文档中心

GPU云服务器

GLM系列模型

GPU-部署GLM-5.1模型

本文以2台ecs.hpcpni3ln.45xlarge实例为例，介绍如何在GPU云服务器上部署GLM-5.1模型。

背景信息

GLM-5.1是智谱AI开源的新一代7540亿参数MoE大模型，支持200 K上下文与128 K超长输出。该模型专为“智能体工程”打造，具备长达8小时的自主执行能力，可全程无人工干预地完成复杂项目的规划、编码、测试与修复。

软件要求

NVIDIA驱动：

GPU驱动：用于驱动NVIDIA GPU的程序，本文使用535.161.08进行操作演示。

运行环境：

SGLang框架：SGLang框架是一款专为大语言模型（LLMs）及视觉语言模型打造的高性能服务框架，通过协同设计前端结构化生成语言与后端运行时系统，实现与模型的高效交互，并保障了生成过程的可控性。本文使用 v0.5.10 版本进行操作演示。

操作步骤

步骤一：准备环境

创建GPU计算型实例。

请根据通过向导购买实例指引，创建两台符合下表条件的实例。

配置项	推荐配置
基础配置
计算规格	ecs.hpcpni3ln.45xlarge 说明 ecs.hpcpni3ln.45xlarge规格实例正在邀测中，如需试用，请提交工单或联系客户经理申请。
镜像	Ubuntu 22.04 with GPU Driver 535.161.08 and doca 说明若您选用其他发行版本的镜像，需在创建实例后自行安装GPU驱动。
实例数量	2台说明本文创建的两台GPU实例，分别作为“Rank 0”、“Rank 1”。
存储	规格：吞吐型SSD TL0云盘容量：不低于1024 GiB 说明本文使用的GLM-5.1模型参数量均为754 B，建议您配置云盘容量不低于1024 GiB。
网络配置
公网IP	勾选“分配弹性公网IP”。

安装依赖的软件、工具。

登录目标实例。

执行如下命令，安装、配置Docker。

sudo apt update
sudo apt install ca-certificates curl gnupg lsb-release
sudo mkdir -p /etc/apt/keyrings
curl -fsSL https://mirrors.ivolces.com/docker/linux/ubuntu/gpg | sudo gpg --dearmor -o /etc/apt/keyrings/docker.gpg
echo "deb [arch=$(dpkg --print-architecture) signed-by=/etc/apt/keyrings/docker.gpg] https://mirrors.ivolces.com/docker/linux/ubuntu $(lsb_release -cs) stable" | sudo tee /etc/apt/sources.list.d/docker.list > /dev/null
sudo apt update
sudo apt install docker-ce docker-ce-cli containerd.io docker-compose-plugin -y

执行如下命令，安装NVIDIA Container Toolkit。

curl -s https://mirrors.ivolces.com/nvidia_all/ubuntu2204/x86_64/3bf863cc.pub | sudo apt-key add -
cat <<EOF >/etc/apt/sources.list.d/nvidia.list
deb http://mirrors.ivolces.com/nvidia_all/ubuntu2204/x86_64/ /
EOF
apt update
apt install nvidia-container-toolkit -y

执行如下命令配置Docker，使容器可以使用实例的GPU资源。

sudo nvidia-ctk runtime configure --runtime=docker
sudo systemctl restart docker

（可选）初始化本地盘。

若您选用的实例规格搭配有本地盘，建议您执行如下命令将本地盘挂载到存储模型的目录/data00，以提升模型加载速度。

mkfs -t ext4 /dev/nvme0n1
mount -t ext4 /dev/nvme0n1 /data00

说明

请将/dev/nvme0n1替换为实际本地盘名称。

请将ext4替换为您期望使用的文件系统。

步骤二：部署、运行模型

登录购买的2台GPU实例。了解更多。

下载模型文件。

执行如下命令，安装配置onion。

curl -fsSL https://mirrors.ivolces.com/extra-tools/ubuntu/GPG-KEY-system | sudo gpg --dearmor -o /etc/apt/trusted.gpg.d/volc-extra-tools.gpg
echo "deb [arch=$(dpkg --print-architecture) signed-by=/etc/apt/trusted.gpg.d/volc-extra-tools.gpg] http://mirrors.ivolces.com/extra-tools/ubuntu jammy main" > /etc/apt/sources.list.d/volctools.list && apt update && apt install -y onion-ai-data

cd /data00

执行如下命令，下载GLM-5.1模型。

oniond download model GLM-5.1-FP8

说明

您也可以执行oniond list model命令，查看支持模型列表。

请根据实例所在地域，分别在2台GPU实例中执行如下命令，下载Docker镜像。

北京地域

docker pull ai-containers-cn-beijing.cr.volces.com/deeplearning/sglang:v0.5.10.iaas.dev.202604092053

上海地域

docker pull ai-containers-cn-shanghai.cr.volces.com/deeplearning/sglang:v0.5.10.iaas.dev.202604092053

请根据实例所在地域，分别在2台GPU实例中执行如下命令，启动Docker容器。

北京地域

docker run --gpus all -itd --net=host --shm-size=100g --ulimit memlock=-1 --ulimit stack=67108864 --privileged --ipc=host --security-opt seccomp=unconfined --cap-add=ALL -v /data00/:/data00/ -v /var/run/nvidia-topologyd/:/var/run/nvidia-topologyd/ --entrypoint /bin/bash ai-containers-cn-beijing.cr.volces.com/deeplearning/sglang:v0.5.10.iaas.dev.202604092053

上海地域

docker run --gpus all -itd --net=host --shm-size=100g --ulimit memlock=-1 --ulimit stack=67108864 --privileged --ipc=host --security-opt seccomp=unconfined --cap-add=ALL -v /data00/:/data00/ -v /var/run/nvidia-topologyd/:/var/run/nvidia-topologyd/ --entrypoint /bin/bash ai-containers-cn-shanghai.cr.volces.com/deeplearning/sglang:v0.5.10.iaas.dev.202604092053

说明

请将命令中的/data00替换为模型实际存放的目录路径。

通过Docker日志确认容器及模型是否成功启动。

执行如下命令，查看容器ID。

docker ps

执行如下命令，查看对应容器的运行日志。

docker logs -f <CONTAINER_ID>

说明

请将<CONTAINER_ID>替换为实际容器ID。

启动模型服务。

执行如下命令，进入Docker容器。

说明

请将命令中的<CONTAINER_ID>替换为实际容器ID。

docker exec -it <CONTAINER_ID> bash

在两台实例中分别执行以下命令，启动GLM-5.1模型服务。

注意

请将命令中的<IP>替换为Rank 0节点实例的实际私网IP。

将命令中的<Port>替换为两台实例的模型服务连通端口号，可任意指定（例如20000）。

Rank 0（Master 节点）
Rank 1

GLOO_SOCKET_IFNAME=eth0 MODEL_LENGTH=131072 NCCL_MIN_NCHANNELS=24 NCCL_IB_QPS_PER_CONNECTION=8 CUDA_CACHE_MAXSIZE=2147483648 SGLANG_ENABLE_SPEC_V2=1 sglang serve --model-path /data00/GLM-5.1-FP8/ --served-model-name glm-5.1 --host 0.0.0.0 --port 30300 --trust-remote-code --tp 16 --nnodes 2 --node-rank 0 --dist-init-addr <IP>:<Port> --max-running-requests 16 --chunked-prefill-size 8192 --enable-metrics --enable-cache-report --show-time-cost --reasoning-parser glm45 --tool-call-parser glm47 --speculative-algorithm EAGLE --speculative-num-steps 3 --speculative-eagle-topk 1 --speculative-num-draft-tokens 4 --mem-fraction-static 0.85

参数说明

如上命令以部署、启动GLM-5.1模型为例，如需部署、启动其他模型，可根据下表说明替换对应环境变量和参数值。

参数名称	参数类型	说明	取值示例
python -m sglang.launch_server	启动指令	通过Python模块方式启动sglang的模型服务端。说明非参数，是命令入口。	-
--model-path	路径 / 模型 ID	指定加载的LLM模型，取值： Hugging Face模型ID。本地模型路径。	/data00/GLM-5.1-FP8
--tp	整数	配置张量并行度（Tensor Parallelism），默认值为 16。	16
--host	IP地址	指定服务绑定的主机地址。	0.0.0.0
--port	整数	指定服务监听的端口号，用于客户端连接。	30300
--dist-init-addr	IP: 端口	分布式集群的初始化地址（主节点地址），用于多节点通信同步。	192.168.0.2:20000
--nnodes	整数	指定分布式集群的总节点数，即参与服务的服务器数量。	2
--node-rank	整数	指定当前节点在集群中的序号，从0开始计数。	Rank 0：0 Rank 1：1

步骤三：调用模型

登录Rank 0节点实例。

执行如下命令，进入Docker容器。

说明

请将命令中的<CONTAINER_ID>替换为实际容器ID。

docker exec -it <CONTAINER_ID> bash

在容器中执行如下命令调用模型，确保部署的模型可以正常进行推理。

curl -X POST http://127.0.0.1:30300/v1/chat/completions -H "Content-Type: application/json" -d '{
"model": "glm-5.1",
"messages": [
{
"role": "user",
"content": "介绍一下北京故宫"
}
],
"max_tokens": 500,
"temperature": 0.7
}'

若展示如下信息，则服务正常运行。

参数说明

本文仅说明验证使用到的参数信息。

参数名	说明	取值样例
model	使用的实际模型。	glm-5.1
messages	对话的消息列表。 role：该消息的发起角色。 content：消息的内容。	-
max_tokens	指定一次请求中模型生成Completion的最大Token数。取值：介于1 到 8192 间的整数。默认值为 4096。	500
temperature	采样温度。取值范围：介于 0 ～ 2 之间。值越高（例如1）会使输出更随机。值越低（例如0.2）会使输出更加集中和确定。	0.7

最近更新时间：2026.06.23 16:25:17

这个页面对您有帮助吗？

有用

无用