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
- 全同态加密 GPT-2 速通赛开跑:现纪录 3.031 秒/token — tensorqt · 2026-10-27
- 开源编译器 Latch 从 PyTorch 生成训练 megakernel，H100 上提速 2.75 倍 — sguada · 2026-10-27
- NVIDIA 称 HGX Rubin NVL8 每兆瓦 token 吞吐为 B200 的 10 倍 — thursdai_pod · 2026-10-27
- NVIDIA 称 HGX Rubin NVL8 每兆瓦 token 吞吐为 B200 的 10 倍 — thursdai_pod · 2026-10-27
- Together 推出并行 LoRA 实验：多个实验共享同一批 GPU，免重复配置 — togethercompute · 2026-10-27
- 要么人力商品化，要么 GPU 商品化：算力经济二选一之辩 — _AustinCalvert_ · 2026-10-27