SGLang 视觉语言模型评测实战基于 LLaVA-Bench-in-the-Wild 的多模态基准测试全流程指南【免费下载链接】sglangSGLang is a high-performance serving framework for large language models and multimodal models.项目地址: https://gitcode.com/GitHub_Trending/sg/sglangLLaVA-BenchLLaVA-Bench-in-the-Wild是一套面向视觉语言模型VLM的开放式问答评测集用 24 张真实世界图片配 60 道开放式问题考察模型在闲聊对话conv、细节描述detail与复杂推理complex三类能力上的表现。本文以当前仓库中的 benchmark/llava_bench 评测套件为主线完整演示从图片下载、SGLang 服务启动、本地模型与 OpenAI 模型对照评测到与 LLaVA 官方代码、llama.cpp 等其他推理后端横向对比的完整流程并深入解读 bench_sglang.py 的脚本实现原理帮助你快速搭建一套可复现的 VLM 评测流水线。评测套件总览benchmark/llava_bench目录下包含一套完整的评测工具链文件作用download_images.py从 HuggingFace 数据集下载 24 张评测图片到本地images/目录questions.jsonl60 道评测问题每行一条 JSON 记录bench_sglang.py核心评测脚本可对接 SGLang 服务或任意 OpenAI 兼容后端bench_hf_llava_bench.sh调用 LLaVA 官方仓库代码跑同一份评测作为基准对照bench_sglang_mme.sh将同一脚本扩展到 MME 多模态评测集bench_hf_mme.shMME 评测集的 HF 官方实现对照脚本README.md官方操作说明本文即围绕其展开这套套件的核心思想是用同一份问题集、同样的输入方式去驱动不同后端从而公平比较 SGLang 与其他框架的视觉问答效果与性能。问题集默认指questions.jsonl也可通过参数替换为 MME 等其他评测集。第一步下载评测图片与依赖下载评测图片评测图片来源于 HuggingFace 上的liuhaotian/llava-bench-in-the-wild数据集。在benchmark/llava_bench目录下直接运行python3 download_images.py该脚本的逻辑非常直接见 download_images.py先创建本地images/目录然后以001.jpg到024.jpg共 24 张图片为目标通过wget从数据集的resolve/main/images/路径逐一下载。运行结束后目录下应出现images/001.jpg~images/024.jpg共 24 个文件。安装依赖pip3 install sglang[all] pip3 install torch2.1.2 transformers4.36 pillow第一行安装完整版 SGLang含多模态推理所需的视觉编码器等全部依赖第二行确保 PyTorch、Transformers 与 Pillow 版本满足 LLaVA 模型加载与图片预处理的要求。若只做评测而不需要其他后端也可以按 SGLang 官方安装文档选择最小依赖安装方式但本评测需要视觉模型支持建议直接使用[all]完整选项。第二步评测问题集结构questions.jsonl 每行是一条 JSON 记录包含四个字段{image: 001.jpg, text: What is the name of this famous sight in the photo?, category: conv, question_id: 0}image图片文件名评测脚本会将其与--image-folder拼接成绝对路径text开放式问题文本category问题类别共三类——conv日常对话如这是什么水果、detail细节描述如详细描述这张照片、complex复杂推理如讨论这幅画对艺术史的影响question_id全局唯一编号0~59。整个数据集由 24 张图片 × 每图 2~3 个问题构成覆盖自然景观、艺术品、网络梗图、美食、室内场景等多样化题材旨在考察模型在真实世界而非人工合成数据上的泛化能力。第三步用 SGLang 启动视觉模型服务启动服务python3 -m sglang.launch_server \ --model-path liuhaotian/llava-v1.6-vicuna-7b \ --tokenizer-path llava-hf/llava-1.5-7b-hf \ --port 30000关键点说明--model-path指定 LLaVA 模型权重HuggingFace 仓库名或本地路径均可示例使用的是liuhaotian/llava-v1.6-vicuna-7b--tokenizer-path单独指定分词器来源。这里之所以指定llava-hf/llava-1.5-7b-hf是因为部分 LLaVA 权重仓库不附带与推理后端匹配的分词器配置显式指定可避免加载失败--port 30000与评测脚本默认端口一致也可在评测时通过--port覆盖。启动成功后SGLang 会暴露一个兼容 OpenAI Chat Completions 格式的 HTTP 服务这也是评测脚本能够以统一接口访问不同后端的前提。运行 SGLang 评测# 使用本地 SGLang 服务 python3 bench_sglang.py --num-questions 60 # 或改用 OpenAI 视觉模型 python3 bench_sglang.py --num-questions 60 --backend gpt-4-vision-preview第一条命令会读取questions.jsonl的前 60 条即全部问题逐条向http://127.0.0.1:30000发送带图片的视觉问答请求第二条命令将后端切换为gpt-4-vision-preview通过 OpenAI API 完成同一份评测用于对比开源部署与云端商用模型的差距。完整参数说明bench_sglang.py 在main入口处注册了全部可调参数参数默认值说明--question-filequestions.jsonl评测问题文件--answer-fileanswers.jsonl模型回答输出文件--image-folder./images图片所在目录--temperature0.0采样温度默认 0 保证结果可复现--num-questionsNone全部只评测前 N 条问题--max-tokens768单条回答最大生成 token 数--parallel64并发线程数来自通用参数--host/--port127.0.0.1/30000SGLang 服务地址--backendsrt后端类型srt或gpt-*--deviceauto设备类型auto/cuda/rocm/cpu--result-fileresult.jsonl性能统计结果文件其中--parallel、--host、--port、--backend、--device、--result-file等通用参数由add_common_sglang_args_and_parse统一注入该函数定义于 python/sglang/test/test_utils.py。第四步脚本内部实现原理请求构造SGLang 前端函数评测脚本的核心是一个用sgl.function装饰的视觉问答函数见 bench_sglang.pysgl.function def image_qa(s, image_file, question): s sgl.user(sgl.image(image_file) question) s sgl.assistant(sgl.gen(answer, max_tokensargs.max_tokens))sgl.image(image_file)将本地图片路径嵌入用户消息SGLang 前端会自动完成图片加载与编码sgl.gen(answer, ...)声明一个名为answer的生成位置结果会写入状态对象的answer字段脚本注释中还保留了直接传PIL.Image对象的备选写法说明sgl.image同时支持路径与图像对象两种输入。数据读取与后端选择主流程中脚本先用read_jsonl读取问题文件并按--num-questions截取随后把每条记录构造成{image_file: 绝对路径, question: 文本}的参数字典见 bench_sglang.py。read_jsonl与dump_state_text等工具函数来自 python/sglang/utils.py。后端选择由select_sglang_backend完成定义于 python/sglang/test/test_utils.py--backend以srt开头 → 构造RuntimeEndpoint指向--host:--port的本地 SGLang 服务--backend以gpt-开头 → 构造OpenAI后端走 OpenAI 兼容 API其他值抛出ValueError。执行方式与结果落盘执行分为两种模式见 bench_sglang.py--parallel 1单线程串行遍历逐条image_qa.run(...)否则调用image_qa.run_batch(arguments, temperature0, num_threadsargs.parallel, progress_barTrue)并发批处理temperature0保证确定性输出。结束后脚本会打印总耗时Latency并将两部分结果落盘每个问题的回答写入--answer-fileanswers.jsonl字段包括question_id、原始prompt、生成text、model_id与metadata供后续人工或自动评分使用性能统计任务名、后端、GPU 数、延迟、请求数与并发度追加写入--result-fileresult.jsonl便于多轮实验汇总对比。第五步与其他后端横向对比对照 LLaVA 官方代码为了验证 SGLang 部署的推理质量没有退化可以用 LLaVA 官方实现跑同一份评测作为基线git clone gitgithub.com:haotian-liu/LLaVA.git cd LLaVA git reset --hard 9a26bd1435b4ac42c282757f2c16d34226575e96 pip3 install -e . cd ~/sglang/benchmark/llava_bench CUDA_VISIBLE_DEVICES0 bash bench_hf_llava_bench.sh其中git reset --hard 9a26bd1435b4ac42c282757f2c16d34226575e96将 LLaVA 仓库锁定到与评测配套的固定提交保证复现性。对照脚本 bench_hf_llava_bench.sh 实际执行的是python -m llava.eval.model_vqa \ --model-path liuhaotian/llava-v1.5-7b \ --question-file ./questions.jsonl \ --image-folder ./images \ --answers-file ./answers_hf.jsonl \ --temperature 0 \ --conv-mode vicuna_v1它与 SGLang 版共享同一份questions.jsonl与images/输出answers_hf.jsonl与 SGLang 的answers.jsonl格式对齐可以直接用同一套评分脚本对比。对照 llama.cppCPU/混合部署如果你关心非 GPU 场景或轻量部署路径llama.cpp 也提供了 OpenAI 兼容的视觉服务# 安装带 CUDA 支持的 llama-cpp-python CMAKE_ARGS-DLLAMA_CUBLASon pip install llama-cpp-python pip install sse_starlette starlette_context pydantic_settings # 下载 GGUF 格式权重 mkdir -p ~/model_weights/llava-v1.5-7b/ wget https://huggingface.co/mys/ggml_llava-v1.5-7b/resolve/main/ggml-model-f16.gguf -O ~/model_weights/llava-v1.5-7b/ggml-model-f16.gguf wget https://huggingface.co/mys/ggml_llava-v1.5-7b/resolve/main/mmproj-model-f16.gguf -O ~/model_weights/llava-v1.5-7b/mmproj-model-f16.gguf启动服务并复用评测脚本python3 -m llama_cpp.server \ --model ~/model_weights/llava-v1.5-7b/ggml-model-f16.gguf \ --clip_model_path ~/model_weights/llava-v1.5-7b/mmproj-model-f16.gguf \ --chat_format llava-1-5 \ --port 23000 OPENAI_BASE_URLhttp://localhost:23000/v1 \ python3 bench_sglang.py --backend gpt-4-vision-preview --num-q 1这里通过--backend gpt-4-vision-preview复用 OpenAI 后端协议再借助OPENAI_BASE_URL环境变量把请求重定向到本地 llama.cpp 服务。注意 README 中该示例写作--num-q 1实际对应脚本参数是--num-questions 1用于快速冒烟验证。扩展用同一脚本跑 MME 评测集除 LLaVA-Bench 外套件还内置了 MMEMultimodal Multitask Understanding Evaluation评测的接入脚本。以 bench_sglang_mme.sh 为例MME_FOLDER./mme_pack python3 bench_sglang.py --num-questions 5000 \ --question-file $MME_FOLDER/llava_mme_bench_replace.jsonl \ --answer-file answer_mme.jsonl \ --image-folder $MME_FOLDER/MME_Benchmark_release_version \ --max-tokens 4要点MME 是短答案评测因此把--max-tokens压到 4避免冗长输出干扰评分只需替换--question-file、--image-folder与--answer-file其余流程与 LLaVA-Bench 完全一致对应的 HF 官方对照脚本 bench_hf_mme.sh 同样基于llava.eval.model_vqa_loader实现两者输出可对齐比较。结果解读与注意事项评测结束后建议按以下方式组织结论质量对比对同一份questions.jsonl分别用 SGLang、LLaVA 官方、llama.cpp或云端 GPT-4V生成answers*.jsonl再按category分组conv / detail / complex统计回答质量差异——SGLang 侧的输出中model_id字段记录了所用模型便于溯源性能对比读取追加写入result.jsonl的latency、num_requests、parallel字段横向比较不同后端的吞吐与延迟注意不同硬件、并发度--parallel下结果不可直接类比复现性全程使用--temperature 0与固定的模型 commit确保结果可复现若更换模型或数据集务必同步更新 README 中的镜像下载与参数配置。实际使用中还需注意评测图片需先运行 download_images.py 下载LLaVA 官方对照需锁定到指定 commitllama.cpp 路径依赖外部 GGUF 权重需确认网络可达。整套流程从数据准备到多后端对比形成闭环是验证 SGLang 视觉语言推理能力正确性 性能的轻量级、可复现的基准方案。【免费下载链接】sglangSGLang is a high-performance serving framework for large language models and multimodal models.项目地址: https://gitcode.com/GitHub_Trending/sg/sglang创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考