部署配方

我们做延迟实测时真正执行过的命令与版本号，机器是国内按量租的 GPU（AutoDL）。这里每一步都跑过，每个坑都踩过并修好。只发布真正跑通的步骤；没复现出来的模型单独列出原因。

机器：AutoDL 按量实例，镜像 PyTorch 2.5.1 + CUDA 12.4（miniconda，Python 3.12），数据盘 50 GB 挂在 /root/autodl-tmp · 2026-09-18

通用步骤（AutoDL，国内）

镜像、分组环境、磁盘处理，下面每个模型都用得上。

pip 换华为云镜像。同机房实测华为云 8 MB/s，阿里云与清华只有 KB 级。

pip config set global.index-url https://repo.huaweicloud.com/repository/pypi/simple && pip config set global.trusted-host repo.huaweicloud.com

权重走 hf-mirror.com，缓存放数据盘，并关掉 Xet 传输（镜像上 Xet 会 401 或卡死），再卸载 hf_xet。
```
export HF_ENDPOINT=https://hf-mirror.com HF_HOME=/root/autodl-tmp/hf HF_HUB_DISABLE_XET=1 && pip uninstall -y hf_xet hf-xet
```
不同模型要求的 transformers 版本互相冲突，按组建 venv（--system-site-packages 共享系统 torch）：openvla 组 4.40.1、spatialvla 组 4.47.0、qwen 组 4.57.1；lerobot 要 torch ≥ 2.7，单独建完整 venv。
```
python -m venv --system-site-packages /root/envs/<group>
```
大权重先串行下完再跑；镜像上 7B 级权重要 20–40 分钟，并行下会互相拖慢。下载加重试循环。跑成功后删该模型权重，50 GB 数据盘放不下第二个 7B。
```
for i in 1 2 3 4; do python -c "from huggingface_hub import snapshot_download as s; s('<repo>')" && break; sleep 15; done
```
SSH 会话会断，长任务用 nohup 起并 disown；结束进程用精确匹配（pgrep -f "^/root/envs/..."），pkill -f 会连自己的 shell 一起杀。
```
nohup bash run_matrix.sh <hardware> <model> > run.log 2>&1 & disown
```
RTX 5090（Blackwell，sm_120）跑不了镜像自带的 torch 2.5.1；先升到 torch 2.8.0（cu128）。setup_autodl.sh 会自动判断。
```
pip install torch==2.8.0 torchvision==0.23.0
```

不同模型钉的 transformers 版本互相冲突，一组一个 venv。

环境组	transformers	torch	额外依赖	模型
lerobot	随 lerobot	>= 2.7（独立 venv）	lerobot[smolvla]	SmolVLA π0 (pi-zero)π0.5
openvla	4.40.1	系统 2.5.1（5090 需 2.8）	timm==0.9.10 · tokenizers==0.19.1 · accelerate	OpenVLA MiniVLA VLA-Adapter
spatialvla	4.47.0	系统 2.5.1（5090 需 2.8）	accelerate · scipy	SpatialVLA
qwen	4.57.1	系统 2.5.1（5090 需 2.8）	accelerate · qwen-vl-utils · einops	NORA MolmoAct

每个模型一页：环境、权重、运行命令、坑位、实测延迟。

列出卡在哪里。这些模型不发布任何延迟数字。

π0 (pi-zero) · 需要 Google PaliGemma 分词器，Hugging Face 上要先申请并接受许可（gated），我们的镜像通道拿不到。
π0.5 · 同 π0：PaliGemma 分词器为 gated 资源。
MiniVLA · 权重是 prismatic 格式，需要 openvla-mini 仓库自己的运行时，不是 transformers 远程代码；第一阶段未装。
VLA-Adapter · 同 MiniVLA：依赖 prismatic 运行时。

方向清晰，判断有据。