DGX Spark 部署 vLLM 与 Open WebUI 运行 Qwen3-Coder-Next-FP8
环境信息
- 硬件平台：NVIDIA DGX Spark（Grace Blackwell GB10 架构）
- 操作系统：Ubuntu 24.04.4 LTS（aarch64）
- CUDA Version：13.0（
nvcc --version确认） - 用户：
admin - 模型：
Qwen/Qwen3-Coder-Next-FP8（FP8 量化） - 核心依赖：vLLM ≥ 0.15.1（需支持 CUDA 13.0 + aarch64 +
cu130wheel）
一、在 Spark 上初始化 vLLM 部署环境（用户：admin）
mkdir -p ~/vllm
cd ~/vllm
uv venv --python 3.12 --seed-source .venv
source .venv/bin/activate
pip install torch==2.9.1+cu130 --index-url https://download.pytorch.org/whl/cu130
uv pip install setuptools==80.10.2
uv pip install packaging -U
二、依赖安装（FlashAttention 2.8.3 + Triton 3.6.0）
2.1 安装 FlashAttention（aarch64 + CUDA 13.0）
⚠️ 重要：当前 FlashAttention 官方暂未提供
cu130 + aarch64的预编译 wheel（截至 v2.8.3）。 ✅ 推荐方案：下载社区构建的 aarch64 版本获取，若无可用 wheel，可从源码编译（设置MAX_JOBS=4防 OOM）。
方案 A：预编译 wheel（首选）
# 示例：假设已下载 wheel（替换为实际路径）
uv pip install /path/to/flash_attn-2.8.3+cu130torch2.5.0cxx11abiFALSE-cp312-cp312-linux_aarch64.whl --no-build-isolation --no-cache-dir
方案 B：源码编译（若无 wheel）
export MAX_JOBS=4
export CMAKE_BUILD_PARALLEL_LEVEL=2
uv pip install flash-attn --no-build-isolation --no-cache-dir
🔔 注意：源码编译需提前安装
build-essential,cmake,nvidia-cuda-toolkit,python3-dev。 ⏱️ 编译耗时约 0.5–1 小时（取决于 I/O 和内存）
