inference-nv-pytorch 26.03-容器计算服务(ACS)-阿里云帮助中心

本文介绍inference-nv-pytorch 26.03版本发布记录。

Main Features and Bug Fixes

Main Features

提供了 CUDA12.8 和 CUDA13.0 两个CUDA版本的镜像，其中：
- CUDA12.8镜像仅支持amd64架构。
- CUDA13.0镜像支持amd64和aarch64架构。
vLLM镜像vLLM版本升级到v0.17.1，支持Qwen3.5模型。

Bug Fixes

无

镜像名称	inference-nv-pytorch
Tag	26.03-vllm0.17.1-pytorch2.10-cu128-20260317-serverless	26.03-vllm0.17.1-pytorch2.10-cu130-20260317-serverless
支持架构	amd64	amd64	aarch64
应用场景	大模型推理	大模型推理	大模型推理
框架	PyTorch	PyTorch	PyTorch
Requirements	NVIDIA Driver release >= 570	NVIDIA Driver release >= 580	NVIDIA Driver release >= 580
系统组件	Ubuntu 24.04 Python 3.12 Torch 2.10.0 CUDA 12.8 NCCL 2.29.7 diffusers 0.37.0 flash_attn 2.8.4 flash_attn_3 3.0.0 flashinfer-python 0.6.4 imageio-ffmpeg 0.6.0 ray 2.54.0 transformers 4.57.6 triton 3.6.0 torchaudio 2.10.0 torchvision 0.25.0 vllm 0.17.1 xfuser 0.4.5 xgrammar 0.1.29	Ubuntu 24.04 Python 3.12 Torch 2.10.0+cu130 CUDA 13.0.2 NCCL 2.29.7 diffusers 0.37.0 flash_attn 2.8.4 flash_attn_3 3.0.0 flashinfer-python 0.6.4 imageio-ffmpeg 0.6.0 ray 2.54.0 transformers 4.57.6 triton 3.6.0 torchaudio 2.10.0+cu130 torchvision 0.25.0+cu130 vllm 0.17.1 xfuser 0.4.5 xgrammar 0.1.29 ljperf 0.1.0+d0e4a408	Ubuntu 24.04 Python 3.12 Torch 2.10.0+cu130 CUDA 13.0.2 NCCL 2.29.7 flash_attn 2.8.4 flashinfer-python 0.6.4 transformers 4.57.6 ray 2.54.0 vllm 0.17.1 triton 3.6.0 torchaudio 2.10.0+cu130 torchvision 0.25.0+cu130 xgrammar 0.1.29 ljperf 0.1.0+477686c5

Asset

公网镜像

CUDA12.8 Asset

egslingjun-registry.cn-wulanchabu.cr.aliyuncs.com/egslingjun/inference-nv-pytorch:26.03-vllm0.17.1-pytorch2.10-cu128-20260317-serverless

CUDA13.0 Asset

egslingjun-registry.cn-wulanchabu.cr.aliyuncs.com/egslingjun/inference-nv-pytorch:26.03-vllm0.17.1-pytorch2.10-cu130-20260317-serverless

VPC镜像

将指定的AI容器镜像Asset URIegslingjun-registry.cn-wulanchabu.cr.aliyuncs.com/egslingjun/{image:tag}替换为acs-registry-vpc.{region-id}.cr.aliyuncs.com/egslingjun/{image:tag}即可在VPC内快速拉取ACS AI容器镜像。

{region-id}：ACS产品开服地域的地域ID。例如：cn-beijing、cn-wulanchabu等。
{image:tag}：AI容器镜像的名称和Tag。例如：inference-nv-pytorch:25.10-vllm0.11.0-pytorch2.8-cu128-20251028-serverless、training-nv-pytorch:25.10-serverless等。

说明

镜像适用于ACS产品形态、灵骏多租产品形态，不适用于灵骏单租产品形态，请勿在灵骏单租场景使用。

Driver Requirements

CUDA12.8：NVIDIA Driver release >= 570
CUDA13.0：NVIDIA Driver release >= 580

Quick Start

以下示例内容仅通过Docker方式拉取inference-nv-pytorch镜像，并使用Qwen2.5-7B-Instruct模型测试推理服务。

说明

在ACS中使用inference-nv-pytorch镜像需要通过控制台创建工作负载界面的制品中心页面选取，或者通过YAML文件指定镜像引用。更多详细操作，请参见使用ACS GPU算力构建模型推理服务系列内容：

拉取推理容器镜像。

docker pull egslingjun-registry.cn-wulanchabu.cr.aliyuncs.com/egslingjun/inference-nv-pytorch:[tag]

通过ModelScope下载开源模型。

pip install modelscope
cd /mnt
modelscope download --model Qwen/Qwen2.5-7B-Instruct --local_dir ./Qwen2.5-7B-Instruct

启动以下命令进入容器。

docker run -d -t --network=host --privileged --init --ipc=host \
--ulimit memlock=-1 --ulimit stack=67108864  \
-v /mnt/:/mnt/ \
egslingjun-registry.cn-wulanchabu.cr.aliyuncs.com/egslingjun/inference-nv-pytorch:[tag]

执行推理测试，测试vLLM推理对话功能。

启动Server端服务。

python3 -m vllm.entrypoints.openai.api_server \
--model /mnt/Qwen2.5-7B-Instruct \
--trust-remote-code --disable-custom-all-reduce \
--tensor-parallel-size 1

在Client端进行测试。

curl http://localhost:8000/v1/chat/completions \
    -H "Content-Type: application/json" \
    -d '{
    "model": "/mnt/Qwen2.5-7B-Instruct",  
    "messages": [
    {"role": "system", "content": "你是个友善的AI助手。"},
    {"role": "user", "content": "介绍一下深度学习。"}
    ]}'

输出如下所示：

更多关于vLLM的使用方法请参见vLLM。

Known Issues

本期镜像不支持deepgpu-comfyui插件。