2.8T模型的算力门槛
basedjensen · x · 2026-07-17
这条转发在强调：超大模型的“可用性”首先受算力和显存限制。
- 以 2.8T 参数模型为例，若按 FP16 直接装入显存，理论上需要约 5.6TB VRAM，大致相当于 44 台 Mac Studio 或 15 张 Blackwell 的量级。
- 原文补充说，这类模型实际上是用 FP4 训练和服务的；上传到 Hugging Face 后，体积也仍会达到 1.4TB。
- 结论是：即便模型能力很强，只有少数组织能本地托管，算力仍是个人与机构之间的“软门槛”。
「Infra」频道最新
- 卖掉 5090 换多机？一公司主拆解本地推理硬件扩展五套方案 — Anarchaotic · 2026-10-27
- AWS 教程:SageMaker SDK v3 搭建车队级边缘视觉模型流水线 — AWS ML Blog · 2026-10-27
- Embedl 把 Qwen3.8-27B 压进 Jetson Thor:解码 40 tok/s,精度反超 FP16 — No-Dragonfly6246 · 2026-10-27
- Celesto 推出便宜近 90% 的 CI Runner，兼做 Agent 云电脑 — aniketmaurya · 2026-10-27
- Supabase 联创谈 AI 时代后端：为十亿个 AI 生成应用而设计 — Latent Space · 2026-10-27
- AW-0 单卡 RTX 5090 推理 230ms:联合去噪比自回归代码快 2.4 倍 — trevordarrell · 2026-10-27