实测 MLX 推理:M2 Max 端侧仍达 514 tok/s
MaziyarPanahi · x · 2026-07-04
针对"729 tok/s 是否真实"的疑问,作者实测了四个 v2 MLX 构建版本:同一临床语料、单流、batch 1、解码开销计入。结果显示 8-bit 在两款模型上都快于 fp16,因此 demo 采用 8-bit;一台普通 M2 Max 笔记本完全端侧也能跑出 514 tok/s。
「Infra」频道最新
- AI 工程师必懂的 12 种 KV Cache 压缩技术一文讲透 — blaizedsouza · 2026-09-11
- 影子算力市场走向台前,Meta 对外出售过剩 GPU 算力成标志性信号 — DavidLinthicum · 2026-09-11
- Engram 随机读取不适合 SSD，CPU 内存低延迟共享或成正解 — bookwormengr · 2026-09-11
- 劝退帖:推理工程是真金白银的硬活,八成尝鲜者已悄然放弃 — abhijithneil · 2026-09-11
- Hugging Face《Ultra Scale Playbook》:GPU 集群训练 LLM 的免费技术书 — mdancho84 · 2026-09-11
- 从聊天到 Agent,推理延迟正在成为生产级瓶颈 — Euphoric_Sea632 · 2026-09-11