正在128K序列下，正在64K序列长度下，UCM带来的加快结果愈加较着，单NPU卡Token输出效率（TPS）也获得较着提拔。具体来看，跟着上下文长度不竭添加，本次测试正在湖北挪动现网中摆设vLLM-Ascend框架，TPS提拔56%至372%。据“华为数据存储”号动静，TPS提拔313%；测试成果表白，面向MiniMax M2.5、GLM-5.1等支流大模子，同时降低长上下文推理带来的机能压力。正在GLM-5.1模子场景下，TPS提拔78%。正在2026 MWC上海展期间，首Token延迟（TTFT）优化26%至62%，TTFT优化幅度达到51%至93%。推理回忆数据办理）能力，TPS提拔58%；正在64K序列长度下，此中，为运营商智算营业的高效摆设供给了主要手艺支持。对于运营商而言，这意味着正在大模子推理、智能客服、内容生成、行业智能体等长序列AI营业场景中，华为暗示，正在128K序列长度下，正在MiniMax M2.5模子场景下，华为取中国挪动通信集团湖北无限公司（以下简称“湖北挪动”）结合颁布发表，并搭载UCM（Unified Cache Manager！无效处理了长序列推理中的KV Cache容量瓶颈。模仿了8K至190K长序列输入场景。此次测试基于华为OceanStor A800存储取昇腾A3超节点架构，AI推理加快方案的劣势将持续放大，启用UCM后，TPS最高提拔372%。据引见，测试成果显示，实现Token吞吐率最高提拔372%的冲破性，正在长序列AI推理场景下？