DeepSeek-V4-Flash 单卡 B300 批量仅 770 tok/s
Moreh · reddit · 2026-07-22
一位 Reddit 用户在单卡 B300 上跑 DeepSeek-V4-Flash 和 vLLM 0.25.0，批量 256 时输出吞吐只有约 770 tok/s，觉得远低于预期。
- deepgemmmegamoe 在单 GPU 上报错，因为它要求 expert parallel，只能改用 flashinfertrtllm。
- 关闭 speculative decoding 后，吞吐大约翻倍。
- 该用户怀疑 sparse MLA attention 可能没有走 CUDA graphs，导致性能上不去。
- 帖子核心是在征询单卡实测吞吐和可行配置，属于 推理栈/算力 讨论。
「Infra」频道最新
- NVIDIA 称 Nemotron 3 Ultra 在 RTL 芯片设计任务上达 97.1% — NVIDIAAI · 2026-07-27
- 本地 Qwen 模型驱动机械臂测试 78 款手机续航 — gappyvalley · 2026-07-27
- MiniBot 2.40 新增 xAI、HF Studio 和 vLLM 支持 — Creative-Type9411 · 2026-07-27
- 苹果智能眼镜、英伟达SK合作与携程51.79亿罚单汇总 — APPSO · 2026-07-27
- DeepSeek 融资传闻、欧盟 AI 透明度规则与 OpenAI 安全事故 — 创业邦 · 2026-07-27
- QuixiCore 主张原生量化内核取代先反量化再执行 — QuixiAI · 2026-07-27