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 / llama_server 上加载 `Qwen3.6-35B-A3B-UD-IQ4_XS.gguf`，过程中遇到： - `n_gpu_layers` 过高导致参数无法适配显存 - 上下文长度 `n_ctx_seq 32768 < n_ctx_train 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。