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。
「Infra」频道最新
- 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
- PlanetScale 推出分片 Postgres,768 台服务器组成 1PB 单库 — dhruv2038 · 2026-09-11
- 7900 XTX 24GB 能否跑 Qwen，Reddit 征集 ROCm 实测数据 — thenomadexplorerlife · 2026-09-11
- 实测戳破 RTK 省钱神话:token 省了,账单分文未降 — Bartaseth · 2026-09-11
- SF Compute 创始人：现在买算力是「绝对糟糕的体验」 — IgorCarron · 2026-09-11
- 开源 SmolVM:2026 年 Agent 不止用浏览器,而是拥有整台电脑 — aniketmaurya · 2026-09-11