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
- WEKA NeuralMesh 被指在 GPU 服务器上可接近 HBM3 带宽 — AccBalanced · 2026-07-27
- Nvidia 被调侃成开源 AI 领头羊，仓库图却真排第一 — AccBalanced · 2026-07-27
- 8 美元 ESP32-S3 竟能离线跑 2890 万参数模型 — yangyi · 2026-07-27
- YC 演讲谈 BCI × AI：真正决定速度的是基础设施 — garrytan · 2026-07-27
- 13B 模型靠 SSD 分页在无独显电脑上离线跑通 — ID_R_McGregor · 2026-07-27
- llama.cpp 提醒：旧版 GGUF 在新改动后必须重生成 — EconomySerious · 2026-07-27