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
- 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