Qwen NVFP4在四卡5060Ti压测
joorklee · reddit · 2026-07-11
这是一份对 unsloth/Qwen3.6-27B-NVFP4 的推理压测记录，测试环境为 4 张 5060 Ti，使用 vLLM 和 pipeline parallel size=4。
测试配置
- 并发：1、4、8、12、16
- 输入长度：6144 tokens
- 输出长度：512 tokens
- 最大 batch tokens：16384
- 开启了 prefix caching、chunked prefill、async scheduling 等选项
目的
作者主要想观察在 4 卡 5060 Ti 环境下，随着并发升高，prefill / TTFT 何时开始恶化，并用 benchmark 结果来判断新版 NVFP4 量化的实际吞吐与延迟表现。
所属事件:Unsloth推Qwen3.6 NVFP4量化提速(3 条相关)→
「Infra」频道最新
- AI 数据中心时代用电论战：有人还在纠结灯泡省电与调整时区 — mgostIH · 2026-10-27
- 法律 AI 公司 Legora 在 Modal 上并行跑 2000 个 agent eval — blelbach · 2026-10-27
- 云厂商发布速度打分：AWS 95 分领先，Azure 90、谷歌云 82 — DavidLinthicum · 2026-10-27
- 卖掉 5090 换多机？一公司主拆解本地推理硬件扩展五套方案 — Anarchaotic · 2026-10-27
- AWS 教程:SageMaker SDK v3 搭建车队级边缘视觉模型流水线 — AWS ML Blog · 2026-10-27
- Embedl 把 Qwen3.8-27B 压进 Jetson Thor:解码 40 tok/s,精度反超 FP16 — No-Dragonfly6246 · 2026-10-27