DeepSeek V4 MLX 8位本地推理加速
No_Run8812 · reddit · 2026-07-06
用户用 Codex 优化 oMLX 上的 DeepSeek V4 Flash 8-bit MLX 模型，获得约 1.6 倍 prefill、3 倍 decode 加速。采用 mlx-community 的 302GB 8-bit 仿射 MLX 版本以避免 4-bit 精度损失；作者自称非 Metal 内核专家，公开改动细节求社区审查，确认目前 tool-calling 运行正常且据称不损失精度。
「Infra」频道最新
- 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
- 推理服务关键指标盘点:流式速度 TPOT 与可用性如何影响体验 — abhijithneil · 2026-09-11