NVIDIA Dynamo v1.6.2 為何把超長提示詞錯誤改成 HTTP 400,並新增 GC 凍結選項?
超過引擎可處理長度的提示詞原本會被當成伺服器錯誤,讓部分使用者端不斷重送。NVIDIA Dynamo v1.6.2 把 TensorRT-LLM 非串流 /v1/messages 的這類錯誤改為 HTTP 400,工作程式也會繼續運作;若使用者端把 400 設為不重試,就能減少無效請求。另一項更新是 SGLang 工作程式可選擇啟用 GC 凍結功能,目標是減少長時間執行時的串流停頓,但預設關閉,官方建議先和未啟用的工作程式比較記憶體用量。文章也提醒,SGLang 映像檔更換了 Python 版本,可能影響依賴 cuda-gdb Python 指令碼的除錯流程。