100 美元显卡拼本地推理服务器
Boricua-vet · reddit · 2026-07-12
帖子展示了一套用 100 美元级显卡拼出本地推理能力的配置，目标是 20GB 显存、448GB/s 带宽，并能支持 3 个并发用户。
日志里能看到作者在 llama.cpp / llamaserver 上加载 Qwen3.6-35B-A3B-UD-IQ4XS.gguf，过程中遇到：
- ngpulayers 过高导致参数无法适配显存
- 上下文长度 nctxseq 32768 < nctxtrain 262144，无法吃满训练上下文
- prompt cache、context checkpoints、speculative decoding 等服务端能力已启用
整体是在讨论如何用低成本硬件做出可用的本地模型服务，并暴露了实际部署中的内存、上下文和缓存配置问题。
「Infra」频道最新
- AI 工程师必懂的 12 种 KV Cache 压缩技术一文讲透 — blaizedsouza · 2026-09-11
- 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