55 name : dsv41flash-fp4-mi355x-sglang-agentic
66 model :
77 path : hf:deepseek-ai/DeepSeek-V4.1-Flash
8- container : lmsysorg/sglang-rocm:v0.5.21-rocm720-mi35x-20261006
8+ container : lmsysorg/sglang-rocm:v0.5.21-rocm720-mi35x-20261012
99 precision : fp4
1010 resources :
1111 gpu_type : mi355x
5353 SGLANG_USE_AITER : ' 1'
5454 SGLANG_USE_ROCM700A : ' 0'
5555 TRITON_HIP_USE_ASYNC_COPY : ' 0'
56- ROCM_QUICK_REDUCE_QUANTIZATION : NONE
56+ ROCM_QUICK_REDUCE_QUANTIZATION : INT8
57+ SGLANG_OPT_HIP_OPUS_SPARSE_PREFILL : ' true'
5758 AITER_BF16_FP8_MOE_BOUND : ' 0'
5859 TORCH_BLAS_PREFER_HIPBLASLT : ' 1'
5960 HSA_NO_SCRATCH_RECLAIM : ' 0'
6970 AIPERF_HTTP_TCP_USER_TIMEOUT : ' 900000'
7071 AIPERF_REQUIRED_SERVER_METRIC_PREFIX : ' sglang:'
7172
72- # One variant per point; the saturation point gets a longer warmup drain.
73+ # One variant per point; the saturation point gets a longer warmup drain. A longer
74+ # prefill-decode interval trades TTFT for P90 ITL: 192 with lpm up to c8, 96 at c16
75+ # and 32 at c32. amd-master.yaml runs c32 and c64 on the DP2 variants only.
7376override_tp2_c1 :
7477 roles :
7578 agg :
@@ -78,7 +81,8 @@ override_tp2_c1:
7881 tensor-parallel-size : 2
7982 mem-fraction-static : 0.70
8083 chunked-prefill-size : 16384
81- prefill-decode-interval : 16
84+ prefill-decode-interval : 192
85+ schedule-policy : lpm
8286 swa-prefix-tails : 128
8387 max-running-requests : 2
8488 benchmark :
@@ -93,7 +97,8 @@ override_tp2_c2:
9397 tensor-parallel-size : 2
9498 mem-fraction-static : 0.70
9599 chunked-prefill-size : 16384
96- prefill-decode-interval : 16
100+ prefill-decode-interval : 192
101+ schedule-policy : lpm
97102 swa-prefix-tails : 128
98103 max-running-requests : 4
99104 benchmark :
@@ -108,7 +113,8 @@ override_tp2_c4:
108113 tensor-parallel-size : 2
109114 mem-fraction-static : 0.70
110115 chunked-prefill-size : 16384
111- prefill-decode-interval : 16
116+ prefill-decode-interval : 192
117+ schedule-policy : lpm
112118 swa-prefix-tails : 256
113119 max-running-requests : 8
114120 benchmark :
@@ -123,7 +129,8 @@ override_tp2_c8:
123129 tensor-parallel-size : 2
124130 mem-fraction-static : 0.70
125131 chunked-prefill-size : 16384
126- prefill-decode-interval : 16
132+ prefill-decode-interval : 192
133+ schedule-policy : lpm
127134 swa-prefix-tails : 512
128135 max-running-requests : 16
129136 benchmark :
@@ -138,7 +145,7 @@ override_tp2_c16:
138145 tensor-parallel-size : 2
139146 mem-fraction-static : 0.80
140147 chunked-prefill-size : 16384
141- prefill-decode-interval : 16
148+ prefill-decode-interval : 96
142149 swa-prefix-tails : 1024
143150 max-running-requests : 32
144151 benchmark :
@@ -153,7 +160,7 @@ override_tp2_c32:
153160 tensor-parallel-size : 2
154161 mem-fraction-static : 0.80
155162 chunked-prefill-size : 16384
156- prefill-decode-interval : 4
163+ prefill-decode-interval : 32
157164 swa-prefix-tails : 2048
158165 max-running-requests : 64
159166 benchmark :
@@ -178,6 +185,89 @@ override_tp2_c64:
178185 CONC : ' 64'
179186 AGENTIC_WARMUP_GRACE_PERIOD : ' 3600'
180187
188+ # DP2 attention with TP MoE.
189+ override_tp2_c32_dp :
190+ frontend :
191+ type : sglang-router
192+ args :
193+ policy : cache_aware
194+ request-id-headers : x-correlation-id
195+ dp-aware : true
196+ connect-timeout-secs : 900
197+ request-timeout-secs : 14400
198+ disable-health-check : true
199+ disable-retries : true
200+ roles :
201+ agg :
202+ gpus : 2
203+ args :
204+ tensor-parallel-size : 2
205+ data-parallel-size : 2
206+ enable-dp-attention : true
207+ enable-dp-lm-head : true
208+ enable-prefill-delayer : true
209+ enable-dp-attention-local-control-broadcast : true
210+ tokenizer-worker-num : 2
211+ prefill-delayer-token-usage-low-watermark : 0.7
212+ load-balance-method : total_requests
213+ mem-fraction-static : 0.80
214+ chunked-prefill-size : 32768
215+ prefill-decode-interval : 32
216+ swa-prefix-tails : 2048
217+ max-running-requests : 64
218+ env :
219+ SGLANG_SHARED_EXPERT_TP1 : ' 1'
220+ SGLANG_DP_USE_GATHERV : ' 1'
221+ SGLANG_DP_USE_REDUCE_SCATTER : ' 1'
222+ SGLANG_AITER_CAPTURE_COPY_IN : ' 1'
223+ GPU_MAX_HW_QUEUES : ' 5'
224+ benchmark :
225+ env :
226+ CONC : ' 32'
227+ AIPERF_HTTP_X_SMG_ROUTING_KEY_FROM_CORRELATION_ID : ' true'
228+ AGENTIC_WARMUP_GRACE_PERIOD : ' 3600'
229+
230+ override_tp2_c64_dp :
231+ frontend :
232+ type : sglang-router
233+ args :
234+ policy : cache_aware
235+ request-id-headers : x-correlation-id
236+ dp-aware : true
237+ connect-timeout-secs : 900
238+ request-timeout-secs : 14400
239+ disable-health-check : true
240+ disable-retries : true
241+ roles :
242+ agg :
243+ gpus : 2
244+ args :
245+ tensor-parallel-size : 2
246+ data-parallel-size : 2
247+ enable-dp-attention : true
248+ enable-dp-lm-head : true
249+ enable-prefill-delayer : true
250+ enable-dp-attention-local-control-broadcast : true
251+ tokenizer-worker-num : 2
252+ prefill-delayer-token-usage-low-watermark : 0.7
253+ load-balance-method : total_requests
254+ mem-fraction-static : 0.85
255+ chunked-prefill-size : 8192
256+ prefill-decode-interval : 16
257+ swa-prefix-tails : 4096
258+ max-running-requests : 64
259+ env :
260+ SGLANG_SHARED_EXPERT_TP1 : ' 1'
261+ SGLANG_DP_USE_GATHERV : ' 1'
262+ SGLANG_DP_USE_REDUCE_SCATTER : ' 1'
263+ SGLANG_AITER_CAPTURE_COPY_IN : ' 1'
264+ GPU_MAX_HW_QUEUES : ' 5'
265+ benchmark :
266+ env :
267+ CONC : ' 64'
268+ AIPERF_HTTP_X_SMG_ROUTING_KEY_FROM_CORRELATION_ID : ' true'
269+ AGENTIC_WARMUP_GRACE_PERIOD : ' 3600'
270+
181271override_tp4_c1 :
182272 roles :
183273 agg :
@@ -186,7 +276,8 @@ override_tp4_c1:
186276 tensor-parallel-size : 4
187277 mem-fraction-static : 0.70
188278 chunked-prefill-size : 16384
189- prefill-decode-interval : 16
279+ prefill-decode-interval : 192
280+ schedule-policy : lpm
190281 swa-prefix-tails : 128
191282 max-running-requests : 2
192283 benchmark :
@@ -201,7 +292,8 @@ override_tp4_c2:
201292 tensor-parallel-size : 4
202293 mem-fraction-static : 0.70
203294 chunked-prefill-size : 16384
204- prefill-decode-interval : 16
295+ prefill-decode-interval : 192
296+ schedule-policy : lpm
205297 swa-prefix-tails : 128
206298 max-running-requests : 4
207299 benchmark :
@@ -216,7 +308,8 @@ override_tp4_c4:
216308 tensor-parallel-size : 4
217309 mem-fraction-static : 0.70
218310 chunked-prefill-size : 16384
219- prefill-decode-interval : 16
311+ prefill-decode-interval : 192
312+ schedule-policy : lpm
220313 swa-prefix-tails : 256
221314 max-running-requests : 8
222315 benchmark :
@@ -231,7 +324,8 @@ override_tp4_c8:
231324 tensor-parallel-size : 4
232325 mem-fraction-static : 0.70
233326 chunked-prefill-size : 16384
234- prefill-decode-interval : 16
327+ prefill-decode-interval : 192
328+ schedule-policy : lpm
235329 swa-prefix-tails : 512
236330 max-running-requests : 16
237331 benchmark :
@@ -246,7 +340,7 @@ override_tp4_c16:
246340 tensor-parallel-size : 4
247341 mem-fraction-static : 0.70
248342 chunked-prefill-size : 16384
249- prefill-decode-interval : 16
343+ prefill-decode-interval : 96
250344 swa-prefix-tails : 1024
251345 max-running-requests : 32
252346 benchmark :
0 commit comments