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
- 分析师：蚂蚁是当前工作负载最具弹性可置换的模型厂商 — BenBajarin · 2026-10-26
- Anthropic S-1：训练基建优势使单任务成本降40%、营收增速翻倍 — BenBajarin · 2026-10-26
- 研究揭示合成数据最优比例随算力从10%升至32% — heghbalz · 2026-10-26
- 多州暂停新建数据中心，72% 美国人反对建在家门口 — YvesMulkers · 2026-10-26
- 500 万美元种子轮不够 DeepSeek 训一遍:没 GPU 的 AI 创业只剩三条路 — FinanceYF5 · 2026-10-26
- HBM 需求转向:低端推理砍单,Rubin 将全系 12-high HBM — BenBajarin · 2026-10-26