8-bit KV cache 严重拖累本地推理性能
Sentdex · x · 2026-07-03
Sentdex 发现一个反直觉现象：很多人以为 8-bit KV cache 对本地上下文是"免费"的，但实测 GLM 5.2（4-bit 权重搭配 8-bit KV）时性能大幅下滑——Terminal Bench 得分从 46/89 掉到 21/89。结论是与其用 8-bit KV，不如直接用 2-bit 的 GLM 5.2。
「Infra」频道最新
- 推理服务关键指标盘点:流式速度 TPOT 与可用性如何影响体验 — abhijithneil · 2026-09-11
- PlanetScale 推出分片 Postgres,768 台服务器组成 1PB 单库 — dhruv2038 · 2026-09-11
- 7900 XTX 24GB 能否跑 Qwen，Reddit 征集 ROCm 实测数据 — thenomadexplorerlife · 2026-09-11
- 实测戳破 RTK 省钱神话:token 省了,账单分文未降 — Bartaseth · 2026-09-11
- SF Compute 创始人：现在买算力是「绝对糟糕的体验」 — IgorCarron · 2026-09-11
- 开源 SmolVM:2026 年 Agent 不止用浏览器,而是拥有整台电脑 — aniketmaurya · 2026-09-11