32GB 显存跑 Qwen3.6-27 Q8 实测近 100K 上下文
BitGreen1270 · reddit · 2026-07-05
作者分享在 5090+64GB 内存、Ubuntu 无头服务器上,用 llama-server 运行 Qwen3.6-27B Q8 量化模型逼近 100K 上下文的实测参数。Q8 在约 60K 上下文下表现优于 Q6/Q5(主观体验),通过 KV Q80、-b/-ub 等配置进一步压榨显存。作者坦言这非严谨研究,仅为个人 vibe coding 项目经验,显存接近上限。
「Infra」频道最新
- 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
- PyTorch Day Korea 2026 首届线下大会启动,9月13日截止征集演讲 — PyTorch · 2026-09-11
- 本地跑 LLM 选卡:4 张 CMP-170HX 涨价 vs Mac Studio M5 — rumboll · 2026-09-11
- llama.cpp 为 RDNA4 调优 Flash Attention,大上下文提升明显 — pmttyji · 2026-09-11