Qwen 3.6 27B VLLM推理基准：BF16/FP8/NVFP4性能对比
live4evrr · reddit · 2026-07-05
作者在RTX 6000 Pro Blackwell 96GB显卡上对Qwen 3.6 27B三种量化格式（BF16、FP8、NVFP4）进行了VLLM推理性能测试。NVFP4速度最快但在agent模式下存在循环输出问题，BF16响应质量最高，FP8综合性价比最佳。测试同时对比了VLLM与llama.cpp：VLLM因分页注意力机制速度更快，且稳定性优于llama.cpp（后者存在随机报错需重置prompt）。测试系统使用Ubuntu 26.04、vLLM 0.24.0、CUDA 13.2。
「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