tianshu_vllm/.env

72 lines
1.7 KiB
Bash
Raw Permalink Normal View History

2026-06-05 07:53:47 +00:00
MODELSCOPE_CACHE=./modelscope_cache
# 模型名称(可自定义)
MODEL_ID=Qwen3-9B
# 模型文件路径
MODEL_DIR=./models/Qwen3.5-9B
HOST=0.0.0.0
PORT=9527
# 指定加载到哪些显卡0,1,2,3,4
CUDA_VISIBLE_DEVICES=0
# 张量并行卡数
TENSOR_PARALLEL_SIZE=1
# 上下文长度
MAX_MODEL_LEN=32768
# 显存占用比例。默认参数0.9多余显存分配个KV Cache以支持高并发
GPU_MEMORY_UTILIZATION=0.4
# 计算精度
# DTYPE=bfloat16
# KV Cache 精度auto/fp8
# KV_CACHE_DTYPE=auto
# 最大并发序列数
MAX_NUM_SEQS=32
# 单批最大 token 数,根据并发和实际上下文需求配置,默认自动分配
MAX_NUM_BATCHED_TOKENSMAX=16384
# 其他运行开关
DISABLE_LOG_REQUESTS=False
ENABLE_LOG_REQUESTS=true
# VLLM运行模式DEBUG\INFO
VLLM_LOGGING_LEVEL=INFO
# Tool calling 配置,需要和模型配套,否则可能出现工具调用失败
ENABLE_AUTO_TOOL_CHOICE=true
TOOL_CALL_PARSER=qwen3_xml
REASONING_PARSER=qwen3
# 思考标记开关QWEN3.5-9B不匹配
# DEFAULT_CHAT_TEMPLATE_KWARGS='{"enable_thinking": true}'
# 留空时使用模型自带 chat_template如需官方工具模板可填绝对路径
# CHAT_TEMPLATE=
# enable-chunked-prefill分块预填空避免瞬时大量占用内存
# max-num-partial-prefills 1限制同一时刻最多只有 1 个 处于“分块预填充中”的请求,提高稳定性。
TRUST_REMOTE_CODE=true
API_KEY=unis123
# 采样参数
# TEMPERATURE=1.0
# TOP_P=0.95
# TOP_K=64
LOG_DIR=./logs
# Auto download model when MODEL_DIR is missing on container start.
AUTO_DOWNLOAD_MODEL=true
MODEL_SOURCE=Qwen/Qwen3.5-9B
DOWNLOAD_CACHE_DIR=./modelscope_cache
SKIP_MODEL_DOWNLOAD_IF_EXISTS=true