF 아키텍처 지원 및 다양한 버그 수정.
RTX 3090 환경에서의 벤치마크 결과, 기존 대비 비약적인 속도 향상을 보였습니다:
- Qwen 3.6 27B: 최대 163.9 tps (기존 대비 4.40배 향상).
- Gemma 4 31B: 최대 177.8 tps (기존 대비 4.93배 향상).
이 요약은 원문 이해를 돕기 위한 큐레이션입니다. 저작권은 원저작자에게 있으며, 정확한 내용과 맥락은 원문을 확인하세요.
요약 오류, 출처 표기 문제, 삭제 요청은 문의 · 건의로 알려주세요.