16 张 AMD MI50 跑出 GLM-5.2 长上下文吞吐实测
Legal-Ad-3901 · reddit · 2026-07-23
- 有用户在 16 张 AMD MI50 32GB 上，通过 llama.cpp RPC 跑起了 GLM-5.2 UD-Q4KXL GGUF。
- 在一份真实的 10.7k token 文档上，输出速度达到 12.2 tok/s，输入速度 30.9 tok/s；并发两个请求时，聚合吞吐为 14.5 tok/s。
- 在 10.7k 上下文 下，长文生成仍能保持 10.2 tok/s 且输出连贯。
- 这套集群是 2 个 8 卡节点、总计 512GB VRAM，单卡 100W 限功耗，节点间用 10GbE DAC 直连。
- 作者还提到，之前试过自定义 vLLM-gfx906 构建，速度不错但在 10k 之后推理质量/稳定性开始下降，期待有人把 Moby Dick 方案继续跑通。
「Infra」频道最新
- Claude 近半营收来自云市场渠道，占比三年内从 11% 涨至 47% — BenBajarin · 2026-10-26
- 降价即放量：Anthropic 10 月 token 用量暴涨，年底 ARR 或破 1000 亿美元 — GavinSBaker · 2026-10-26
- Alex Banks：电力是 GPU 上线瓶颈，真正的风险是需求先降温 — thealexbanks · 2026-10-26
- 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