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
- 新播客：Micron HBM 路线图、Meta AI 基建与 NVIDIA 供应链掌控 — BenBajarin · 2026-10-27
- SGLang MegaKernel+PD 发布：高并发吞吐与低延迟兼得，TCO 大幅优化 — AccBalanced · 2026-10-27
- 自托管 Convex 扩容实战：把 TypeScript 函数编译成 WASM — leventov · 2026-10-27
- Anthropic 营收三年暴涨 4000 倍,上半年已入账 163 亿美元 — daniel_mac8 · 2026-10-27
- Tenstorrent 芯片跑通蛋白质生成模型,宣称无 HBM 短缺之忧 — gajesh · 2026-10-27
- YC 系创企 Hopper 出击语音推理：TTFT 80ms、价格为 GPT-4.1 的 15% — ycombinator · 2026-10-27