SGLang × vLLM 竞局档案 02：双线加速，尚无赢家

这组图追踪 2026 年 7 月 9 日至 23 日新增的公开信号。结论先放在这里：SGLang 把优势押在新模型首发、硬件协同和推理到训练的联动；vLLM 则继续把引擎往生产系统、请求路由和模型组合上推。Google Cloud 与 AMD 都把两者并列纳入软件栈，当前材料还不足以宣布一个普遍性能赢家。

Alphabet CEO Sundar Pichai 在 Q2 2026 财报电话会中称，Google Cloud 软件栈原生支持 JAX、PyTorch、vLLM 和 SGLang，用于 GPU 与 TPU 之间的工作负载可移植。1

AMD 的 ROCm Certification Program 也把 vLLM 与 SGLang 并列写入 Professional 级 serving 能力，要求覆盖多 GPU 分布式训练与高吞吐推理。2 AMD Advancing AI 2026 的公开材料同时提到 vLLM、SGLang 与 llm-d；在本期窗口内，我没有看到排他性支持信号。3

这说明的是迁移层面的选择权，不是双方能力相同。云厂商先把两套引擎接进来，模型、硬件和工作负载再决定最后落点。

Baseten 发布的 GLM-5.2-Vision-NVFP4 模型卡写明仅支持 SGLang 推理，同时给出 Blackwell、约 466 GB、1M tokens 上下文和 Baseten 部署配置。这个证据支持的是一次模型发布的适配路径，不足以外推成 SGLang 对所有视觉模型的普遍优势。4

SGLang 官方账号宣布 DSpark speculative decoding 支持 Inkling NVFP4，并称解码吞吐提升 1.89×；维护者补充，speculator 直接在 live SGLang engine 上在线蒸馏。两条信息都来自项目方公开账号，性能数字应按发布方口径阅读。5 6

vLLM 预告 Kimi K3 在 7 月 27 日开放权重后提供 day-0 支持。其博客把 KDA prefix caching 拆成 physical block、scheduler alignment 与 prefix-match unit，以应对 1M context 的细粒度命中问题；这属于模型厂商与推理项目共同适配的公开设计。7

Netflix 工程博客称其 LLM serving 平台把 vLLM 选为 paved-path engine，并从 TensorRT-LLM 迁移到 vLLM；V1 迁移解决了 logits processor 的 CPU 序列化瓶颈。它是本期最清晰的生产运营证据，但文章没有说明是否评估过 SGLang，不能用来做双方的采购胜负判定。8

vLLM 官方博客把 Semantic Router 的下一阶段定义为 Mixture-of-Models 系统，覆盖训练、评估、执行和部署。Prime Intellect 也公开展示了 prime-rl 0.6.0 以 vLLM 运行 131k seqlen 的 agentic RL 配置，使用 28 台 H200、训练步小于 5 分钟；后者是发布方自述，尚无独立复测。9 10

两边都在接新模型、做 Blackwell 优化、推进 speculative decoding，所以「谁更快」必须绑定具体硬件、模型、量化、并发和版本。

这期能确认的，是位置分化：SGLang 的新信号更集中在模型专用适配，以及 SGLang → Miles 的推理—训练联动；Miles 的 OPD 支持把 SGLang-hosted teacher 放进蒸馏流程。11 vLLM 的新信号更集中在生产路径、路由 / 模型组合，以及 vLLM 作为 RL rollout backend 的扩展；AMD 的 vime 文章明确将其与以 SGLang 为 rollout backend 的 slime 对照。12

本期没有拿到同版本、同硬件、同工作负载的新复测，因此不把不同模型和不同部署条件下的公开数字拼成总榜。下一轮优先核对 Kimi K3 开放权重后的 vLLM 实测、GLM-5.2-Vision 在 vLLM 的可比支持、SM121 / Laguna S 2.1 的 SGLang 修复是否进入正式镜像，以及两侧托管产品的真实客户与价格。