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
- 英伟达已成主流 Robotaxi 栈核心：训练仿真车载计算全覆盖 — pdamodaran · 2026-09-11
- AI 工程师必懂的 12 种 KV Cache 压缩技术一文讲透 — blaizedsouza · 2026-09-11
- 影子算力市场走向台前,Meta 对外出售过剩 GPU 算力成标志性信号 — DavidLinthicum · 2026-09-11
- Engram 随机读取不适合 SSD，CPU 内存低延迟共享或成正解 — bookwormengr · 2026-09-11
- 劝退帖:推理工程是真金白银的硬活,八成尝鲜者已悄然放弃 — abhijithneil · 2026-09-11
- Hugging Face《Ultra Scale Playbook》:GPU 集群训练 LLM 的免费技术书 — mdancho84 · 2026-09-11