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
- 500 万美元种子轮不够 DeepSeek 训一遍:没 GPU 的 AI 创业只剩三条路 — FinanceYF5 · 2026-10-26
- HBM 需求转向:低端推理砍单,Rubin 将全系 12-high HBM — BenBajarin · 2026-10-26
- CircuitHub 发布工厂级机器人 The Grid，美国产 PCB 提速两倍对标深圳 — garrytan · 2026-10-26
- Ubicloud 发文修复 vLLM 工具调用准确率问题 — petrusenko_max · 2026-10-26
- Meta 批准无投票权 C 类股，2026 年资本开支指引达 1350–1450 亿美元 — thione · 2026-10-26
- Unsloth 发布 MiniMax-M3.1-Flash 量化：2-bit 保留 91.5% 精度，150GB 内存可跑 — danielhanchen · 2026-10-26