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
- NVIDIA 称 Nemotron 3 Ultra 在 RTL 芯片设计任务上达 97.1% — NVIDIAAI · 2026-07-27
- NVIDIA 说 Vera CPU 让部分 EDA 工作负载提速 1.5 倍 — NVIDIA Blog · 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