双 M3 Ultra 做张量并行初测
antirez · x · 2026-07-20
DwarfStar 做了一个在两台 M3 Ultra 之间通过 Thunderbolt RDMA 跑 tensor parallel 的初测。
- DeepSeek V4 Flash Q2：单机 M3 Ultra 的 prefill 为 593 tok/s，decode 为 39 tok/s；双机 tensor parallel 后，prefill 提升到 642 tok/s，decode 降到 33 tok/s。
- DeepSeek V4 Flash Q4：prefill 从 589 tok/s 提升到 677 tok/s，增幅约 14.9%；decode 则从单机 35.5 tok/s 降到 31.4 tok/s，说明这种并行方式能换来更高 prefill，但会带来一定 decode 代价。
「Infra」频道最新
- 开源编译器 Latch 从 PyTorch 生成训练 megakernel，H100 上提速 2.75 倍 — sguada · 2026-10-27
- NVIDIA 称 HGX Rubin NVL8 每兆瓦 token 吞吐为 B200 的 10 倍 — thursdai_pod · 2026-10-27
- DeepSpeed 发布 AutoEP/AutoTP 等并行化进展并办线上答疑 — PyTorch · 2026-10-27
- 9B 本地模型干机械活,规划交给大模型:一套省 token 的编程 agent 分工法 — Electrical_Ninja3805 · 2026-10-27
- Cloudflare Durable Objects 被验证为 AI agent 高并发场景优选架构 — tristanbob · 2026-10-27
- Gary Marcus:补上 Q3 数据后，Anthropic 算力效率增速现拐点 — GaryMarcus · 2026-10-27