1bit量化竟然更快
max_paperclips · x · 2026-07-17
这条帖总结了一个直观但常被忽略的结论：量化不只是在省显存，也可能让推理更快。
被转述的实测显示：
- 在同一张 3090 上，1-bit 模型跑到 67.9 tok/s
- 同模型的 q4 版本只有 40.1 tok/s
- 因此 1-bit 版本约快 1.69x，prefill 甚至快 3.4x
解释是：本地 GPU 推理经常受 内存带宽 限制，而不是纯算力限制。权重位宽越低，每个 token 需要搬运的数据越少，GPU 等待内存的时间也就越短。帖文同时提醒，量化后的核心问题不只是速度，还要看模型是否还能保持原有推理质量。
「Infra」频道最新
- Anthropic 营收三年暴涨 4000 倍,上半年已入账 163 亿美元 — daniel_mac8 · 2026-10-27
- Tenstorrent 芯片跑通蛋白质生成模型,宣称无 HBM 短缺之忧 — gajesh · 2026-10-27
- YC 系创企 Hopper 出击语音推理：TTFT 80ms、价格为 GPT-4.1 的 15% — ycombinator · 2026-10-27
- a16z 数据:A100 租赁价格 2026 年仍在涨,旧卡并未贬值 — VraserX · 2026-10-27
- Anthropic S-1 曝超 8000 亿美元未入表的未来算力承诺 — GaryMarcus · 2026-10-27
- Anthropic 约 11GW 算力合同中 NVIDIA GPU 占约 42% — ns123abc · 2026-10-27