5060 Ti 本地跑 Qwen3 达 50 tok/s
Azazelionide · reddit · 2026-07-11
作者在 RTX 5060 Ti（16GB 显存）上做了本地推理实验，使用自定义的 CUDA 和 C++ 代码，把 **Qwen3-30B-A3B** 跑到 **50–54 tok/s**（float8）。 - 这个速度比 `llama.cpp` 约 **33–34 tok/s** 更快，提升约 **50%**。 - 作者称这些加速主要来自从 NeurIPS、ICML、EuroSys 论文里看到的 SOTA 思路组合。 - 观点是：这类引擎会带来新的本地推理机会，让消费级硬件在私密性、成本和“更绿色”方面相对中心化数据中心更有优势。